Get-Fit: 13 trin (med billeder)

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26

En bærbar enhed, der overvåger og registrerer en persons fitnessaktivitet ved hjælp af AI.

Det er ingen tvivl om, at inaktivitet kan føre til en række sundhedsmæssige og personlige problemer. Konstant aktivitet kan forhindre mange af disse spørgsmål. Vi er nødt til at kontrollere de fremskridt, der opnås ved træning konstant for at regulere aktiviteterne for at gøre en sundere krop. Fitness trackere er en populær måde at holde styr på dine fremskridt. Det kan tælle dine aktiviteter såsom push-up, pull-up og sit-up osv. Dette kan også generere den forbrændte kalorie under aktiviteterne.

Her designer jeg en bærbar enhed ved hjælp af SmartEdge Agile-kortet, der kan tælle push-up, pull-up og sit-up og kan generere de forbrugte kalorier under aktiviteterne.

Enhver, der ikke har ordentlig viden om denne teknologi, kan også tilpasse disse enheder til deres særlige øvelser ved at følge op på det instruerbare. Denne bærbare enhed bruger den potentielle AI -funktion i SmartEdge Agile til fitness tracking. Fremskridtet kan ganske enkelt ses via mobilappen.

Jeg tror, det er en ultimativ følgesvend for de mennesker, der elsker fitness.

Du kan tilpasse denne bærbare til de særlige øvelser, du laver, ved at træne disse aktiviteter.

Trin 1: Demo

Lad os se demo-videoen af Get-Fit wearable.

Trin 2: Ting vi har brug for

De hardwarekomponenter, der kræves til projekterne

• 1 x Avnet SmartEdge Agile Brainium
• 2 x hvid elastik
• 1 x rembælte
• 1 x synåle
• 1 x tråd
• 1 x HotGlue

De softwarekomponenter, der kræves til projekterne

• Google Firebase
• Octonion Brainium Portal
• Android Studio

Trin 3: SmartEdge Agile Board

I dette projekt bruger vi SmartEdgeAgile -enheden til at registrere bevægelser. SmartEdge Agile -enheden er en certificeret hardwareløsning, integreret med en fuld softwarestak med Edge Intelligence.

Denne enhed har en bred vifte af indbyggede sensorer. I dette projekt udnytter vi dets accelerometer og gyroskopsensorer. Ved at kombinere disse sensorværdier med AI kan vi skabe et udbrud. I modsætning til alle de andre funktioner kræver arbejde med AI-baseret overvågning brug af AI Studio-værktøjet, der er tilgængeligt på portalen. AI Studio tilbyder en let og intuitiv måde at oprette de modeller, der er nødvendige for at bruge AI.

En af dens AI -funktioner er bevægelsesgenkendelse. Faktisk overfører denne enhed sine data til Brainium -platformen via gatewayen. Det kommunikerer via Bluetooth med gatewayen. Brainium -gatewayen kan downloades fra iOS- eller Android -butikken.

Denne enhed kan let oplades via USB-porten og har en to-dages driftstid.

Trin 4: Indsamling af tilbehør

Som vi alle ved, er hovedbestanddelen i denne bærbare SmartEdge Agile -plade. Vi har brug for to hvide elastikker til at lave båndet. Jeg har taget det fra mine gamle stoffer. Vi har også brug for en rem til justering af båndstørrelsen. Jeg har lige taget den fra en gammel bærbar oplader. Til justering af remmen har vi brug for et rektangel stykke plast, der er delvist hul. Som et hack skar jeg det bare ned fra oversiden af en markørplade.

Trin 5: Band Making

Først og fremmest omslutter vi båndet med hvid elastik. Vi er nødt til at stramme så meget som muligt ellers vil Agile -pladen blive fejet væk. Så kan vi sy der, med den blå tråd. Her bruger jeg den blå tråd, som giver et fantastisk udsyn til bandet. Derefter syede jeg det rektangulære stykke til justering af båndstørrelserne som vist ovenfor. Derefter fastgjorde vi den anden elastik til brættet ved hjælp af en varm limpistol. Endelig syede vi remremmen fast på den nylimede elastik. Bare se på billedet ovenfor som reference.

Trin 6: Endelig Outlook

Vores bærbare enhed er klar, bare fastgør den til armen. Tænd derefter enheden ved et langt tryk på knappen. Du kan oplade enheden ved hjælp af C-type mobiloplader i dit hjem. Enheden har en driftstid på næsten en dag. Derefter kan vi gå til softwaresektionen i denne bærbare.

Trin 7: Brainium Portal

Her kommer softwaredelen, og det er ret simpelt.

For at bruge SmartEdge Agile -kortet skal du tilmelde dig Brainium -platformen. Download derefter Brainium Gateway -appen på vores telefon (fra playbutik) og brug vores nyoprettede konto til at logge ind på den. Faktisk fungerer telefonen som en gateway mellem portalen og AI -enheden over BLE. Tilføj derefter vores bord fra fanen Enheder i portalen. Derefter vises enheden på Brainium -appen.

Klik på knappen "Opret projekt" eller "+" nederst til højre på projektsiden for at oprette et projekt.

Trin 8: AI Studio Workspace

Gå til menuen i venstre side, og naviger til Bevægelse i AI Studio -værktøj ved at vælge elementet 'Bevægelsesgenkendelse' i AI Studio -arbejdsområder. AI Studio er værktøjet dedikeret til platformens kunstige intelligensfunktioner.

Åbn dit arbejdsområde, og start med at definere den bevægelse, du vil træne din Agile -enhed med. Du skal oprette mindst én "bevægelse" til en genkendelsesmodel. Her indeholder min liste over bevægelser aktiviteter som Pushup, Pullup og Situp. Dette er de grundlæggende aktiviteter, der spores af vores enhed (Get-Fit). Agile boardets bevægelse ville være forskellig for hver aktivitet, ved at anvende AI -funktionen på den kan enheden tælle aktiviteten.

Trin 9: Træning

Vi er nødt til at træne disse enheder for at gøre dem i stand til at registrere øvelser. Du bør bære enheden, når træningen fortsætter.

På listen over bevægelser skal du vælge hver enkelt, vi vil træne, og klikke på "Optag nyt træningssæt". Opret korrekte træningssæt til hver bevægelse. Du har brug for mindst 2 registreringer med 20 bevægelser hver for at kunne generere en model, der kan bruges til demoen. Selvfølgelig, jo flere bevægelser du forsøger at opdage, og/eller jo mere bevægelsen er kompleks, jo flere træningssæt skal du bruge for at få et acceptabelt nøjagtighedsniveau. Rekorden sat for skubbet op er angivet nedenfor, ligeledes registreres træningssættene for alle andre aktiviteter korrekt.

Du kan tilpasse denne bærbare til de særlige øvelser, du laver, ved at træne denne aktivitet.

Trin 10: Generering af model

Så vil vi generere en model, der indeholder alle disse poster. Vælg alle optegnelser til den bærbare, og generer modellen. Det vil tage noget tid. Anvend derefter din model på den ønskede enhed. Vi kan også indstille AI -alarm til at skubbe meddelelse, når der opstår en aktivitet.

Trin 11: MQTT

MQTT API giver adgang til de data, der er blevet sendt fra brugerens enheder i realtid. MQTT API er tilgængelig over WebSockets af følgende URI: wss: //ns01-wss.brainium.com, og den er sikret. MQTT -protokollen indeholder brugernavn og adgangskodefelter i CONNECT -meddelelsen til godkendelse. Klienten har mulighed for at sende et brugernavn og en adgangskode, når den opretter forbindelse til en MQTT -mægler. For at oprette forbindelse til Branium Platform skal disse muligheder være:

• brugernavnet har den angivne statiske værdi: oauth2-user
• adgangskoden er forskellig for hver bruger og svarer til ekstern adgangstoken (den er tilgængelig i brugerens profil).
• user_id (kan findes på brugernes profil)
• device_id (findes på fanen enheder i portalen)

Ved at køre den python-kode, jeg har vedhæftet i GitHub-depotet, kan du få adgang til data i realtid fra den bærbare (Get-Fit) ved hjælp af MQTT-protokollen. Antallet af gange, en aktivitet er gennemført, vil blive trukket ud.

Trin 12: Firebase

Firebase er en platform til udvikling af mobil- og webapplikationer. Firebase frigør udviklere til at fokusere på at lave fantastiske brugeroplevelser. Du behøver ikke at administrere servere. I vores projekt bruger vi Firebase-realtidsdatabase til øjeblikkeligt at hente data, så der ikke er nogen tidsforsinkelse.

. For at finde Firebase URL

• Gå til Firebase
• Gå derefter og åbn dit projekt (Hvis du ikke har nogen projekter, skal du oprette et)
• Gå derefter til Real-Time Database i Database
• Webadressen i skærmbilledet er Firebase URL

Gå derefter til reglerne, erstat "falsk" med "sand" for at foretage læse- og skriveoperationer. Jeg har taget "status" -tagget som overordnet tag for "push", "pull" og "sit". Værdien fra API'et er placeret under denne tagvariabel

Trin 13: Android Studio

Ansøgningen om den bærbare er lavet i Android -studiet.