Original title: Chytrá domácnost: učení rutin
Translated title: Smart Home: Learning of Routines
Authors: Junák, Petr ; Bažout, David (referee) ; Materna, Zdeněk (advisor)
Document type: Bachelor's theses
Year: 2023
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Tato práce se zaměřuje na návrh, vývoj a implementaci inovativního chytrého systému, který využívá data o spánkovém režimu uživatele a strojové učení pro inteligentní ovládání světel v domácnosti. Hlavním cílem je zlepšení kvality spánku uživatele prostřednictvím optimalizace expozice světla, zejména snížením expozice studenému dennímu světlu před spánkem. Práce se vyznačuje důrazem na využití snadno dostupných dat, cenově dostupných hardwarových zařízení a open-source technologií. Jako primární zdroj dat byly využity chytré hodinky FitBit Charge 5, které poskytují podrobné informace o spánkových vzorcích uživatele. Vytvořený model strojového učení, konkrétně lineární regrese, je hostován na platformě Raspberry Pi, která také slouží jako centrální jednotka pro ovládání světel a řízení celkového systému. Kromě ovládání světla systém také podporuje zasílání upozornění uživateli o blížící se doporučené době začátku spánku, což přispívá k celkovému zlepšení spánkové hygieny a kvality spánku. This thesis focuses on the design, development, and implementation of an innovative smart system that uses user sleep data and machine learning for intelligent control of lights in a household. The main goal is to improve the user’s sleep quality through the optimization of light exposure, particularly by reducing exposure to cool daylight before sleep. The work is characterized by an emphasis on the use of readily available data, cost-effective hardware devices, and open-source technologies. The primary source of data was the FitBit Charge 5 smartwatch, which provides detailed information about the user’s sleep patterns. The created machine learning model, specifically linear regression, is hosted on the Raspberry Pi platform, which also serves as the central unit for controlling lights and managing the overall system. In addition to light control, the system also supports sending notifications to the user about the approaching recommended sleep start time contributing to the overall improvement of sleep hygiene and sleep quality.
Keywords: Automation; Data Prepro- cessing; Exposition to light; Feature Selection; FitBit Charge 5; Light Control; Light Temperature; Machine Learning; Raspberry Pi; regression forest method; Sleep Pattern; Sleep Quality; Smart Home; System Evaluation; Automatizace; Expozice světlu; FitBit Charge 5; Hodnocení systému; Inteligentní domácnost; Kvalita spánku; metoda regresních lesů; Ovládání světel; Předzpra- cování dat; Raspberry Pi; Spánkový vzorec; Strojové učení; Teplota světla; Výběr vlastností

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/213759

Permalink: http://www.nusl.cz/ntk/nusl-533154


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses