商业计划书-物联网健身房

商业计划书概要项目名称基于 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2016 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电话传真无E-Mail网站或 QQ 号项目摘要本项目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，远程电器控制等服务。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基础服务，同时又支持第三方应用开发。在深度学习方面，我们基于 Tensor Flow 平台开发。Tensor Flow 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领域。与此同时，我们选用了 deeplearn.js 及 Tensor Flow Lite 作为辅助开发工具。在客户端方面，我们采用 Android Studio 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，一人为项目负责人，其余均为团队成员，负责人主攻硬件开发，其余人各负责手机 APP 客户端、物联网模块的完善、后期系统整体的调试。项目骨干简介项目成员为项目骨干，均参与过创新创业项目并取得一定的成绩，均具有一定项目经验。项目的技术方案与创新性系统整体设计框图如下;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服务器，服务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手机 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合适的健身方案。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服务器的终端设备，设备种类上来说有手机，PC，平板，平板式电脑、或者专用的网络设备。我们开发了服务于系统与用户的手机客户端与网页，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、云服务平台及 ZigBee 小型传输网络，Internet 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，同时又降低了开发成本。Web 服务器是在云平台上搭建的ONENET 服务器，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口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部分直接连接 STM32，另一部分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 TensorFlow Lite，其架构如下图所示： INCLUDEPICTURE "http://5b0988e595225.cdn.sohucs.com/images/20171115/2fc6a770432e4c918e6cdea7cbf47149.jpeg" \* MERGEFORMATINET TensorFlow Lite 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TensorFlow Lite 转换器（TensorFlow Lite Converter）将该程序将模型转换成 TensorFlow Lite 文件格...