增材制造和深度学习在实践中的应用 国家歧视
Zhilong Zhao1, Jiaxi Yang2, Jiahao Liu3
1Biomanufacturing Center, Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China.
Sensors (Basel, Switzerland)
|January 25, 2025
概括
这项研究介绍了一种新的智能可穿戴设备,用于使用3D打印和深度学习来检测运动疲劳. 创新的设计提高了舒适性和准确性,优化了运动训练和预防伤害.
科学领域:
- 运动科学 运动科学 运动科学
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
背景情况:
- 智能可穿戴设备对于运动训练和健康管理至关重要.
- 准确检测体育疲劳对于优化表现和预防伤害至关重要.
- 当前的可穿戴传感器在舒适性,精度和稳定的疲劳检测方法方面面临挑战.
研究的目的:
- 引入一个智能可穿戴传感器,用于检测运动疲劳状态.
- 解决当前设备在舒适性和准确性方面的局限性.
- 建立稳定的方法来检测运动员的疲劳.
主要方法:
- 利用逆向工程和增材制造 (3D打印) 进行设备设计.
- 开发了一种包含长期短期记忆 (LSTM) 神经网络的原型.
- 分析生物电信号以识别疲劳状态和相关指标.
主要成果:
- 开发的原型成功收集和分析了生物电信号.
- 该系统在收集的信号中确定了与运动疲劳相关的指标.
- 该设备在分类体育疲劳的不同状态方面表现出更高的准确性.
结论:
- 3D打印和深度学习的整合为舒适而准确的疲劳检测提供了有前途的方法.
- 开发的可穿戴设备和分析方法可以有效监测运动疲劳.
- 这项技术有可能提高运动员的训练,安全和表现.


