Arduin-Row verwendet tinyML, um Ihre Rudertechnik zu verbessern
Arduin-Row verwendet tinyML, um Ihre Rudertechnik zu verbessern
Arduino-Team – 2. Juli 2022
Ruderer eignen sich hervorragend als aerobes Training, da sie wiederholt die Beine gegen die Basis drücken und am Griff ziehen, um die schnellsten Zeiten zu erzielen. Aufgrund der Art der Ausrüstung erfordert das Erlernen des richtigen Trainings auf einem jedoch oft einen Trainer, der die Form des Benutzers korrigieren kann, weshalb Justin Lutz die Arduin-Row entwickelt hat.
>
Die Arduino-Row verwendet die Beschleunigungsmesser- und Bluetooth® Low Energy-Fähigkeiten des Nicla Sense ME-Boards, das als Schutzschild auf einem Arduino MKR WiFi 1010 montiert war. Um Daten für das Training des automatischen Modells zu sammeln, nahm Lutz Nutzen Sie das Datenübertragungstool von Edge Impulse, um die Daten zu erfassen und an das Edge Impulse-Studio zu senden. Von dort aus wurde jede Probe als „einfach“, „hohe Geschwindigkeit“ oder „niedrige Geschwindigkeit“ bezeichnet und ein Keras-Modell trainiert, das die aktuelle Bewegung in etwa 98 % der Fälle erfolgreich erkennen konnte.
Lutz hat das Projekt noch weiter ausgebaut, indem er den integrierten eCO2-Sensor des Nicla integriert hat, um eine Schätzung der vom Ruderer erzeugten Energiemenge zu zeichnen. Nach der Bereitstellung ermöglicht der Code den Benutzern, eine Liste mit Feedback des virtuellen Trainers anzuzeigen und ein Diagramm ihres CO2-Verbrauchs über die IoT Cloud Remote-App anzuzeigen.
Sie können mehr über die Arduino-Row auf ihrer Edge Impulse-Dokumentationsseite lesen oder das öffentliche Projekt hier in Edge Impulse Studio ansehen.
Arduino-Team – 2. Juli 2022
Ruderer eignen sich hervorragend als aerobes Training, da sie wiederholt die Beine gegen die Basis drücken und am Griff ziehen, um die schnellsten Zeiten zu erzielen. Aufgrund der Art der Ausrüstung erfordert das Erlernen des richtigen Trainings auf einem jedoch oft einen Trainer, der die Form des Benutzers korrigieren kann, weshalb Justin Lutz die Arduin-Row entwickelt hat.
>
Die Arduino-Row verwendet die Beschleunigungsmesser- und Bluetooth® Low Energy-Fähigkeiten des Nicla Sense ME-Boards, das als Schutzschild auf einem Arduino MKR WiFi 1010 montiert war. Um Daten für das Training des automatischen Modells zu sammeln, nahm Lutz Nutzen Sie das Datenübertragungstool von Edge Impulse, um die Daten zu erfassen und an das Edge Impulse-Studio zu senden. Von dort aus wurde jede Probe als „einfach“, „hohe Geschwindigkeit“ oder „niedrige Geschwindigkeit“ bezeichnet und ein Keras-Modell trainiert, das die aktuelle Bewegung in etwa 98 % der Fälle erfolgreich erkennen konnte.
Lutz hat das Projekt noch weiter ausgebaut, indem er den integrierten eCO2-Sensor des Nicla integriert hat, um eine Schätzung der vom Ruderer erzeugten Energiemenge zu zeichnen. Nach der Bereitstellung ermöglicht der Code den Benutzern, eine Liste mit Feedback des virtuellen Trainers anzuzeigen und ein Diagramm ihres CO2-Verbrauchs über die IoT Cloud Remote-App anzuzeigen.
Sie können mehr über die Arduino-Row auf ihrer Edge Impulse-Dokumentationsseite lesen oder das öffentliche Projekt hier in Edge Impulse Studio ansehen.
What's Your Reaction?
