Ponte en forma: 13 pasos (con imágenes)

2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:41

Un dispositivo portátil que monitorea y registra la actividad física de una persona por medio de IA.

No cabe duda de que la inactividad puede provocar una serie de problemas personales y de salud. La actividad constante puede prevenir muchos de estos problemas. Necesitamos comprobar el progreso alcanzado por el entrenamiento constantemente para regular las actividades para hacer un cuerpo más sano. Los rastreadores de actividad física son una forma popular de realizar un seguimiento de su progreso. Puede contar sus actividades como lagartijas, dominadas y abdominales, etc. Esto también puede generar las calorías quemadas durante las actividades.

Aquí estoy diseñando un dispositivo portátil usando la tabla SmartEdge Agile que puede contar flexiones, dominadas y sentadillas y puede generar las calorías consumidas durante las actividades.

Cualquiera que no tenga el conocimiento adecuado sobre esta tecnología también puede personalizar estos dispositivos para sus ejercicios particulares siguiendo las instrucciones. Este dispositivo portátil utiliza la función de inteligencia artificial potencial del SmartEdge Agile para el seguimiento del estado físico. El progreso se puede ver simplemente a través de la aplicación móvil.

Creo que es un compañero perfecto para las personas que aman el fitness.

Puede personalizar este dispositivo portátil para los ejercicios particulares que está haciendo entrenando esas actividades.

Paso 1: demostración

Veamos el video de demostración de Get-Fit wearable.

Paso 2: Cosas que necesitamos

Los componentes de hardware necesarios para los proyectos.

• 1 x Avnet SmartEdge Agile Brainium
• 2 x elástico blanco
• 1 x correa de cinturón
• 1 x aguja de coser
• 1 x hilo
• 1 x pegamento caliente

Los componentes de software necesarios para los proyectos

• Google Firebase
• Portal de octonion Brainium
• Estudio de Android

Paso 3: Tablero ágil SmartEdge

En este proyecto estamos utilizando el dispositivo SmartEdgeAgile para detectar los movimientos. El dispositivo SmartEdge Agile es una solución de hardware certificada, integrada con una pila de software completa con Edge Intelligence.

Este dispositivo tiene una amplia variedad de sensores integrados. En este proyecto, estamos utilizando sus sensores de acelerómetro y giroscopio. Al combinar estos valores de sensor con AI podemos crear un brote. A diferencia de todas las demás funcionalidades, trabajar con monitoreo basado en AI requiere el uso de la herramienta AI Studio, disponible en el portal. AI Studio ofrece una forma fácil e intuitiva de crear los modelos necesarios para usar AI.

Una de sus características de IA es el reconocimiento de movimiento. En realidad, este dispositivo transfiere sus datos a la plataforma Brainium a través de la puerta de enlace. Se comunica a través de Bluetooth con la puerta de enlace. La puerta de enlace Brainium se puede descargar desde la tienda ios o android.

Este dispositivo se puede cargar fácilmente a través del puerto USB y tiene una duración de dos días.

Paso 4: Recolección de accesorios

Como todos sabemos, el componente principal de este dispositivo portátil es la placa SmartEdge Agile. Necesitamos dos elásticos blancos para hacer la banda. Lo he tomado de mis viejas telas. Además, necesitamos una correa para ajustar el tamaño de la banda. Lo acabo de sacar de un viejo cargador de portátil. Para ajustar la correa necesitamos una pieza rectangular de plástico parcialmente hueca. Como truco, lo corto desde la parte superior de la parte superior de un marcador.

Paso 5: creación de bandas

En primer lugar, cerramos la banda con elástico blanco. Necesitamos apretar tanto como sea posible, de lo contrario, la placa Agile se quitará. Luego podemos coser allí, con el hilo azul. Aquí estoy usando el hilo azul que le da una perspectiva fantástica a la banda. Luego cosí la pieza rectangular para ajustar los tamaños de las bandas como se muestra arriba. Luego unimos el segundo elástico al tablero mediante una pistola de pegamento caliente. Finalmente, cosimos el cinturón en el elástico recién pegado. Solo eche un vistazo a la imagen que se muestra arriba como referencia.

Paso 6: Outlook final

Nuestro dispositivo portátil está listo, solo conéctelo al brazo. Luego encienda el dispositivo presionando prolongadamente el botón. Puede cargar el dispositivo con el cargador móvil tipo C de su casa. El dispositivo tiene una duración de casi un día. Luego podemos ir a la sección de software de este wearable.

Paso 7: Portal Brainium

Aquí viene la parte del software y es bastante simple.

Para utilizar la placa SmartEdge Agile, debe registrarse en la plataforma Brainium. Luego, descargue la aplicación Brainium Gateway en nuestro teléfono (desde Play Store) y use nuestra cuenta recién creada para iniciar sesión. En realidad, el teléfono actúa como puerta de enlace entre el portal y el dispositivo de inteligencia artificial a través de BLE. Luego agregue nuestro tablero desde la pestaña de dispositivos en el portal. Luego, el dispositivo aparecerá en la aplicación Brainium.

Haga clic en el botón "Crear proyecto" o "+" en la parte inferior derecha de la página Proyecto para crear un proyecto.

Paso 8: Espacio de trabajo de AI Studio

Vaya al menú del lado izquierdo y navegue hasta la herramienta Motion in AI Studio seleccionando el elemento "Reconocimiento de movimiento" en los espacios de trabajo de AI Studio. AI Studio es la herramienta dedicada a las capacidades de Inteligencia Artificial de la plataforma.

Abra su espacio de trabajo y comience por definir el movimiento con el que desea entrenar su dispositivo Agile. Necesita crear al menos un "movimiento" para un modelo de reconocimiento. Aquí mi lista de movimientos contiene actividades como lagartijas, dominadas y sentadillas. Estas son las actividades básicas que rastrea nuestro dispositivo (Get-Fit). El movimiento del tablero ágil sería diferente para cada actividad, al aplicarle la función de inteligencia artificial, el dispositivo puede contar la actividad.

Paso 9: Entrenamiento

Necesitamos entrenar estos dispositivos para que sean capaces de detectar ejercicios. Debes usar el dispositivo cuando continúe el entrenamiento.

En la lista de movimientos, seleccione cada uno que queremos entrenar y haga clic en "Grabar nuevo conjunto de entrenamiento". Cree conjuntos de entrenamiento adecuados para cada movimiento. Necesita al menos 2 registros de 20 movimientos cada uno para poder generar un modelo que se puede utilizar para la demostración. Por supuesto, cuantos más movimientos intente detectar y / o más complejo sea el movimiento, más conjuntos de entrenamiento necesitará para obtener un nivel de precisión aceptable. El récord establecido para el empuje A continuación se detalla, asimismo, los conjuntos de formación para todas las demás actividades se registran correctamente.

Puede personalizar este dispositivo portátil para los ejercicios particulares que está haciendo entrenando esa actividad.

Paso 10: Generar modelo

Entonces queremos generar un modelo que contenga todos estos registros. Seleccione todos los registros del wearable y genere el modelo. Tomará un poco de tiempo. Luego aplique su modelo al dispositivo deseado. También podemos configurar la alerta de IA para que envíe notificaciones cuando se encuentre una actividad.

Paso 11: MQTT

La API de MQTT proporciona acceso a los datos que se han enviado desde los dispositivos del usuario en tiempo real. La API de MQTT está disponible en WebSockets mediante el siguiente URI: wss: //ns01-wss.brainium.com y está protegida. El protocolo MQTT proporciona campos de nombre de usuario y contraseña en el mensaje CONNECT para autenticación. El cliente tiene la opción de enviar un nombre de usuario y una contraseña cuando se conecta a un corredor de MQTT. Para la conexión a la plataforma Branium, estas opciones son las siguientes:

• el nombre de usuario tiene el valor estático especificado: oauth2-user
• la contraseña es diferente para cada usuario y es igual al token de acceso externo (está disponible en el perfil del usuario).
• el user_id (se puede encontrar en el perfil de los usuarios)
• device_id (se puede encontrar en la pestaña de dispositivos en el portal)

Al ejecutar el código de Python que he adjuntado en el repositorio de GitHub, puede acceder a los datos en tiempo real del dispositivo portátil (Get-Fit) utilizando el protocolo MQTT. Se calculará el número de veces que se completa una actividad.

Paso 12: Firebase

Firebase es una plataforma de desarrollo de aplicaciones web y móviles. Firebase libera a los desarrolladores para que se concentren en crear experiencias de usuario fantásticas. No es necesario administrar servidores. En nuestro proyecto, usamos la base de datos en tiempo real de Firebase para recuperar datos instantáneamente para que no haya demoras.

. Para encontrar la URL de Firebase

• Ir a Firebase
• Luego ve y abre tu proyecto (si no tienes proyectos crea uno)
• Luego, muévase a la base de datos en tiempo real en la base de datos
• La URL de la captura de pantalla es la URL de Firebase.

Luego vaya a las reglas, reemplace "falso" por "verdadero" para realizar operaciones de lectura y escritura. He tomado la etiqueta "estado" como la etiqueta principal de "empujar", "tirar" y "sentarse". El valor de la API se coloca debajo de esta variable de etiqueta

Paso 13: Android Studio

La aplicación para el wearable se realiza en el estudio de Android.