【创意智造组】基于Mind+V2时序模式识别训练的皮划艇训练器 简单

一、项目背景

1.1 项目介绍

本项目基于时序分析技术与三轴传感器的协同作用，训练了一个能够识别皮划艇艇桨划动状态的深度学习模型。使用者只需在模拟皮划艇训练场景中做出划行动作或保持静止，设备就能通过三轴传感器实时采集动作数据，经深度学习模型分析，快速判断当前状态是划皮划艇还是静止，并通过三轴传感器终端完成数据的实时交互与反馈。

不需要复杂的专业设备——你的划行动作，就是训练状态的“天然触发器”，三轴传感器终端，就是你的“实时数据反馈站”。

1.2 设计理念

这个项目源于对中学生皮划艇训练现状的思考，结合创客实践与科技赋能体育的理念，聚焦青少年皮划艇训练中的核心痛点：

🚣 把控训练状态难

📊 追踪训练数据难

🔧 创客实践落地难

仅需三轴传感器、深度学习模块及终端显示设备，在任何室内外训练场景（教室创客角、体育训练馆、户外练习区），就能通过时序+三轴传感器的深度学习技术，实现皮划艇划行与静止状态的精准识别和实时数据交互。同时，整个项目从中学生可操作的图形化编程搭建、传感器数据采集，到时序模型训练、状态识别与终端交互部署的全流程，都能循序渐进引导中学生完成，兼顾创客实践、科技科普与体育训练需求，寓学于做、寓创于用，让中学生在实践中掌握传感器应用、深度学习等前沿技术，同时为皮划艇训练提供便捷的辅助工具。

二、 时序模式训练

2.1 训练环境

软件 mind+ V2，行空板K10

通过采集并训练行空板K10加速度传感器的 x、y、z 三轴数据，识别皮划艇划动状态和静止状态的时序动作，识别结果会以标签形式显示在屏幕上。

这里为了方便，做了简化，没有加入：入水、发力、回桨等动作的识别

为简化操作，本作品只进行了以下动作的截取。

以及静止状态的训练。

2.3 数据采集

主要通过 行空板K10的串口功能，将三轴传感器的数据发送到 Mind+V2的数据接收口。

• 打开 Mind+，在菜单栏中选择 “新建项目”，然后点击 “程序设计”，选择“上传模式”并点击，即可完成项目创建。

步骤2：添加主控¶

• 点击 扩展，在“主控扩展”中找到 UNIHIKER K10 并下载。下载完成后，点击UNIHIKER K10完成主控加载。主控加载成功后，点击返回，切换到编程界面。

步骤3：程序编写¶

• 利用UNIHIKER K10内置加速度传感器，实时采集三轴数据（x、y、z）。设置采样间隔为0.2s（即 20Hz），并通过串口将加速度数据输出。

步骤4：训练模型

训练模型的方式和其它基本上没有区别，参数默认即可，这里不再赘述。训练好后，可以直接预览效果。

步骤5：实时结果推送应用

大家可以看到，在实时预览界面，有个实时结果推送的标签。这里是可以直接设置的。

通过本地开启SIoT服务，又能看到可爱的MQTT了。

不过，这里为了减少开支，数据是不存服务器的，毕竟推送间隔只有200毫秒，但是可以通过 订阅 的方式获取数据。

三、程序设计与实现

3.1 硬件集成和应用

所以，这里就要祭出我们 行空板 M10（K10）也可以，但笔者比较喜欢M10。Mind+ V2里可以直接开标签页（这个是真爽），新建Python积木模式（话说代码模式什么时候上线啊。。。）

读者可以看到，为了使得交互更加明显，这里加入了ws2812 RGB灯带。

所以本项目使用的设备有：

行空板K10 +1

行空板M10 +1

WS2812 RGB灯带 + 1

Mind+V2 PC本地机 + 1

3.2 实现逻辑

本项目的实现逻辑大概是这样的：

四、项目总结与拓展

4.1 项目演示

4.2  拓展方向

本来是让AI生成了一个网页，想做个大项目的，奈何现实很骨感，之后放在这里留作纪念了。