يستخدم Arduin-Row برنامج tinyML لتحسين أسلوب التجديف
يستخدم Arduin-Row برنامج tinyML لتحسين أسلوب التجديف
فريق Arduino - 2 يوليو 2022
![](https://blog.arduino.cc/wp-content/uploads /2022/07/Row-1024x608.png )
يقوم المجدفون بتمارين هوائية رائعة لأنها تتضمن دفع الأرجل بشكل متكرر مقابل القاعدة وسحب المقبض لتحقيق أسرع الأوقات. ولكن نظرًا لطبيعة المعدات ، غالبًا ما يتطلب تعلم التدريب بشكل صحيح على شخص ما مدربًا يمكنه تصحيح شكل المستخدم ، ولهذا السبب ابتكر جاستن لوتز Arduin-Row.
>![class =](https://blog.arduino.cc/wp-content/uploads /2022/07/Nicla.png )
يستخدم Arduino-Row مقياس التسارع وقدرات Bluetooth® منخفضة الطاقة الموجودة على لوحة Nicla Sense ME والتي تم تركيبها كدرع على Arduino MKR WiFi 1010. لجمع البيانات من أجل نموذج التدريب التلقائي ، أخذ Lutz الاستفادة من أداة نقل البيانات في Edge Impulse لالتقاط البيانات وإرسالها إلى استوديو Edge Impulse. من هناك ، صنفت كل عينة على أنها "سهلة" ، أو "spm عالية" ، أو "spm منخفضة" ودربت نموذج Keras الذي كان قادرًا على التعرف على الحركة الحالية بنجاح في حوالي 98٪ من الوقت. p>
وسعت Lutz المشروع إلى أبعد من ذلك من خلال دمج مستشعر eCO2 الموجود على متن Nicla لرسم تقدير لكمية الطاقة التي يولدها المجدف. بمجرد النشر ، يسمح الرمز للمستخدمين بمشاهدة قائمة التعليقات التي قدمها المدرب الافتراضي وعرض مخطط لثاني أكسيد الكربون الذي تم إنفاقه من خلال تطبيق IoT Cloud Remote.
يمكنك قراءة المزيد حول Arduino-Row على صفحة توثيق Edge Impulse أو عرض المشروع العام هنا في Edge Impulse Studio.
![يستخدم Arduin-Row برنامج tinyML لتحسين أسلوب التجديف](https://blog.arduino.cc/wp-content/uploads/2022/07/Row.png)
فريق Arduino - 2 يوليو 2022
![](https://blog.arduino.cc/wp-content/uploads /2022/07/Row-1024x608.png )
يقوم المجدفون بتمارين هوائية رائعة لأنها تتضمن دفع الأرجل بشكل متكرر مقابل القاعدة وسحب المقبض لتحقيق أسرع الأوقات. ولكن نظرًا لطبيعة المعدات ، غالبًا ما يتطلب تعلم التدريب بشكل صحيح على شخص ما مدربًا يمكنه تصحيح شكل المستخدم ، ولهذا السبب ابتكر جاستن لوتز Arduin-Row.
>![class =](https://blog.arduino.cc/wp-content/uploads /2022/07/Nicla.png )
يستخدم Arduino-Row مقياس التسارع وقدرات Bluetooth® منخفضة الطاقة الموجودة على لوحة Nicla Sense ME والتي تم تركيبها كدرع على Arduino MKR WiFi 1010. لجمع البيانات من أجل نموذج التدريب التلقائي ، أخذ Lutz الاستفادة من أداة نقل البيانات في Edge Impulse لالتقاط البيانات وإرسالها إلى استوديو Edge Impulse. من هناك ، صنفت كل عينة على أنها "سهلة" ، أو "spm عالية" ، أو "spm منخفضة" ودربت نموذج Keras الذي كان قادرًا على التعرف على الحركة الحالية بنجاح في حوالي 98٪ من الوقت. p>
وسعت Lutz المشروع إلى أبعد من ذلك من خلال دمج مستشعر eCO2 الموجود على متن Nicla لرسم تقدير لكمية الطاقة التي يولدها المجدف. بمجرد النشر ، يسمح الرمز للمستخدمين بمشاهدة قائمة التعليقات التي قدمها المدرب الافتراضي وعرض مخطط لثاني أكسيد الكربون الذي تم إنفاقه من خلال تطبيق IoT Cloud Remote.
يمكنك قراءة المزيد حول Arduino-Row على صفحة توثيق Edge Impulse أو عرض المشروع العام هنا في Edge Impulse Studio.
What's Your Reaction?
![like](https://vidianews.com/assets/img/reactions/like.png)
![dislike](https://vidianews.com/assets/img/reactions/dislike.png)
![love](https://vidianews.com/assets/img/reactions/love.png)
![funny](https://vidianews.com/assets/img/reactions/funny.png)
![angry](https://vidianews.com/assets/img/reactions/angry.png)
![sad](https://vidianews.com/assets/img/reactions/sad.png)
![wow](https://vidianews.com/assets/img/reactions/wow.png)