Get-Fit: 13 βήματα (με εικόνες)

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:33

Μια φορετή συσκευή που παρακολουθεί και καταγράφει τη φυσική κατάσταση ενός ατόμου μέσω τεχνητής νοημοσύνης.

Δεν υπάρχει αμφιβολία ότι η αδράνεια μπορεί να οδηγήσει σε πολλά προβλήματα υγείας και προσωπικά. Η συνεχής δραστηριότητα μπορεί να αποτρέψει πολλά από αυτά τα ζητήματα. Πρέπει να ελέγχουμε την πρόοδο που επιτυγχάνεται με την προπόνηση συνεχώς για να ρυθμίζουμε τις δραστηριότητες για τη δημιουργία ενός πιο υγιούς σώματος. Οι ιχνηλάτες γυμναστικής είναι ένας δημοφιλής τρόπος για να παρακολουθείτε την πρόοδό σας. Μπορεί να μετρήσει τις δραστηριότητές σας, όπως push-up, pull-up και sit-up, κλπ. Αυτό μπορεί επίσης να δημιουργήσει τις θερμίδες που καίγονται κατά τη διάρκεια των δραστηριοτήτων.

Εδώ σχεδιάζω μια φορετή συσκευή χρησιμοποιώντας τον πίνακα SmartEdge Agile που μπορεί να μετρήσει push-up, pull-up και sit-up και να παράγει τις θερμίδες που καταναλώνονται κατά τη διάρκεια των δραστηριοτήτων.

Όποιος δεν έχει τις κατάλληλες γνώσεις σχετικά με αυτήν την τεχνολογία, μπορεί επίσης να προσαρμόσει αυτές τις συσκευές για τις συγκεκριμένες ασκήσεις τους, ακολουθώντας τις οδηγίες. Αυτή η φορετή συσκευή χρησιμοποιεί την πιθανή δυνατότητα τεχνητής νοημοσύνης του SmartEdge Agile για παρακολούθηση φυσικής κατάστασης. Η πρόοδος μπορεί απλά να προβληθεί μέσω της εφαρμογής για κινητά.

Νομίζω ότι είναι ένας απόλυτος σύντροφος για τους λαούς που αγαπούν τη φυσική κατάσταση.

Μπορείτε να προσαρμόσετε αυτό το φορετό για τις συγκεκριμένες ασκήσεις που κάνετε εκπαιδεύοντας αυτές τις δραστηριότητες.

Βήμα 1: Επίδειξη

Ας παρακολουθήσουμε το demo βίντεο του Get-Fit wearable.

Βήμα 2: Πράγματα που χρειαζόμαστε

Τα εξαρτήματα υλικού που απαιτούνται για τα έργα

• 1 x Avnet SmartEdge Agile Brainium
• 2 x Λευκό ελαστικό
• 1 x ιμάντα ιμάντα
• 1 x Βελόνα ραπτικής
• 1 x Νήμα
• 1 x HotGlue

Τα στοιχεία λογισμικού που απαιτούνται για τα έργα

• Google Firebase
• Octonion Brainium Portal
• Android Studio

Βήμα 3: SmartEdge Agile Board

Σε αυτό το έργο χρησιμοποιούμε τη συσκευή SmartEdgeAgile για τον εντοπισμό των κινήσεων. Η συσκευή SmartEdge Agile είναι μια πιστοποιημένη λύση υλικού, ενσωματωμένη με μια πλήρη στοίβα λογισμικού με Edge Intelligence.

Αυτή η συσκευή διαθέτει μεγάλη ποικιλία αισθητήρων επί του σκάφους. Σε αυτό το έργο, χρησιμοποιούμε επιταχυνσιόμετρο και αισθητήρες γυροσκοπίου. Συνδυάζοντας αυτές τις τιμές αισθητήρων με AI μπορούμε να δημιουργήσουμε ένα ξέσπασμα. Σε αντίθεση με όλες τις άλλες λειτουργίες, η εργασία με παρακολούθηση που βασίζεται σε AI απαιτεί τη χρήση του εργαλείου AI Studio, που διατίθεται στην πύλη. Το AI Studio προσφέρει έναν εύκολο και διαισθητικό τρόπο για τη δημιουργία των μοντέλων, τα οποία χρειάζονται για τη χρήση του AI.

Ένα από τα χαρακτηριστικά του AI είναι η αναγνώριση κίνησης. Στην πραγματικότητα, αυτή η συσκευή μεταφέρει τα δεδομένα της στην πλατφόρμα Brainium μέσω της πύλης. Επικοινωνεί μέσω Bluetooth με την πύλη. Μπορείτε να κατεβάσετε την πύλη Brainium από το κατάστημα ios ή android.

Αυτή η συσκευή μπορεί να φορτιστεί εύκολα μέσω της θύρας USB και έχει διάρκεια λειτουργίας δύο ημερών.

Βήμα 4: Συλλογή αξεσουάρ

Όπως όλοι γνωρίζουμε, το κύριο συστατικό αυτού του φορετού είναι ο πίνακας SmartEdge Agile. Χρειαζόμαστε δύο λευκά ελαστικά για την κατασκευή της μπάντας. Το έχω πάρει από τα παλιά μου υφάσματα. Επίσης, χρειαζόμαστε έναν ιμάντα για την προσαρμογή του μεγέθους της ζώνης. Μόλις το πήρα από έναν παλιό φορτιστή φορητού υπολογιστή. Για τη ρύθμιση του ιμάντα χρειαζόμαστε ένα ορθογώνιο κομμάτι πλαστικού που είναι εν μέρει κοίλο. Ως hack, το έκοψα από την επάνω πλευρά ενός πάνω δείκτη.

Βήμα 5: Δημιουργία μπάντας

Πρώτα απ 'όλα, περικλείουμε τη ζώνη με λευκό λάστιχο. Πρέπει να σφίξουμε όσο το δυνατόν περισσότερο, διαφορετικά ο πίνακας Agile θα αφαιρεθεί. Στη συνέχεια, μπορούμε να ράψουμε εκεί, με το μπλε νήμα. Εδώ χρησιμοποιώ το μπλε νήμα που δίνει μια φανταστική προοπτική για το συγκρότημα. Στη συνέχεια έραψα το ορθογώνιο κομμάτι για την προσαρμογή των μεγεθών της ταινίας όπως φαίνεται παραπάνω. Στη συνέχεια, συνδέσαμε το δεύτερο ελαστικό στον πίνακα μέσω ενός πιστόλι θερμής κόλλας. Τέλος, ράψαμε τον ιμάντα ιμάντα στο πρόσφατα κολλημένο ελαστικό. Απλώς ρίξτε μια ματιά στην παραπάνω εικόνα για αναφορά.

Βήμα 6: Τελικό Outlook

Η φορετή συσκευή μας είναι έτοιμη, απλώς συνδέστε την στο χέρι. Στη συνέχεια, ενεργοποιήστε τη συσκευή πατώντας παρατεταμένα το κουμπί. Μπορείτε να φορτίσετε τη συσκευή με φορτιστή κινητού τύπου C στο σπίτι σας. Ο χρόνος λειτουργίας της συσκευής είναι σχεδόν μία ημέρα. Στη συνέχεια, μπορούμε να μεταβούμε στην ενότητα λογισμικού αυτού του φορετού.

Βήμα 7: Πύλη Brainium

Εδώ έρχεται το μέρος του λογισμικού και είναι αρκετά απλό.

Για να χρησιμοποιήσετε τον πίνακα SmartEdge Agile πρέπει να εγγραφείτε στην πλατφόρμα Brainium. Στη συνέχεια, κατεβάστε την εφαρμογή Brainium Gateway στο τηλέφωνό μας (από το play store) και χρησιμοποιήστε τον πρόσφατα δημιουργημένο λογαριασμό μας για να συνδεθείτε. Στην πραγματικότητα το τηλέφωνο λειτουργεί ως πύλη μεταξύ της πύλης και της συσκευής AI μέσω του BLE. Στη συνέχεια, προσθέστε τον πίνακα μας από την καρτέλα συσκευές στην πύλη. Στη συνέχεια, η συσκευή θα εμφανιστεί στην εφαρμογή Brainium.

Κάντε κλικ στο κουμπί "Δημιουργία έργου" ή "+" στην κάτω δεξιά γωνία της σελίδας Έργου για να δημιουργήσετε ένα έργο.

Βήμα 8: AI Studio Workspace

Μεταβείτε στο μενού στην αριστερή πλευρά και μεταβείτε στο εργαλείο Motion in AI Studio επιλέγοντας το στοιχείο «Αναγνώριση κίνησης» στους χώρους εργασίας AI Studio. Το AI Studio είναι το εργαλείο αφιερωμένο στις δυνατότητες Τεχνητής Νοημοσύνης της πλατφόρμας.

Ανοίξτε τον χώρο εργασίας σας και ξεκινήστε καθορίζοντας την κίνηση με την οποία θέλετε να εκπαιδεύσετε τη συσκευή Agile. Πρέπει να δημιουργήσετε τουλάχιστον μία "κίνηση" για ένα μοντέλο αναγνώρισης. Εδώ η λίστα με τις κινήσεις μου περιέχει δραστηριότητες όπως Pushup, Pullup και Situp. Αυτές είναι οι βασικές δραστηριότητες που παρακολουθεί η συσκευή μας (Get-Fit). Η κίνηση του πίνακα Agile θα είναι διαφορετική για κάθε δραστηριότητα, εφαρμόζοντας τη δυνατότητα AI σε αυτήν, η συσκευή μπορεί να μετρήσει τη δραστηριότητα.

Βήμα 9: Εκπαίδευση

Πρέπει να εκπαιδεύσουμε αυτές τις συσκευές ώστε να είναι ικανές να ανιχνεύουν ασκήσεις. Πρέπει να φοράτε τη συσκευή όταν συνεχίζεται η προπόνηση.

Στη λίστα των κινήσεων, επιλέξτε κάθε μία που θέλουμε να εκπαιδεύσουμε και κάντε κλικ στο "Εγγραφή νέου σετ προπόνησης". Δημιουργήστε κατάλληλα σετ προπόνησης για κάθε κίνηση. Χρειάζεστε τουλάχιστον 2 εγγραφές των 20 κινήσεων η κάθε μία για να μπορέσετε να δημιουργήσετε ένα μοντέλο που μπορεί να χρησιμοποιηθεί για την επίδειξη. Φυσικά, όσο περισσότερες κινήσεις προσπαθείτε να ανιχνεύσετε και/ή όσο πιο περίπλοκη είναι η κίνηση, τόσο περισσότερα σετ προπόνησης θα χρειαστείτε για να αποκτήσετε ένα αποδεκτό επίπεδο ακρίβειας. Το ρεκόρ για την ώθηση παρατίθεται παρακάτω, ομοίως, τα σετ εκπαίδευσης για όλες τις άλλες δραστηριότητες καταγράφονται σωστά.

Μπορείτε να προσαρμόσετε αυτό το φορετό για τις συγκεκριμένες ασκήσεις που κάνετε εκπαιδεύοντας αυτή τη δραστηριότητα.

Βήμα 10: Δημιουργία μοντέλου

Στη συνέχεια, θέλουμε να δημιουργήσουμε ένα μοντέλο που περιέχει όλες αυτές τις εγγραφές. Επιλέξτε όλες τις εγγραφές για τα φορετά και δημιουργήστε το μοντέλο. Θα χρειαστεί λίγος χρόνος. Στη συνέχεια, εφαρμόστε το μοντέλο σας στην επιθυμητή συσκευή. Μπορούμε επίσης να ορίσουμε την ειδοποίηση AI να σπρώχνει την ειδοποίηση όταν αντιμετωπίζεται μια δραστηριότητα.

Βήμα 11: MQTT

Το MQTT API παρέχει πρόσβαση στα δεδομένα που έχουν αποσταλεί από τις συσκευές του χρήστη σε πραγματικό χρόνο. Το MQTT API είναι διαθέσιμο μέσω WebSockets από το ακόλουθο URI: wss: //ns01-wss.brainium.com και είναι ασφαλές. Το πρωτόκολλο MQTT παρέχει πεδία ονόματος χρήστη και κωδικού πρόσβασης στο μήνυμα CONNECT για έλεγχο ταυτότητας. Ο πελάτης έχει την επιλογή να στείλει ένα όνομα χρήστη και έναν κωδικό πρόσβασης όταν συνδέεται σε έναν μεσίτη MQTT. Για σύνδεση με την πλατφόρμα Branium, αυτές οι επιλογές πρέπει:

• το όνομα χρήστη έχει την καθορισμένη στατική τιμή: oauth2-user
• ο κωδικός πρόσβασης είναι διαφορετικός για κάθε χρήστη και ισούται με εξωτερικό διακριτικό πρόσβασης (είναι διαθέσιμος στο προφίλ του χρήστη).
• το user_id (μπορεί να βρεθεί στο προφίλ των χρηστών)
• device_id (μπορεί να βρεθεί στην καρτέλα συσκευών στην πύλη)

Με την εκτέλεση του κώδικα python που έχω επισυνάψει στο αποθετήριο GitHub, μπορείτε να έχετε πρόσβαση σε δεδομένα σε πραγματικό χρόνο από το φορετό (Get-Fit) χρησιμοποιώντας το πρωτόκολλο MQTT. Ο αριθμός των φορών που θα ολοκληρωθεί μια δραστηριότητα θα καταγραφεί.

Βήμα 12: Firebase

Το Firebase είναι μια πλατφόρμα ανάπτυξης κινητών και διαδικτυακών εφαρμογών. Το Firebase αφήνει ελεύθερους τους προγραμματιστές να επικεντρωθούν στη δημιουργία φανταστικών εμπειριών χρηστών. Δεν χρειάζεται να διαχειρίζεστε διακομιστές. Στο έργο μας, χρησιμοποιούμε τη βάση δεδομένων πραγματικού χρόνου Firebase για την άμεση ανάκτηση δεδομένων, ώστε να μην υπάρχει χρονική καθυστέρηση.

. Για να βρείτε τη διεύθυνση URL του Firebase

• Μεταβείτε στο Firebase
• Στη συνέχεια, ανοίξτε το έργο σας (Εάν δεν έχετε έργα, δημιουργήστε ένα)
• Στη συνέχεια, μεταβείτε στη βάση δεδομένων σε πραγματικό χρόνο στη βάση δεδομένων
• Η διεύθυνση URL στο στιγμιότυπο οθόνης είναι η διεύθυνση URL του Firebase

Στη συνέχεια, μεταβείτε στους κανόνες, αντικαταστήστε το "false" με το "true" για να κάνετε πράξεις ανάγνωσης και γραφής. Έχω λάβει την ετικέτα "κατάσταση" ως μητρική ετικέτα "push", "pull" και "sit". Η τιμή από το API τοποθετείται κάτω από αυτήν τη μεταβλητή ετικέτας

Βήμα 13: Android Studio

Η εφαρμογή για το φορετό γίνεται στο στούντιο Android.