İç vücut parametrelerini kullanarak IoT tabanlı akıllı duygu tanıma sistemi

Duygularınız Yakında Hayati Bir Belirti Olabilir

Akıllı saatinizin sadece adımlarınızı ve kalp atış hızınızı değil, gün boyunca ne kadar stresli, sakin veya neşeli hissettiğinizi de sessizce takip ettiğini—andertmeden önce doktorunuzu uyararak tükenmişlik veya depresyon başlamadan müdahale edilebileceğini hayal edin. Bu makale o geleceğe atılmış bir adımı tanımlıyor: iç vücut sinyallerini okuyan, bunları Nesnelerin İnterneti (IoT) üzerinden ileten ve makine öğrenimi kullanarak gerçek zamanlı hangi duyguyu yaşadığınızı belirleyen akıllı bir sistem.

Vücudun İçinden Hisleri Dinlemek

Duygularımız yalnızca yüzümüzde veya sesimizde yaşamaz; vücudumuzda dalgalanırlar. Öfkeliyken kan basıncımız yükselir; korku nabzı hızlandırabilir, üzüntü ise bizi yavaşlatabilir. Bu çalışmanın arkasındaki araştırmacılar, bu iç dalgalanmaları okuyup altı yaygın duygusal duruma — nötr, mutlu, üzgün, korku, öfke ve şaşkınlık — çevirebilen bir sistem kurmayı hedeflediler. Kameralar veya mikrofonlar yerine kalp atış hızı, kan basıncı, vücut sıcaklığı, kan şekeri, oksijen satürasyonu ve kas aktivitesi gibi iç vücut ölçümlerine dayandılar; bu veriler giyilebilir sensörlerle yakalandı ve analiz için bir bilgisayar sistemine gönderildi.

Giyilebilir Bir Cihazı Duygu Taramasına Dönüştürmek

Takım, küçük Wi‑Fi özellikli bir mikrodenetleyiciyle eşleştirilmiş çok sensörlü bir kol bandı tasarladı. Bu cihaz aynı anda birden fazla veri akışı topluyor: kalbin ne kadar hızlı attığı, derinin ne kadar sıcak olduğu, kanın ne kadar oksijen taşıdığı, kasların ne kadar gergin olduğu, kan basıncının ne kadar yüksek olduğu ve kan şekeri seviyelerinin nasıl dalgalandığı. Bu sinyaller kablosuz olarak yakınlardaki bir telefona veya ağ geçidine, oradan da bulut sunucularına iletiliyor. Orada veriler temizleniyor — gürültü çıkarılıyor, bariz hatalar düzeltiliyor ve birimler normalize ediliyor — sonra yerel ve bulut veri tabanlarında saklanıyor. Tıp uzmanları her parametre için gerçekçi aralıklar tanımlamaya yardımcı oldu ve belirli vücut değişim desenlerini olası duygularla ilişkilendiren kurallar oluşturdu; böylece makine öğrenimi modellerini eğitmek için etiketli bir veri kümesi ortaya çıktı.

Mood Okumayı Makinelere Öğretmek

Büyük bir etiketli örnek setine sahip olarak, araştırmacılar iç okumalarla bir kişinin duygusunu en iyi tahmin edebilecek on bir farklı makine öğrenimi yöntemini test ettiler. Bunlar arasında lojistik regresyon, destek vektör makineleri, k‑en yakın komşu, sinir ağları ve birçok basit karar ağacını birleştiren “ansambl” yöntemleri gibi bilinen teknikler yer aldı. Çok sayıda karar ağacının oy kullandığı Random Forest yaklaşımı en başarılı çıktı. Ana veri setlerinde, standart testlerde altı duyguyu yaklaşık %91 doğrulukla, aşırı uyumlanmayı önlemeye yardımcı olan k‑kat çapraz doğrulama prosedürüyle daha sıkı kontrol edildiğinde ise yaklaşık %93 doğrulukla tanımladı.

Sistemi Laboratuvarın Dışında Test Etmek

Modelin eğitildiği verilerin ötesindeki kişilerde ve durumlarda işe yarayıp yaramadığını görmek için ekip, DEAP adı verilen yaygın bir duygusal kıyas setini kullanarak harici bir test gerçekleştirdi. Bu düzenekte gönüllüler farklı duyguları uyandırması amaçlanan dikkatle seçilmiş videoları izlerken aynı sensör konfigürasyonu ile iç sinyalleri ölçüldü. Eğitilmiş Random Forest modeli yeniden eğitilmeksizin bu yeni kayıtları sınıflandırmaya çalışıldı. Yaklaşık %94 doğruluk elde etti ve tüm duygular için güçlü puanlar aldı — bu, sistemin orijinal örneklem ötesine genelleyebildiğine dair kanıt sunuyor. Yazarlar, bunun hem tercih ettikleri vücut sinyallerini hem de sensör donanımı, IoT iletişimi, bulut depolama ve akıllı yazılımı kapsayan genel tasarımlarını doğruladığını savunuyorlar.

Araştırma Prototipinden Günlük Dostunuza

Uzman olmayanlar için temel çıkarım basit: vücudunuzun gizli sinyalleri nasıl hissettiğinizi güvenilir şekilde ortaya koyabiliyor ve bilgisayarlar bunları okumayı öğrenebiliyor. Bu çalışma, internete bağlı ve gelişmiş algoritmalarla analiz edilen bir giyilebilir sensör ağı’nın duyguları invazif olmayan bir yolla ve neredeyse gerçek zamanlı olarak izleyebildiğini gösteriyor. Mevcut sistemin sınırlamaları var — örneğin sınırlı örneklem büyüklüğü ve yalnızca altı temel duyguya odaklanma gibi — ancak bu, ruh sağlığını destekleyebilecek, dijital deneyimleri kişiselleştirebilecek, evde yalnız veya savunmasız kişileri izleyebilecek ve akıllı ortamları iç dünyamıza daha duyarlı hale getirebilecek gelecekteki araçlara işaret ediyor.

Atıf: Rashid, T., Bajwa, I.S. & Kim, J. An IoT-based smart emotion recognition system by using internal body parameters. Sci Rep 16, 7210 (2026). https://doi.org/10.1038/s41598-026-35982-9

Anahtar kelimeler: duygu tanıma, giyilebilir sensörler, fizyolojik sinyaller, Nesnelerin İnterneti, makine öğrenimi