Get-Fit: 13 مرحله (همراه با تصاویر)

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:53

دستگاهی پوشیدنی که فعالیت تناسب اندام فرد را با استفاده از هوش مصنوعی کنترل و ثبت می کند.

شکی نیست که عدم تحرک می تواند منجر به تعدادی از مشکلات سلامتی و شخصی شود. فعالیت مداوم می تواند از بسیاری از این مسائل جلوگیری کند. ما باید پیشرفت های حاصل از تمرین را به طور مداوم بررسی کنیم تا فعالیت ها را برای داشتن بدن سالم تر تنظیم کنیم. ردیاب های تناسب اندام یکی از روش های رایج برای پیگیری پیشرفت شما است. این می تواند فعالیت های شما مانند فشار ، کشش ، و نشستن ، و غیره را شمارش کند. این همچنین می تواند کالری سوزانده شده در طول فعالیت ها را تولید کند.

در اینجا من یک دستگاه پوشیدنی را با استفاده از برد SmartEdge Agile طراحی می کنم که می تواند فشار ، کشش و نشستن را شمارش کند و بتواند کالری مصرف شده در طول فعالیت ها را تولید کند.

هرکسی که دانش درستی در مورد این فناوری ندارد نیز می تواند این دستگاهها را برای تمرینات خاص خود با پیگیری دستورالعمل های سفارشی سفارشی کند. این دستگاه پوشیدنی از قابلیت هوش مصنوعی بالقوه SmartEdge Agile برای ردیابی تناسب اندام استفاده می کند. پیشرفت را می توان به سادگی از طریق برنامه تلفن همراه مشاهده کرد.

من فکر می کنم این یک همراه نهایی برای افرادی است که تناسب اندام را دوست دارند.

شما می توانید این پوشیدنی را برای تمرینات خاصی که با تمرین آن فعالیت ها انجام می دهید سفارشی کنید.

مرحله 1: نسخه ی نمایشی

بیایید فیلم نمایشی Get-Fit پوشیدنی را تماشا کنیم.

مرحله 2: چیزهایی که ما نیاز داریم

اجزای سخت افزاری مورد نیاز پروژه ها

• 1 x Avnet SmartEdge Agile Brainium
• 2 x الاستیک سفید
• 1 x کمربند تسمه ای
• 1 عدد سوزن دوخت
• 1 x موضوع
• 1 x HotGlue

اجزای نرم افزاری مورد نیاز برای پروژه ها

• Google Firebase
• پورتال Octonion Brainium
• Android Studio

مرحله 3: SmartEdge Agile Board

در این پروژه ما از دستگاه SmartEdgeAgile برای تشخیص حرکات استفاده می کنیم. دستگاه SmartEdge Agile یک راه حل سخت افزاری معتبر است که با یک مجموعه نرم افزاری کامل با Edge Intelligence تعبیه شده است.

این دستگاه دارای طیف گسترده ای از سنسورهای داخلی است. در این پروژه ، ما از سنسورهای شتاب سنج و ژیروسکوپ آن استفاده می کنیم. با ترکیب این مقادیر حسگر با هوش مصنوعی می توانیم شیوع ایجاد کنیم. بر خلاف سایر قابلیت ها ، کار با مانیتورینگ مبتنی بر هوش مصنوعی مستلزم استفاده از ابزار AI Studio است که در پورتال موجود است. AI Studio راهی آسان و بصری برای ایجاد مدلهایی که برای استفاده از AI مورد نیاز است ارائه می دهد.

یکی از ویژگی های هوش مصنوعی آن تشخیص حرکت است. در واقع این دستگاه اطلاعات خود را از طریق دروازه به پلت فرم Brainium منتقل می کند. از طریق بلوتوث با دروازه ارتباط برقرار می کند. دروازه Brainium را می توان از فروشگاه ios یا اندروید بارگیری کرد.

این دستگاه به راحتی از طریق درگاه USB شارژ می شود و دو روز کار می کند.

مرحله 4: جمع آوری لوازم جانبی

همانطور که همه می دانیم ترکیب اصلی این پوشیدنی برد SmartEdge Agile است. برای ساختن باند به دو الاستیک سفید نیاز داریم. من آن را از پارچه های قدیمی ام گرفته ام. همچنین ، ما برای تنظیم اندازه نوار به یک بند نیاز داریم. من تازه آن را از شارژر لپ تاپ قدیمی برداشتم. برای تنظیم بند به یک قطعه پلاستیکی مستطیلی نیاز داریم که تا حدی توخالی است. به عنوان یک هک ، من فقط آن را از قسمت بالای یک نشانگر برش دادم.

مرحله 5: ساخت گروه

اول از همه ، ما باند را با الاستیک سفید می پوشانیم. ما باید تا حد ممکن سفت شویم وگرنه تخته چابک برداشته می شود. سپس می توانیم آنجا را با نخ آبی بدوزیم. در اینجا من از نخ آبی استفاده می کنم که چشم انداز فوق العاده ای برای گروه ارائه می دهد. سپس قطعه مستطیلی را برای تنظیم اندازه نوارها همانطور که در بالا نشان داده شده ، دوختم. سپس الاستیک دوم را با استفاده از تفنگ چسب حرارتی به تخته وصل کردیم. در نهایت ، ما کمربند بند را روی الاستیک تازه چسبان دوختیم. فقط کافی است به تصویر بالا برای مرجع نگاه کنید.

مرحله 6: چشم انداز نهایی

دستگاه پوشیدنی ما آماده است ، فقط آن را به بازو وصل کنید. سپس دستگاه را با فشار طولانی روی دکمه روشن کنید. می توانید دستگاه را با شارژر موبایل نوع C در خانه خود شارژ کنید. این دستگاه تقریباً یک روز زمان کار دارد. سپس می توانیم به قسمت نرم افزار این پوشیدنی برویم.

مرحله 7: پورتال مغز

در اینجا بخش نرم افزاری آمده است و بسیار ساده است.

برای استفاده از برد SmartEdge Agile باید در پلت فرم Brainium ثبت نام کنید. سپس ، برنامه Brainium Gateway را در تلفن ما بارگیری کنید (از فروشگاه بازی) و از حساب تازه ایجاد شده ما برای ورود به آن استفاده کنید. در واقع تلفن به عنوان دروازه ای بین پورتال و دستگاه هوش مصنوعی از طریق BLE عمل می کند. سپس برد ما را از برگه دستگاه ها در پورتال اضافه کنید. سپس دستگاه در برنامه Brainium ظاهر می شود.

برای ایجاد یک پروژه روی دکمه "ایجاد پروژه" یا "+" در پایین سمت راست صفحه پروژه کلیک کنید.

مرحله 8: AI Studio Workspace

به منوی سمت چپ بروید و با انتخاب مورد "Motion Recognition" در محیط های کاری AI Studio ، به ابزار Motion in AI Studio بروید. AI Studio ابزاری است که به قابلیت های هوش مصنوعی پلت فرم اختصاص داده شده است.

فضای کاری خود را باز کرده و با تعریف حرکتی که می خواهید دستگاه چابک خود را با آن تمرین دهید ، شروع کنید. شما باید حداقل یک "حرکت" برای یک مدل تشخیص ایجاد کنید. در اینجا لیست حرکات من شامل فعالیت هایی مانند Pushup ، Pullup و Situp است. اینها فعالیتهای اساسی ردیابی شده توسط دستگاه ما هستند (Get-Fit). حرکت هیئت مدیره چابک برای هر فعالیت متفاوت خواهد بود ، زیرا با استفاده از ویژگی AI روی آن ، دستگاه می تواند فعالیت را شمارش کند.

مرحله نهم: آموزش

ما باید این دستگاه ها را آموزش دهیم تا بتوانند تمرینات را تشخیص دهند. هنگامی که تمرین ادامه می یابد ، باید دستگاه را بپوشید.

در لیست حرکات ، هر کدام را که می خواهیم آموزش دهیم انتخاب کنید و روی "ثبت مجموعه آموزشی جدید" کلیک کنید. برای هر حرکت مجموعه های آموزشی مناسب ایجاد کنید. برای تولید مدلی که نیاز دارید ، حداقل به 2 رکورد از 20 حرکت نیاز دارید. البته ، هرچه تعداد حرکات بیشتری را که می خواهید تشخیص دهید ، و/یا هرچه حرکت پیچیده تر باشد ، به مجموعه های آموزشی بیشتری نیاز خواهید داشت تا سطح دقت قابل قبولی را بدست آورید. در بالا آورده شده است ، به همین ترتیب ، مجموعه های آموزشی برای سایر فعالیتها به درستی ثبت شده است.

شما می توانید این پوشیدنی را برای تمرینات خاصی که با آموزش آن فعالیت انجام می دهید سفارشی کنید.

مرحله 10: تولید مدل

سپس ما می خواهیم یک مدل حاوی تمام این رکوردها تولید کنیم. همه پرونده های پوشیدنی را انتخاب کرده و مدل را تولید کنید. مدتی طول خواهد کشید. سپس مدل خود را روی دستگاه مورد نظر اعمال کنید. ما همچنین می توانیم هشدار AI را طوری تنظیم کنیم که در صورت مواجه شدن با فعالیت ، اعلان را فشار دهد.

مرحله 11: MQTT

MQTT API دسترسی به داده هایی را که از دستگاه های کاربر در زمان واقعی ارسال شده است ، فراهم می کند. MQTT API از طریق URI زیر بر روی WebSockets در دسترس است: wss: //ns01-wss.brainium.com و ایمن است. پروتکل MQTT زمینه های نام کاربری و رمز عبور را در پیام CONNECT برای احراز هویت ارائه می دهد. مشتری می تواند هنگام اتصال به کارگزار MQTT یک نام کاربری و رمز عبور ارسال کند. برای اتصال به Platform Platform این گزینه ها باید:

• نام کاربری دارای مقدار استاتیک مشخص شده است: oauth2-user
• رمز عبور برای هر کاربر متفاوت است و برابر با رمز دسترسی خارجی (در نمایه کاربر موجود است).
• user_id (در نمایه کاربران یافت می شود)
• device_id (در برگه دستگاهها در پورتال یافت می شود)

با اجرای کد پایتونی که در مخزن GitHub ضمیمه کرده ام ، می توان با استفاده از پروتکل MQTT به داده های زمان واقعی پوشیدنی (Get-Fit) دسترسی پیدا کرد. تعداد دفعات تکمیل یک فعالیت ترسیم می شود.

مرحله 12: Firebase

Firebase یک پلت فرم توسعه برنامه های تلفن همراه و وب است. Firebase توسعه دهندگان را آزاد می کند تا بر ایجاد تجربه های فوق العاده کاربر تمرکز کنند. نیازی به مدیریت سرورها ندارید. در پروژه ما ، از پایگاه داده بلادرنگ Firebase برای بازیابی فوری داده ها استفاده می کنیم تا تأخیر زمانی وجود نداشته باشد.

.برای یافتن آدرس Firebase

• به Firebase بروید
• سپس بروید و پروژه خود را باز کنید (اگر هیچ پروژه ای ندارید یک پروژه ایجاد کنید)
• سپس به Database Real-Time در Database بروید
• نشانی وب موجود در تصویر صفحه نشانی وب Firebase است

سپس به سراغ قوانین بروید ، "false" را با "true" جایگزین کنید تا عملیات خواندن و نوشتن انجام شود. من تگ "status" را به عنوان تگ اصلی "push" ، "pull" و "sit" در نظر گرفته ام. مقدار API زیر این متغیر برچسب قرار می گیرد

مرحله 13: Android Studio

برنامه پوشیدنی در استودیوی Android ساخته شده است.