物联网健身房_第1页
物联网健身房_第2页
物联网健身房_第3页
物联网健身房_第4页
物联网健身房_第5页
已阅读5页,还剩1页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

商业方案书概要工程名称基于IoT及深度学习技术的智慧健身房系统团队形式个人工作室成立时间2021年4月办公地址所处行业人工智能物联网健身所处阶段创意研发产品开发试运营市场拓展联系方式联系人无E-Mail网站或QQ号工程摘要本工程应用场所为普通健身房,旨在为健身者及健身房管理者提供运动数据可视化、排课智能推荐、健身跟进小助手、健身房环境数据监测,远程电器控制等效劳。我们利用Zigbee模块作为感知层与控制层的传输方案,采用TCP/IP透传及EDP通信协议实现云平台与其他设备的通信,云平台我们采用中移物连ONENET平台,该平台既可提供物联网应用的根底效劳,同时又支持第三方应用开发。在深度学习方面,我们基于TensorFlow平台开发。TensorFlow是谷歌研发的完全开源的第二代人工智能数据处理系统,能用于语音识别、图像识别等机器数据处理和深度学习TensorFlowLite作为辅助开发工具。在客户端方面,我们采用AndroidStudio开发,旨在快速搭建APP应用并为调试提供便利。团队架构团队成员共五人,一人为工程负责人,其余均为团队成员,负责人主攻硬件开发,其余人各负责APP客户端、物联网模块的完善、后期系统整体的调试。工程骨干简介工程成员为工程骨干,均参与过创新创业工程并取得一定的成绩,均具有一定工程经验。工程的技术方案与创新性系统整体设计框图如下;ifiAl-J命手下度ifiAl-J命手下度“::,->:;<pc・

远程捉制, ,异常通坏中移物隹云手机APP;姬物杏看.接收球眼务野二f:.JL ,-'新一|响应命舍R溃状志SDP响应弁今网炯询悟(ESPS^Mi)慈控核心:$TMH>白组眄(CC253ATigbeeJJL ,-'新一|响应命舍R溃状志SDP响应弁今网炯询悟(ESPS^Mi)慈控核心:$TMH>白组眄(CC253ATigbeeJas度估感部况+CC253O卅卅住感器②4CC25MZiE^^SfX—(心孳槎调混度停蛾感雌器①HC253CH一、技术方案:该健身房系统有四个功能模块:用户模块、网络模块、感知模块、数据处理模块。用户在完成验证后可以通过终端设备访问效劳器,效劳器可以从感知识别模块读出相应的数据从而查看运动数据、环境情况的实时信息、一旦数据出现异常,也就是说当用户心、率过快或环境温湿度超标,用户可以通过邮件接收警告。数据处理模块搭建于APP中,其机器学习相应模型了经过大量的数据训练,用户在使用时,只需将自己的身高体重年龄健身意愿等数据输入,系统便会自动为用户推荐适宜的健身方案。各模块实现方案如下:1、用户模块用户模块代表一系列访问效劳器的终端设备,设备种类上来说有,PC,平板,平板式电脑、或者专用的网络设备。我们开发了效劳于系统与用户的客户端与网页,在网页上可以进行数据查看、命令控制等操作,在搭载安卓系统的移动网络通信设备上还可以做到课程推荐、进度提示等功能。2、网络模块网络模块包括Internet云效劳平台及ZigBee小型传输网络,Interne提供设备远程获取数据的必要通道,我们采用ESP8266这一模块连接以太网,通过简单的AT指令操作即可进行通信,其功耗小,传输距离远,性价比高,既提高了系统的性能指标,同时又降低了开发本钱。Web效劳器是在云平台上搭建的ONENET效劳器,设计了专门针对开发者的操作界面,可通过网页直接在云端搭建虚拟设备并添加数据流和触发器等,其支持多种通信协议,我们选择EDP协议作为数据传输的标准协议,通过官网提供的SDK开发工具,将数据进行封装打包,通过ESP8266实现与云端的通信传输。终端ZigBee小型传输网络则利用其串透传功能实现心率贴片与STM32单片机的数据传输。3、感知识别模块感知识别模块由信息采集端的各传感器及无线收发设备组成。网络呈分布式,光照与温湿度传感器局部直接连接STM32,另一局部与心率贴片一样通过CC2530驱动并与STM32进行通信。用户可以通过终端设备来查看实时数据。4、数据处理控制模块数据处理控制模块的核心是谷歌移动端深度数据处理框架TensorFlowLite其架构如下列图所示:ArchitectureTensorFlowLit架构前期我们收集了大量的用于健身课程推荐的资料并归类整理,进行预处理后开始搭建简单的推荐网络并进行训练,我们将训练后的模型保存,通过TensorFlowLite转换器〔TensorFlowLiteConverted将该程序将模型转换成TensorFlowLite文件格式,之后生成TensorFlowLite模型文件〔TensorFlowLiteModelFi〕e--该格式基于FlatBuffer经过优化以适应最大速度和最小规模,最终将TensorFlowLite模型文件通过JavaAPI部署到移动App中,并在选择的安卓设备上,利用编辑器,将使用安卓神经网络的API进行硬件加速。二、创新性:1、应用上的优势与创新比照传统的健身俱乐部经营方式,我们将健身教练的课程销售与教学两大职能分隔开,使教练专注于教学,而将销售交给系统的智能推荐,如此一来可防止用户在健身过程中被不同教练轮流“推销。“互联网+健身模式,我们为健身环境提供了优化:在健身领域,近年来涌现出了许多智能装置,这些装置大多为便携的可穿戴式设备,能够监测人们的运动状态。但是基于对运动知识的调查,健身环境对于健身质量也有较大程度的影响,然而以上设备根本上无法监测运动环境。3.普通的运动监控设备或体检仪器仅仅提供即时的数据展示功能,而健身是一个长期的过程,健身中的运动数据没有起到长期效用,而我们的系统可以通过记录用户的运动及身体状况的变化动态调整健身方案,可以获得较好的健身效果。2、技术上的优势与创新系统信息采集端采用了CC2530进行数据收发,与云平台通信采用ESP8266发送和接收信息,使整个系统具有更强的灵活性大大减少了硬件设施对空间的占有率。另一方面,整个系统如要用作商业用途会减少很大一局部前期布线的时间和精力。统一数据传输格式,统一接.所有的数据中转中心都基于后台进程,Web效劳器、用户都围绕效劳器来运行,更平安更可靠。整个系统进行模块化划分,层次清楚,为本设计未来大的开展提供良好的结构雏形。采用机器数据处理的相应算法,基于tensorflowl在安卓设备上实现智能推荐,运行速度快,运行效率高。工程开展现状工程产品市场与竞争工程产品市场概述:2021年10月28日,国务院发布<关于加快开展健身休闲产业的指导意见〉,提出盘活体育场馆资源,扶持健身俱乐部开展,支持符合条件的健身休闲企业上市,引导社会资本参与健身休闲产业,到2025年健身休闲产业规模将到达3万亿元-一由此可见健身休闲产业未来开展潜力之巨大。目前的现状是---整体上来看中国健身俱乐部欣欣向荣,特别是近几年在中国一二线城市人群花钱健身意识迅速形成,健身人快速增加,外表上健身行业趋向成熟,但深挖健身场馆背后的商业模式,中国健身仍走在模式变迁的道路上。本工程可为健身房经营提供新式思路:为健身融合入新兴技术,大幅改善用户体验,同时加速传统健身模式的转型---改变原先的教练=销售,使场馆中教练与销售别离,将销售这一板块交给AI的智能推荐,一方面健身者不必经常受到不同教练的推销骚扰从而影响健身体验,另一方面教练可把更多时间花在课程质量的提升上而不是想方法与同行抢夺客户。当然,转型的方向不止如此,本工程作为中国建身行业的转型思路之一,有望在一定程度上吸引资本的介入,为行业的加速开展增强动力。二、产品竞争分析及工程优势目前与此工程竞争的产品包括运动手环等运动装备、“光猪圈等新兴互联网+健身房。传统的运动手环等装备,其只能简单的检测心、率、血压等数据并将数据显示在配套APP上,但是他不能给用户提供进一步的数据分析等效劳。而我们的工程除了可以实现上述运动装置所具有的功能外,还能提供健身房环境监测、环境远程控制以及健身优化建议等效劳。例如“光猪圈等新兴互联网+健身房,其“互联网+仅表达在智能门禁、智能体测、运动状态跟踪、自助预约等效劳上。本工程在其之上还能为用户提供智能课程推荐、健身进度跟进、健身优化建议等效劳,一方面防止了了健身教练以私教课销售员的身份为健身者带来的不便,另一方面最大限度开掘数据的长期价值,为健身者提供个性化的健身AI小助手。未来客户商业模式有健身需求的潜在客户,包括都市上班族,健身爱好者等未来客户商业模式在工程成熟之后考虑与现有的健身类APP合作,实现健身线上〔APP〕与线下〔健身房〕结合一一健身房可利用健身类APP的用户及数据根底为本工程进行推广及优化,同时健身类APP将额外收获数量巨大、粘性较强的选择健身房健身的用户。线上同时也会提供健身房免费体验、健身会员办理、私教课购置、健身相关产品销售等效劳,以期吸引新人并为老用户提供更便捷直接的消费渠道,本工程将从中收取一定比例的利润分成。工程主要风险本工程

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论