這個(gè)項(xiàng)目將為您介紹一款智能運(yùn)動(dòng)手環(huán) GetFit，您的終極健康和鍛煉伙伴。GetFit 是一款易于使用、可教的健身追蹤器，能夠檢測(cè)到無窮無盡的各種鍛煉。它由 Arduino Nano 33 BLE Sense 和 Edge Impulse 提供支持，是一個(gè)完全開源的項(xiàng)目。

特點(diǎn)如下：

Can Count 無限練習(xí)

完全開源

適用教學(xué)

可充電

估算每天和每周的卡路里燃燒

第 1 步：Arduino Nano 33 BLE Sense（項(xiàng)目大腦）

對(duì)于我們正在使用的這個(gè)項(xiàng)目，Arduino nano 33 BLE sense。這是一款支持 3.3V AI 的板，采用最小的可用外形尺寸。它帶有一系列嵌入式傳感器。

LSM9DS1（9軸IMU）

LPS22HB（氣壓計(jì)和溫度傳感器）

HTS221（相對(duì)濕度傳感器）

APDS-9960（數(shù)字接近、環(huán)境光、RGB 和手勢(shì)傳感器）

MP34DT05（數(shù)字麥克風(fēng)）

在這里，我們利用 LSM9DS1 傳感器的 3 個(gè)加速通道來計(jì)算活動(dòng)。

使用基于規(guī)則的編程來識(shí)別活動(dòng)是一項(xiàng)非常艱巨的任務(wù)，因?yàn)槿藗儾粫?huì)每次都以相同的方式執(zhí)行活動(dòng)。但是機(jī)器學(xué)習(xí)可以輕松處理這些變化。要?jiǎng)?chuàng)建機(jī)器學(xué)習(xí)模型，您通常會(huì)在 Python 等高級(jí)語言之上使用 TensorFlow 或 Scikit-learn 等框架。仍然學(xué)習(xí)其中一些框架有很多好處，但在這里我們將使用一個(gè)名為 Edge Impulse 的工具，因?yàn)樗粫?huì)讓模型訓(xùn)練變得更加容易。幸運(yùn)的是，Edge Impulse 完全支持 Arduino Nano 33 BLE Sense。

第 2 步：邊緣脈沖

使用 Edge Impulse，您可以快速收集真實(shí)的傳感器數(shù)據(jù)，在云端根據(jù)這些數(shù)據(jù)訓(xùn)練 ML 模型，然后將模型部署回您的 Arduino 設(shè)備。從那里您可以通過單個(gè)函數(shù)調(diào)用將模型集成到您的 Arduino 草圖中。

本文檔包含“如何開始使用 Edge Impulse 和 BLE Sense 板”？還有示例機(jī)器學(xué)習(xí)項(xiàng)目。如果您是該領(lǐng)域的初學(xué)者，請(qǐng)不要忘記嘗試。

第 3 步：數(shù)據(jù)采集

數(shù)據(jù)是機(jī)器學(xué)習(xí)模型中不可避免的一部分，數(shù)據(jù)采集和模型生成請(qǐng)?jiān)L問 edgeimpulse.com。

確保您的設(shè)備連接到邊緣脈沖。

然后我們用幾根扎線帶和一塊海綿將 Arduino 連接到我的手臂上，以使模型對(duì)每項(xiàng)活動(dòng)都非常準(zhǔn)確。然后我們開始采樣。

我們收集了大約 17 分鐘的數(shù)據(jù)。你擁有的數(shù)據(jù)越多，你的模型就越好。另外，盡量保持一個(gè)平衡的數(shù)據(jù)集。為模型提供平衡的數(shù)據(jù)集將產(chǎn)生更高的準(zhǔn)確性。

在這里，我們還通過使它們?cè)谶\(yùn)動(dòng)的不同開始和結(jié)束位置保持靜止來采取空閑狀態(tài)。我們還執(zhí)行了拆分?jǐn)?shù)據(jù)集來測(cè)試模型，這在分析模型時(shí)確實(shí)是一個(gè)很好的做法。訓(xùn)練數(shù)據(jù)用于訓(xùn)練您的模型，而測(cè)試數(shù)據(jù)用于在訓(xùn)練后測(cè)試您的模型的準(zhǔn)確性。

第 4 步：特征提取

弄清楚從我們的數(shù)據(jù)中提取哪些特征以提交給我們的模型進(jìn)行訓(xùn)練并最終進(jìn)行推理，這是我們?cè)跈C(jī)器學(xué)習(xí)中可以做的最重要的事情之一。邊緣脈沖不是挑選一些原始樣本，而是以各種方式組合樣本以生成獨(dú)特的特征，幫助描述特定運(yùn)動(dòng)中正在發(fā)生的事情。

我們應(yīng)該首先創(chuàng)建一個(gè)脈沖，這是 Edge Impulse 對(duì)機(jī)器學(xué)習(xí)管道的說法，以便生成特征。您應(yīng)該看到第一個(gè)塊，它代表您的原始數(shù)據(jù)。這里我們使用窗口大小和窗口增加為 2000 毫秒，因?yàn)樗浅＿m合我們的數(shù)據(jù)。處理塊是指我們?cè)谶吘壝}沖中的特征提取方法，邊緣脈沖會(huì)為我們的運(yùn)動(dòng)數(shù)據(jù)推薦頻譜分析塊，這就是我們想要的。在學(xué)習(xí)槽中，我們添加了一個(gè)神經(jīng)網(wǎng)絡(luò)交叉塊。盡管神經(jīng)網(wǎng)絡(luò)很棒，但它們有一個(gè)主要問題。在處理以前從未見過的數(shù)據(jù)（如新活動(dòng)）時(shí)，它們毫無用處。因?yàn)樯窠?jīng)網(wǎng)絡(luò)只能訪問訓(xùn)練數(shù)據(jù)，所以他們無法對(duì)此進(jìn)行評(píng)估。即使你為它提供的東西與以前所見的完全不同，它仍然屬于四個(gè)類別之一。因此，我們還添加了一個(gè) Anamoly 檢測(cè)塊來查找運(yùn)動(dòng)中的異常情況。它們實(shí)際上會(huì)在輸出中脫穎而出。在設(shè)計(jì)沖動(dòng)之后，我們?yōu)檫@些數(shù)據(jù)生成了特征。

第 5 步：神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是一系列算法，通過模擬人腦運(yùn)作方式的過程，努力識(shí)別一組數(shù)據(jù)中的潛在關(guān)系。從這個(gè)意義上說，神經(jīng)網(wǎng)絡(luò)是指神經(jīng)元系統(tǒng)，無論是有機(jī)的還是人工的。

神經(jīng)網(wǎng)絡(luò)可以適應(yīng)不斷變化的輸入；因此網(wǎng)絡(luò)可以生成最好的結(jié)果，而無需重新設(shè)計(jì)輸出標(biāo)準(zhǔn) 現(xiàn)在是時(shí)候通過使用這些提取的特征來生成模型了。這些是我們用于生成模型的神經(jīng)網(wǎng)絡(luò)設(shè)置和架構(gòu)。

如果您對(duì)此沒有任何想法，請(qǐng)不要擔(dān)心邊緣沖動(dòng)會(huì)自動(dòng)為您建議最佳架構(gòu)和設(shè)置。

通過使用這些設(shè)置，我們?yōu)槟Ｐ蛯?shí)現(xiàn)了 93% 的準(zhǔn)確度。這似乎非常棒。下圖顯示了我們模型的混淆矩陣。

第 6 步：異常檢測(cè)

異常檢測(cè)的主要目的是在鍛煉期間識(shí)別異常，因此我們將忽略它們。我們已經(jīng)計(jì)算了數(shù)據(jù)的特征重要性，因?yàn)樗鼈冊(cè)诋惓z測(cè)中非常重要。

邊緣脈沖實(shí)際上使用 K-means 聚類來進(jìn)行異常檢測(cè)。此方法查看數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)，并將相似的數(shù)據(jù)點(diǎn)分組到預(yù)定義的 K 個(gè)集群中?？梢蕴砑娱撝祦頇z測(cè)異常：如果數(shù)據(jù)點(diǎn)與其最近的質(zhì)心之間的距離大于閾值，則為異常。

上圖顯示了異常瀏覽器窗口，當(dāng)我們嘗試對(duì)俯臥撐運(yùn)動(dòng)（測(cè)試數(shù)據(jù)）進(jìn)行分類時(shí)。如您所見，數(shù)據(jù)包含在集群中。對(duì)于異常，數(shù)據(jù)點(diǎn)將在集群之外。

第 7 步：模型測(cè)試

是時(shí)候用測(cè)試數(shù)據(jù)驗(yàn)證我們的模型，看看它在新數(shù)據(jù)上的表現(xiàn)了。

它對(duì)測(cè)試數(shù)據(jù)進(jìn)行了很好的分類，可以高達(dá) 87% 的準(zhǔn)確率。

第 8 步：部署

現(xiàn)在我們有了 ML 模型，是時(shí)候?qū)⑺c我們的邊緣設(shè)備（Arduino Nano 33 BLE sense）一起部署了。您訓(xùn)練的 ML 已經(jīng)針對(duì)嵌入式硬件（如微控制器）進(jìn)行了優(yōu)化。將 ML 模型部署到 Nano 33 BLE Sense 板上非常簡(jiǎn)單，只需導(dǎo)航到左側(cè)菜單上的部署即可。

在 Create library 部分，單擊 Arduino library，然后在底部單擊 Build 按鈕。這將啟動(dòng)一個(gè)過程，Edge Impulse 為您的 Arduino 板創(chuàng)建一個(gè)庫(kù)，其中包含您訓(xùn)練的 ML 模型。構(gòu)建過程完成后，您的瀏覽器應(yīng)該開始下載生成的庫(kù)。在邊緣脈沖中，有用于為 NN 分類器選擇優(yōu)化的選項(xiàng)。通過選擇合適的，我們將獲得更好的設(shè)備性能。令人驚訝的事實(shí)是，Edge 沖動(dòng)會(huì)為我們推薦最好的。通過啟用編譯器，我們將以更少的內(nèi)存獲得相同的精度。

第 9 步：數(shù)據(jù)流

為了將數(shù)據(jù)發(fā)送到云端，我們使用了 33 BLE sense 的藍(lán)牙低功耗。設(shè)備實(shí)際上會(huì)通過藍(lán)牙將數(shù)據(jù)發(fā)送到手機(jī)，然后手機(jī)將這些數(shù)據(jù)轉(zhuǎn)發(fā)到 firebase，這就是我們?cè)谶@個(gè)項(xiàng)目中的數(shù)據(jù)庫(kù)。

低功耗藍(lán)牙，簡(jiǎn)稱BLE，是藍(lán)牙的一種省電變體。BLE 的主要應(yīng)用是少量數(shù)據(jù)的短距離傳輸（低帶寬）。與始終開啟的藍(lán)牙不同，BLE 始終處于睡眠模式，除非在啟動(dòng)連接時(shí)。這使得它消耗非常低的功率，我們將獲得更多的運(yùn)行時(shí)間。

這就是我們使用 BLE 在手機(jī)和 Arduino nano 33 BLE 感應(yīng)器之間進(jìn)行通信的原因。在這種情況下，Arduino 將充當(dāng)外圍設(shè)備，而手機(jī)將充當(dāng)中央設(shè)備。要使用 BLE 感知的 BLE 功能，我們正在使用 Arduino BLE 庫(kù)。

Firebase 是一個(gè)移動(dòng)和 Web 應(yīng)用程序開發(fā)平臺(tái)。Firebase 讓開發(fā)人員可以專注于打造出色的用戶體驗(yàn)。您不需要管理服務(wù)器。您不需要編寫 API。Firebase 是您的服務(wù)器、您的 API 和您的數(shù)據(jù)存儲(chǔ)，所有這些都編寫得非常通用，您可以對(duì)其進(jìn)行修改以滿足大多數(shù)需求。在我們的項(xiàng)目中，我們使用 Firebase 的實(shí)時(shí)數(shù)據(jù)庫(kù)來即時(shí)發(fā)布和檢索數(shù)據(jù)，這樣就沒有時(shí)間延遲。

查找 Firebase 配置

轉(zhuǎn)到 Firebase

然后轉(zhuǎn)到設(shè)置》項(xiàng)目設(shè)置

在您的應(yīng)用下 》 SDK 設(shè)置和配置 》 配置

第 10 步：用戶界面

我們?yōu)樵撛O(shè)備設(shè)計(jì)了一個(gè)神經(jīng)形態(tài)伴侶網(wǎng)絡(luò)應(yīng)用程序。Neumorphism 或軟 UI 是一種視覺風(fēng)格，它結(jié)合了背景顏色、形狀、漸變、高光和陰影，以確保圖形強(qiáng)烈的按鈕和開關(guān)。所有這些都可以實(shí)現(xiàn)柔軟的擠壓塑料外觀和幾乎 3D 造型。

在開始鍛煉之前，您需要在個(gè)人選項(xiàng)卡中提交您的個(gè)人詳細(xì)信息，例如姓名、年齡、性別、身高和體重。此信息用于分析鍛煉。

你可以在這里找到完整的代碼。

第11步：鋰電池

鋰聚合物電池的主要優(yōu)點(diǎn)是它們的能量或密度大約是鎳鎘或鎳氫電池的四倍。它們也非常輕巧且柔韌。這些優(yōu)勢(shì)讓我們?yōu)樵O(shè)備選擇鋰聚合物電池。為了減小尺寸，我們?cè)谶@里使用了 160 毫安時(shí)的電池，這可以為設(shè)備提供最佳運(yùn)行時(shí)間。LiPo的最大電壓為4.2v，標(biāo)稱電壓為3.7V。電壓從最大值 4.2 開始，在電池壽命的大部分時(shí)間里迅速下降到 3.7V 左右。一旦你達(dá)到 3.4V，電池就會(huì)沒電，在 3.0V 時(shí)，截止電路會(huì)斷開電池。

第 12 步：直流電壓升壓器

實(shí)際上，有兩個(gè)選項(xiàng)可以為 Arduino 供電，要么給標(biāo)準(zhǔn) 3.3V 到 3.3V 引腳，要么給 Vin 提供 （5-21） 伏特。在這兩種情況下，我們都應(yīng)該非常小心。

VIN（和 USB）進(jìn)入 3.3V 開關(guān)穩(wěn)壓器。這具有 4.5V 的最小輸入電壓。當(dāng)我們將 3.3V 從電源直接饋入電路板時(shí)。我們應(yīng)該通過切斷那個(gè)鏈接來將該調(diào)節(jié)器的輸出與電路的其余部分隔離（參見上圖）。

注意：如果您提供超過 3.3V 的電壓，您可能會(huì)損壞電路板。

所以在這里我們應(yīng)該給 Arduino 的 Vin 提供 5V 電壓，但鋰電池在充滿電后最多只能提供 4.2V 電壓。

為了解決這個(gè)問題，我們使用了升壓轉(zhuǎn)換器模塊，該模塊可在 1.5V 至 5V 的各種輸入范圍內(nèi)提供 5V DC 穩(wěn)定電壓輸出。

這是升壓轉(zhuǎn)換器模塊，可在 1.5V 至 5V 的各種輸入范圍內(nèi)提供 5V DC 穩(wěn)定電壓輸出。這個(gè)小型微型電路可提升電壓電平并提供放大的穩(wěn)定 5V 輸出。對(duì)于不同的輸入范圍，它消耗不同的電流量來產(chǎn)生平衡的輸出。

使用該模塊時(shí)，必須符合以下條件1。輸入電壓不能大于標(biāo)稱電壓，否則會(huì)燒壞模塊2。輸入功率必須大于輸出功率，否則輸出電壓會(huì)低于標(biāo)稱電壓。 3．輸出負(fù)載不能大于標(biāo)稱負(fù)載，否則輸出電壓會(huì)小于標(biāo)稱電壓。

啟動(dòng)電壓0.8V，輸出電流7mA

輸入1-1.5V，輸出5V 40-100mA

輸入1.5-2V，輸出5V 100-150mA

輸入2-3V，輸出5V 150-380mA

輸入3V以上，輸出5V 380-480mA；

DC-DC升壓轉(zhuǎn)換器模塊工作頻率為150KHZ，典型轉(zhuǎn)換效率為85%

第 13 步：TP4056 鋰離子電池充電器模塊

TP4056模塊是一個(gè)線性充電器鋰離子電池。該模塊使用 TP4056 鋰離子充電控制器 IC 和單獨(dú)的保護(hù) IC。它們可以為由單節(jié)電池組成的電池充電。最重要的是，它支持恒流恒壓充電模式。用戶可以選擇這兩種模式。該模塊提供 1 安培的充電電流。

但是我們的電池只需要170毫安的電流。該模塊的有趣之處在于它有一個(gè) RPROG 電流設(shè)置電阻器 （R3）。因此，我們可以通過更改該電阻輕松調(diào)整輸出電流。上圖顯示了 R3 及其當(dāng)前值。

TP4056 充電器模塊采用 0805 SMD 封裝，用于電阻。我們把 1.2K 的電阻換成了 10K?，F(xiàn)在它可以為電池提供130毫安的電流。所以我們的設(shè)備可以通過這個(gè)模塊輕松充電。

注意：您也可以為電池提供 1 安培的電流，但不會(huì)持續(xù)很長(zhǎng)時(shí)間。

第 14 步：4mm SPDT 1P2T 滑動(dòng)開關(guān)

4mm SPDT 1P2T 滑動(dòng)開關(guān)與 TP4056 充電器模塊一起使用，用于調(diào)節(jié)充電控制器和升壓器之間的電流。上述模式顯示了 SPDT 開關(guān)中的電流。

第 15 步：用于案例的 Fusion 360

為了制作外殼，我們使用了 Fusion 360，外殼實(shí)際上由主體和蓋子兩部分組成。主體和蓋子通過摩擦配合連接。為了連接 TP4056 充電器模塊，我們實(shí)際上設(shè)計(jì)了一個(gè)可以插入內(nèi)部的支架。支架實(shí)際上是一個(gè)單獨(dú)的文件，沒有與正文合并。

在商店里找不到便宜的帶扣，這也是我們?cè)O(shè)計(jì)它的原因。這些是我們?cè)O(shè)計(jì)的 3D 打印部件。藍(lán)色和白色的顏色組合使它更具吸引力。我們總共有 4 個(gè)文件。點(diǎn)擊下方名稱可以直接下載：

knuckle.step

LId.step

Main_File.step

Stand.step

第 16 步：手環(huán)帶子

這種設(shè)計(jì)實(shí)際上是為手臂設(shè)計(jì)的，作為臂章。鉤環(huán)機(jī)構(gòu)與這個(gè) 1/2 英寸的松緊帶一起用作緊固件。所以任何人都可以通過輕松調(diào)整表帶來佩戴這款表帶。

第 17 步：組裝硬件

連接表帶后，我們開始按照上面給出的示意圖組裝硬件。使用上圖作為參考，我們的 Get-Fit 現(xiàn)在可以用了。