Ajuda: 13 passos (amb imatges)

2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:12

Un dispositiu portàtil que controla i registra l'activitat física d'una persona mitjançant IA.

No hi ha dubte que la inactivitat pot comportar diversos problemes de salut i personals. L’activitat constant pot evitar molts d’aquests problemes. Hem de comprovar constantment els progressos aconseguits per l’entrenament per regular les activitats per fer un cos més sa. Els seguidors de forma física són una forma popular de fer un seguiment del vostre progrés. Pot comptar les vostres activitats, com ara flexió, flexió i posada a la posició, etc. Això també pot generar les calories cremades durant les activitats.

Aquí estic dissenyant un dispositiu que es pugui utilitzar amb la placa SmartEdge Agile que pugui comptar flexions, desplegables i asseguts i que pugui generar les calories consumides durant les activitats.

Qualsevol persona que no tingui els coneixements adequats sobre aquesta tecnologia també pot personalitzar aquests dispositius per als seus exercicis particulars fent el seguiment de les instruccions. Aquest dispositiu portàtil utilitza la possible funció d’intel·ligència artificial de l’SmartEdge Agile per al seguiment de la forma física. El progrés es pot veure simplement a través de l'aplicació mòbil.

Crec que és un company perfecte per a les persones que estimen la forma física.

Podeu personalitzar aquest dispositiu usable per als exercicis concrets que esteu fent entrenant aquestes activitats.

Pas 1: demostració

Vegem el vídeo de demostració de Get-Fit portable.

Pas 2: coses que necessitem

Els components de maquinari necessaris per als projectes

• 1 x Avnet SmartEdge Agile Brainium
• 2 x elàstics blancs
• 1 x corretja de corretja
• 1 x agulla de cosir
• 1 x fil
• 1 x HotGlue

Els components de programari necessaris per als projectes

• Google Firebase
• Portal Octonion Brainium
• Android Studio

Pas 3: SmartEdge Agile Board

En aquest projecte estem utilitzant el dispositiu SmartEdgeAgile per detectar els moviments. El dispositiu SmartEdge Agile és una solució de maquinari certificada, integrada amb una pila completa de programari amb Edge Intelligence.

Aquest dispositiu té una àmplia varietat de sensors integrats. En aquest projecte, estem utilitzant els seus sensors d’acceleròmetre i giroscopi. Combinant aquests valors de sensor amb IA, podem crear un brot. A diferència de totes les altres funcionalitats, treballar amb el control basat en IA requereix l’ús de l’eina AI Studio, disponible al portal. AI Studio ofereix una manera fàcil i intuïtiva de crear els models necessaris per utilitzar la IA.

Una de les seves característiques d’IA és el reconeixement de moviment. En realitat, aquest dispositiu transfereix les seves dades a la plataforma Brainium a través de la passarel·la. Es comunica mitjançant Bluetooth amb la passarel·la. La passarel·la Brainium es pot descarregar des de la botiga iOS o Android.

Aquest dispositiu es pot carregar fàcilment mitjançant el port USB i té una durada de dos dies.

Pas 4: recollida d'accessoris

Com tots sabem, el component principal d’aquest dispositiu portàtil és el tauler SmartEdge Agile. Necessitem dos elàstics blancs per fer la banda. L’he pres dels meus vells teixits. A més, necessitem una corretja per ajustar la mida de la banda. L’acabo de treure d’un carregador de portàtil antic. Per ajustar la corretja necessitem un tros de plàstic rectangle parcialment buit. Com a hack, l’acabo de reduir des de la part superior d’un marcador.

Pas 5: creació de bandes

Primer de tot, estem tancant la banda amb elàstic blanc. Necessitem apretar el màxim possible, en cas contrari, el tauler Agile s’esborrarà. Després hi podem cosir, amb el fil blau. Aquí estic fent servir el fil blau que ofereix una visió fantàstica per a la banda. Després vaig cosir la peça rectangular per ajustar les mides de la banda, tal com es mostra més amunt. Després vam fixar el segon elàstic al tauler mitjançant una pistola de cola calenta. Finalment, vam cosir el cinturó de la corretja a l’elast acabat d’enganxar. Només cal fer una ullada a la imatge que es mostra més amunt per a la referència.

Pas 6: Outlook final

El nostre dispositiu portàtil està llest, només cal que el fixeu al braç. A continuació, enceneu el dispositiu prement el botó durant molt de temps. Podeu carregar el dispositiu mitjançant el carregador mòbil de tipus C a casa vostra. El dispositiu té una durada de gairebé un dia. A continuació, podem anar a la secció de programari d’aquest dispositiu portàtil.

Pas 7: Portal Brainium

Aquí ve la part del programari i és bastant senzilla.

Per utilitzar el tauler SmartEdge Agile, cal que us inscriviu a la plataforma Brainium. A continuació, descarregueu l'aplicació Brainium Gateway al nostre telèfon (des de Play Store) i utilitzeu el compte de nova creació per iniciar-hi la sessió. En realitat, el telèfon actua com una porta d’entrada entre el portal i el dispositiu d’intel·ligència artificial mitjançant BLE. A continuació, afegiu el nostre tauler des de la pestanya Dispositius del portal. A continuació, el dispositiu apareixerà a l'aplicació Brainium.

Feu clic al botó "Crea projecte" o "+" a la part inferior dreta de la pàgina Projecte per crear un projecte.

Pas 8: AI Studio Workspace

Aneu al menú de l’esquerra i aneu a l’eina Motion in AI Studio seleccionant l’element ‘Reconeixement de moviment’ a AI Studio Workspaces. AI Studio és l'eina dedicada a les capacitats d'Intel·ligència Artificial de la plataforma.

Obriu l'espai de treball i comenceu definint el moviment amb què voleu entrenar el dispositiu Agile. Cal crear almenys un "moviment" per a un model de reconeixement. Aquí la llista de moviments conté activitats com Pushup, Pullup i Situp. Aquestes són les activitats bàsiques del nostre dispositiu (Get-Fit). El moviment del tauler Agile seria diferent per a cada activitat, en aplicar-hi la funció d’IA, el dispositiu podrà comptar l’activitat.

Pas 9: formació

Hem d’entrenar aquests dispositius perquè siguin capaços de detectar exercicis. Heu de portar el dispositiu quan continuï la formació.

A la llista de moviments, seleccioneu cadascun dels que vulguem entrenar i feu clic a "Grava un conjunt d'entrenament nou". Creeu conjunts d'entrenament adequats per a cada moviment. Necessiteu almenys 2 registres de 20 moviments cadascun per poder generar un model que es pot utilitzar per a la demostració. Per descomptat, com més moviments intenteu detectar i / o com més complex sigui el moviment, més conjunts d'entrenament necessitareu per obtenir un nivell de precisió acceptable. A continuació es dóna un resum, de la mateixa manera, els conjunts d’entrenament per a la resta d’activitats es registren correctament.

Podeu personalitzar aquest dispositiu usable per als exercicis concrets que esteu fent entrenant aquesta activitat.

Pas 10: Generació del model

Després volem generar un model que contingui tots aquests registres. Seleccioneu tots els registres que es poden utilitzar i genereu el model. Passarà una mica de temps. A continuació, apliqueu el model al dispositiu desitjat. També podem configurar l'alerta d'IA per enviar notificacions quan es produeixi una activitat.

Pas 11: MQTT

L'API MQTT proporciona accés a les dades que s'han enviat des dels dispositius de l'usuari en temps real. L’API MQTT està disponible a través de WebSockets mitjançant l’URI següent: wss: //ns01-wss.brainium.com i està protegit. El protocol MQTT proporciona camps d’usuari i contrasenya al missatge CONNECCIÓ per a l’autenticació. El client té l’opció d’enviar un nom d’usuari i una contrasenya quan es connecta a un broker MQTT. Per a la connexió a Branium Platform, aquestes opcions són necessàries:

• el nom d'usuari té el valor estàtic especificat: oauth2-user
• la contrasenya és diferent per a cada usuari i equival al testimoni d'accés extern (està disponible al perfil de l'usuari).
• user_id (es pot trobar al perfil dels usuaris)
• device_id (es pot trobar a la pestanya Dispositius del portal)

En executar el codi python que he adjuntat al dipòsit de GitHub pot accedir a les dades en temps real des del dispositiu portàtil (Get-Fit) mitjançant el protocol MQTT. Es traurà el nombre de vegades que es completa una activitat.

Pas 12: Firebase

Firebase és una plataforma de desenvolupament d'aplicacions web i mòbils. Firebase allibera els desenvolupadors per centrar-se en la creació d’experiències fantàstiques d’usuari. No cal que gestioneu els servidors. Al nostre projecte, utilitzem la base de dades en temps real de Firebase per recuperar dades de manera instantània, de manera que no hi hagi retard.

. Per trobar l'URL de Firebase

• Aneu a Firebase
• Llavors aneu a obrir el vostre projecte (si no teniu cap projecte, creeu-ne un)
• A continuació, aneu a Base de dades en temps real a Base de dades
• L'URL de la captura de pantalla és l'URL de Firebase

A continuació, aneu a les regles, substituïu "false" per "true" per fer operacions de lectura i escriptura. He pres l'etiqueta "status" com a etiqueta principal de "push", "pull" i "sit". El valor de l'API es col·loca sota aquestes variables d'etiquetes

Pas 13: Android Studio

L'aplicació per al dispositiu portàtil es realitza a l'estudi d'Android.