Leafonyは 29pin header（AX08）を使用しました。MEMS非接触温度センサーは簡単な保持治具を作り、その上にのせています。

（ 右写真 ）

ブレッドボードの配線が完了後に、センサーやOLEDなどの各デバイスに規定の電圧が加わっていることを確認します。

次に試験用プログラムを作成、USBリーフ経由で書き込みました。

基本動作の確認と、波形をシンクロスコープで確認。赤矢印がシンクロスコープのプローブです。

ここまでで問題がなければ、回路は問題なし。です。（ ひと安心 ）

部品配置と配線パターンの検討

回路が決まったら、部品配置とその部品同士を接続する配線パターンを検討します。

センサやスイッチ、OLEDなどは優先的に位置決め、電源ラインを太くしたり、信号線の干渉を考慮しながら錫メッキ線での配線を考えます。

センサ取付部品の設計

センサは性能を安定して発揮するために、正しく保持することが必要です。そのための取付部品を作りました。アクリル製です。

取付方法はセンサの仕様書に記載されている条件にしたがい検討します。

部品干渉の確認とケースの設計

ユニバーサル基板の配線パターンは2次元ですが、3次元的に部品同士がぶつからないこと、ケーブルハーネスが引き回せることを確認します。

最終的に3Dモデルから部品図を起こして、部品の製作です。仮組みが待ち遠しいです。

面実装部品はそのままではユニバーサル基板に取り付けられないため、変換基板に搭載します。

SOT-25・DIP変換基板を使いました。手半田ですが、さすがにそのままでは難しいので、SMDクランプを使用して半田付けしました。しかし、小さい。

Leafonyとユニバーサル基板の接続は、基板間コネクタ（ピンヘッダー/ソケット）を使用します。

AX02 29pinにピンを半田付けします。高さをなるべく抑えたいので、薄型のコネクタ（マックエイト）を使用しました。

その他のくふう

電池などの端子がむき出しでは、他の部品や製作中の基板、計測中のブレッドボードに接触して問題をおこします。ビニール袋などで保護します。

蓄電池は使用開始日を記録しておくと本数が多くても管理しやすいです。

製作中のトラブルは避けたいものです。

軽いボトルは倒れて部品や製作中の試作機を汚します。使えなくなる場合もあります。右のボトルは陶器の器に入れて転倒防止と、液漏れがあっても周りに影響がないようにしています。

省電力

電池で使用する場合に消費電力を少なくすることができるようにプログラムで周辺回路の省電力化をおこなう回路構成にしました。

DC-DCコンバータにはモジュールをOn/OFFできるEnable端子があります。この端子を使用してDC-DCコンバータを含めて周辺回路の電源を制御することにしました。

Leafonyには常時通電する電池（メイン電池でも可）でバックアップをおこなっています。

OLEDもデバイスの設置時以外は取り外しができます。（設置時にはOLEDでセンシング状況を可視化します。）

温度分布表示の可変対応

面の温度測定により人の存在位置を判断して密集度を推定します。周囲（部屋）の温度が幅広く変わる可能性があるため、測定する温度の範囲（上限下限）を状況に応じて変えることが望まれます。

右図は温度分布を表示する場合です。1）従来はテーブルルックアップにより温度から表示色（RGB）を導出していました。範囲が異なる場合は複数のテーブル（Case A,B,C）を持つ必要があります。

2）ここにシグモイド関数（sigmoid function）を適用して範囲に応じて動的に表示色を導出する方法を採用しました。

センシング方法

多点非接触温度センサで数メートル先の人の体温を捉えることにより、人の所在を検出します。

この試作機では約6m先の1,024点の温度を計測しています。

詳しくは下記をご参照ください。（右図の引用元です。）

*1*2：OMRON D6T Datasheet

密集度の判定方法

「密集（人の密集）」状態の定義、密集状態を定量的に表す方法を見つけることができませんでした。

本試作では、密集状態を検出するためのデバイスを作成することを目的としているため、評価関数 f(x)の検討はおこなっていません。

本試作では f(x)を下記の通り仮定しました。この仮定は文献調査や仮説検証をおこなっていません。動作確認を目的としたもので根拠はありません。

（ 仮定 ）

• 人の検出は体温であるため、下記の温度範囲を示す計測対象点に人がいると仮定する。
• 人が多いと上記に含まれる計測対象点が多くなる。
• 温度範囲： 35～39℃

温度分布の取り込み

非接触温度センサは 1,024点（32Ｘ32）で温度を計測します。計測した温度データはセンサ内部で IIRフィルタによりデジタルフィルタリングした後に、温度（deg.単位）に換算されます。

センサの値はI2C通信によりMCUに取り込みます。データ長が長く標準的なI2Cライブラリでは対応できないため、ソフトウエアI2Cにより通信します。

温度分布の表示

シグモイド関数により、取得した各点の温度値（ Ｘ101 ） から表示のためのRGB値を導出します。

処理速度を上げるために、事前に閾値の上下は演算をおこなわずに一意的にRGB値を設定します。

密集度の判定

密集度を導出する f(x)の結果を、判定基準で判定をおこない、密状態か否かを判定します。

閾値周辺での判定を安定化するために判定にはヒステリシスを設けています。

取り組んだのは2020年年末です。コロナ禍が始まって1年くらい経ったときでしょうか。コロナウイルス感染症に関する情報もまだ少なく、重症者になられる方も多く、不安というか恐怖を感じていました。

感染症の防止には「3密の回避」が大切ということで、密集状態の回避が大きな話題になっていました。そこで密集状態を可視化することと数値化できれば、その場での警告や情報収集に役立つのではないのかなと思い試作機を作り始めました。

検討を始めていきなり壁に突き当たります。「密」の定義や定量化のための数式モデルや数値基準が見当たらないのです。専門的に調査したわけではありませんでしたが、見つけることはできませんでした。

IoTデバイスの試作が目的ですので、その部分はあきらめて本文の通り「仮定」することにしました。今回の試作を通じて「密」を改めて考えることができました。コロナ禍にかかわらず社会の多くの場面で、密の状況が関係することもあり、何らかの定量化が必要なのかなと思いした。

最後までご覧いただきありがとうございました！

今回作成したエッジデバイスで検出した密状態をクラウドにアップするためのゲートウェイ（中継器）を作ってみました。

単独運用できるように、今回のエッジ機能も搭載しています。

クラウドとの通信は LTE-Mを使用しました。

使用したリーフ

・ STM32 MCU リーフ

・ BLE Suger リーフ

・ USB リーフ

・ 4 Sensors リーフ

・ 29pin リーフ

使用した通信方法

・ BLE（ エッジデバイス間 ）

・ LTE-M（ GW - クラウド間 ）