作品 1：🏃‍♂️🚣 跑步划船二合一智能健身器材智能化研发

一、项目背景与目标

在家庭健身与康复场景中，传统单一器材难以满足多样化训练需求。
本项目研发了一款 集跑步机与划船机于一体的智能健身设备，通过 多模态感知 + 边缘 AI 识别 + 云端分析，实现：

• 运动状态实时监测

• 个性化健康评估

• 智能训练指导

📸 

二、系统整体架构

系统由 硬件层 → 嵌入式控制层 → AI 推理层 → 云端服务层 → 前端应用层 构成。

• 硬件层：ESP32-S3 控制器、传感器（IMU、麦克风、心率等）、电机驱动、显示模块

  

• 嵌入式控制层：FreeRTOS 多任务调度，负责传感器采集、运动模式控制、通信协议

• AI 推理层：Edge Impulse 模型（动作识别）、Demucs+EfficientAT（呼吸分析）

• 通信层：BLE & MQTT，实现手机 / 云端交互与 OTA 升级

• 应用层：uni-app 移动端 + RuoYi 后台管理

三、关键技术点

1. FreeRTOS 多任务调度

   • 任务划分：

     • 传感器采集任务（IMU、麦克风）

     • 通信任务（BLE、MQTT）

     • AI 推理任务（Edge Impulse / EfficientAT）

     • 控制任务（跑步/划船电机）

   • 低功耗与实时性优化：动态阻塞/恢复任务

2. BLE & MQTT 通信协议设计

   • BLE：与移动端交互，支持设备控制、状态反馈

   • MQTT：与云端交互，上传训练数据、接收训练计划

   • 支持 OTA 升级

3. AI 模型部署

   • Edge Impulse：部署轻量化动作识别模型，自动切换跑步/划船模式

   • Demucs + EfficientAT：从环境音中分离呼吸声，提取呼吸频率

   • 融合 IMU 数据：辅助心肺负荷评估

4. 应用层开发

   • uni-app 移动端：训练计划展示、运动数据可视化

   • RuoYi 后端：设备管理、用户档案、数据分析

---

四、主要研发职责

• 主导系统整体架构设计、硬件选型、PCB 设计

• 基于 FreeRTOS 开发多任务系统，保障实时性与低功耗

• 制定 BLE 协议与 MQTT 接口，实现端云互通及 OTA 升级

• 部署 Edge Impulse 模型，实现运动动作识别与模式切换

• 基于 Demucs + EfficientAT 提取呼吸频率，结合 IMU 数据进行心肺状态评估

• 开发移动端 APP 与后台管理接口，实现数据可视化与训练计划分发

---

五、成果与影响

• 研发流程：从原型设计 → 功能验证 → 小批量量产 → 展会展示

• 成果：

  • 设备已完成小批量量产并交付使用

  • 在展会展示中获得多家企业合作意向

  • 硬件稳定性、低功耗性能及一致性在量产环节得到验证与优化

• 价值：

  • 支持个性化训练计划，提升家庭健身体验

  • 在康复训练场景具备应用潜力

  • 市场化前景良好，具备规模化推广价值

---

六、经验与反思

• 挑战：

  • OTA 升级过程中多任务干扰问题 → 通过 suspend/resume 网络任务优化

  • 呼吸声信号弱、噪声大 → 采用音频分离 + AI 模型增强

• 经验：

  • 硬件设计要考虑量产一致性

  • AI 模型轻量化是嵌入式部署的关键

• 展望：

  • 后续可增加更多传感器（血氧、心电）

  • 与健身 APP / 医疗健康平台进一步对接

---

七、结语

通过本项目，我们验证了 多模态感知 + 边缘 AI 推理 + 云端分析 在家庭健身设备中的可行性，并成功实现了从 实验室原型 → 商业化小批量落地 的全过程。
未来，随着算法和硬件的迭代，智能健身器材将进一步走向 个性化、智能化、规模化。

作品2：🚴‍♀️ 数字孪生场地自行车训练测评平台研发

一、项目背景与目标

传统场地自行车训练受 天气、场地限制，难以保障稳定训练环境。
本项目研发了一套 虚实结合的数字孪生训练测评平台，通过 传感器数据采集 + 虚拟环境映射 + AI 数据分析，实现：

• 实时运动数据采集与反馈

• 虚拟场景中的沉浸式训练体验

• 运动表现智能评估与改进建议

---

二、系统整体架构

平台由 传感器采集层 → 数据处理层 → 虚拟交互层 → 数据存储与分析层 → 前端可视化层 构成。

• 硬件采集层：姿态/速度传感器、骑行台、嵌入式采集模块

• 数据处理层：串口/蓝牙通信，实时传输运动参数

• 虚拟交互层：NeRF 三维场景重建 + UE5 虚拟训练环境

• 存储与分析层：MySQL 数据库 + AI 分析模型

• 应用层：训练数据可视化，运动评估与建议

---

四、主要研发职责

• ---

  三、关键技术点

• 传感器集成与嵌入式开发

  • 姿态/速度传感器选型与电路设计

  • 嵌入式数据采集模块开发（串口 & 蓝牙通信）

• 三维虚拟场景构建

  • 基于 NeRF 与神经图形基元，快速还原真实场馆

  • 使用 MAYA 3D 建模 对训练环境进行优化

• 虚拟交互开发

  • 在 UE5 中搭建虚拟训练环境

  • 使用蓝图逻辑实现“运动数据 → 骑行动画”映射

  • 支持实时人机交互

• 数据存储与分析

  • MySQL 存储运动数据（速度、功率、姿态）

  • 智能分析模块，生成训练评估与改进建议

  • 支持数据可视化（曲线图 / 雷达图 / 热力图）

• 负责 骑行台传感器选型与集成，完成硬件电路设计及数据采集模块开发

• 基于 NeRF 技术 实现快速三维重建，构建虚拟场地训练场景

• 在 UE5 中开发虚拟训练环境，搭建交互逻辑

• 搭建 数据库与智能分析模块，支持数据可视化与训练评估

---

五、成果与影响

---

六、经验与反思

---

七、结语

该项目成功实现了 真实场地 → 数字孪生 → 商业应用 的完整链路，展示了 虚拟现实 + AI 分析 + 体育训练 的结合前景。
未来将进一步拓展至更多运动场景，推动智能体育训练走向普及与商业化。

• 实际落地：平台已在 十余个一二线城市商场落地应用，并实现盈利

• 用户反馈：通过创新的 虚实交互 + 数据分析，受到运动员与教练好评

• 挑战：

  • NeRF 重建精度与速度的权衡

  • UE5 场景实时渲染对硬件性能要求较高

• 经验：

  • 结合传统建模（MAYA）与 AI 重建（NeRF），兼顾效率与真实感

  • 数据分析可直接影响运动指导效果，算法解释性很重要

• 展望：

  • 引入更多生理数据（心率、功率分布）提升分析深度

  • 探索 VR/AR 融合，增强沉浸式体验

• 价值与潜力：

  • 打破场地与天气限制

  • 提供沉浸式训练体验

  • 具备推广潜力与商业化前景