本文介绍一种可穿戴设备，通过人工智能监测和记录一个人的健身活动。

我们需要经常运动，不活动会导致许多个人健康问题。持续的活动可以防止许多这些问题。我们需要不断检查锻炼取得的进展，调节活动，使身体更健康。健身追踪器是一种当下非常流行的跟踪进度的方式。它可以计算你的俯卧撑、引体向上、仰卧起坐等活动过程中燃烧的卡路里。

本篇文章中我将向你介绍我正在设计一个使用SmartEdge Agile 板的可穿戴设备，它可以计算俯卧撑、引体向上和仰卧起坐，并可以生成活动期间消耗的卡路里。

任何对这项技术没有适当了解的人也可以通过跟进指导来为他们的特定练习定制这些设备。这款可穿戴设备使用 SmartEdge Agile 的潜在 AI 功能进行健身追踪。可以通过移动应用程序简单地查看进度。

您可以通过训练这些活动，为您正在进行的特定练习定制这款可穿戴设备。

第 1 步：零件清单
硬件组件

• 1 x Avnet SmartEdge Agile Brainium
• 2 x 白色弹力带
• 1 x 缝纫针
• 1 x USB线
• 1 x 热胶

软件组件

• Google Firebase
• Octonion Brainium Portal
• Android Studio

第 2 步：SmartEdge 板

在这个项目中，我们使用 SmartEdgeAgile 设备来检测运动。SmartEdge Agile 设备是经过认证的硬件解决方案，嵌入了具有边缘智能的完整软件堆栈。

该设备具有多种板载传感器。在这个项目中，我们使用了它的加速度计和陀螺仪传感器。通过将这些传感器值与人工智​​能相结合，就可以有很多应用。
与所有其他功能不同，使用基于 AI 的监控需要使用门户上提供的 AI Studio 工具。AI Studio 提供了一种简单直观的方法来创建使用 AI 所需的模型。

它的人工智能功能之一是动作识别。实际上，该设备通过网关将其数据传输到 Brainium 平台。它通过蓝牙与网关通信。Brainium 网关可以从 ios 或 android 商店下载。

该设备可通过 USB 端口轻松充电，运行时间大约为两天。

第 3 步：收集配件

这款可穿戴设备的主要组成部分是 SmartEdge Agile 板。我们需要两条白色的橡皮筋来制作绑带。我是从我的旧布料上取下来的。此外，我们需要一个带子来调整带子的大小。我刚从旧笔记本电脑充电器上取下它。为了调整表带，我们需要一块部分中空的矩形塑料。

第 4 步：绑带制作

首先，我们用白色松紧带包裹住带子。我们需要尽可能地收紧，否则板容易掉落。然后我们可以用蓝色线在底部缝好。然后我缝了矩形片来调整带子的尺寸，如上图所示。然后我们用热胶枪把第二个弹性粘在板上。最后，我们在新粘上的松紧带上缝上了皮带。只需看看上面给出的图片以供参考。

第 5 步：展示最终的外观

我们的可穿戴设备已准备就绪，只需将其连接到手臂即可。然后长按按钮打开设备电源。您可以使用家中的 C 型移动充电器为设备充电。该设备的运行时间几乎为一天。然后我们可以进入这款可穿戴设备的软件部分。

第 6 步：Brainium 门户

接下来我将介绍软件部分

要使用 SmartEdge Agile 板，您需要注册 Brainium 平台。然后，在我们的手机上（从 Play 商店）下载 Brainium Gateway 应用程序并使用我们新创建的帐户登录。实际上，手机充当门户和 BLE 上的 AI 设备之间的网关。然后从门户中的设备选项卡添加我们的板。然后该设备将出现在 Brainium 应用程序上。

点击项目页面右下方的“创建项目”或“+”按钮来创建项目。

第 7 步：AI Studio 工作区

转到左侧菜单并通过在 AI Studio 工作区中选择“运动识别”项导航到 AI Studio 工具中的运动。AI Studio 是专用于平台人工智能功能的工具。

打开您的工作区，首先定义您想要用来训练敏捷设备的动作。您需要为识别模型创建至少一个“动作”。这里我的动作列表包含诸如俯卧撑、引体向上和仰卧起坐等活动。这些是我们的设备（Get-Fit）跟踪的基本活动。对于每个活动，敏捷板的动作会有所不同，通过将 AI 功能应用于它，设备可以对活动进行计数。

第 8 步：对运动模型进行训练

我们需要训练这些设备，使它们能够检测练习。您应该在训练进行时佩戴该设备。

在动作列表中，选择我们要训练的每个动作，然后单击“Record new training set”。为每个动作创建适当的训练集。
您至少需要 2 个记录，每个记录 20 个动作才能生成模型可用于演示。当然，您尝试检测的运动越多，和/或运动越复杂，您需要的训练集就越多，以获得可接受的准确度。推的记录集下面给出了，同样，所有其他活动的训练集都被正确记录。

您可以通过训练该活动来针对您正在进行的特定练习定制此可穿戴设备。

第 9 步：生成模型

然后我们要生成一个包含所有这些记录的模型。选择可穿戴设备的所有记录并生成模型。这将需要一些时间。然后将您的模型应用于所需的设备。我们还可以设置 AI 警报以在遇到活动时推送通知。

第 10 步：MQTT

MQTT API 提供对从用户设备实时发送的数据的访问。MQTT API 可通过以下 URI 通过 WebSockets 获得：wss://ns01-wss.brainium.com 并且它是安全的。MQTT 协议在 CONNECT 消息中提供用户名和密码字段用于身份验证。客户端可以选择在连接到 MQTT 代理时发送用户名和密码。要连接到 Branium 平台，此选项必须：

用户名具有指定的静态值：oauth2-user
每个用户的密码都不同，等于外部访问令牌（它在用户的配置文件中可用）。
user_id（可以在用户的​​个人资料中找到）
device_id（可以在门户中的设备选项卡上找到）
通过运行我在GitHub 存储库中附加的 python 代码，可以使用 MQTT 协议访问来自可穿戴设备 (Get-Fit) 的实时数据。活动完成的次数将被抽出。

第 11 步：Firebase数据库

Firebase 是一个移动和 Web 应用程序开发平台。Firebase 让开发人员能够专注于打造出色的用户体验。您不需要管理服务器。在我们的项目中，我们使用 Firebase 实时数据库来即时检索数据，因此没有时间延迟。

. 查找 Firebase 网址

• 转到 Firebase
• 然后去打开你的项目（如果你没有项目创建一个）
• 然后移动到数据库中的实时数据库
• 屏幕截图中的 URL 是 Firebase URL

然后转到规则，将“false”替换为“true”进行读写操作。我已经将“status”标签作为“push”、“pull”和“sit”的父标签。API中的值放在这些标签变量下

第 12 步：Android Studio

可穿戴设备的应用程序是在 Android Studio 中制作的。