基于人工智能的新系统在运动员表现评估中的有效性和可靠性:DeepSport的案例
Burakhan Aydemir1, Muhammed Talha Aydoğan2, Emre Boz2
1Department of Physical Education, Karadeniz Technical University, 61080 Trabzon, Türkiye.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
基于人工智能的DeepSport应用程序在评估运动员垂直跳跃表现方面表现出高度可靠性和有效性,与参考OptoJump设备的结果相匹配. 教练和运动员可以自信地使用DeepSport进行绩效评估.
科学领域:
- 运动科学 运动科学 运动科学
- 生物力学 生物力学
- 绩效分析 绩效分析
背景情况:
- 准确评估运动表现对于训练优化至关重要.
- 由人工智能驱动的工具为可访问和高效的绩效监测提供了潜力.
- 对新技术与既定方法进行验证是必不可少的.
研究的目的:
- 评估基于AI的DeepSport应用程序的有效性和可靠性.
- 将DeepSport的性能指标与参考的OptoJump系统进行比较.
- 为了确定DeepSport对于运动员绩效评估的适用性.
主要方法:
- 十二名精英男篮球员进行了反运动跳跃 (CMJ) 和式跳跃 (SJ) 测试.
- 同时使用了DeepSport (AI图像处理) 和OptoJump (光学传感器).
- 统计分析包括布兰德-阿尔特曼图片,OLP回归,ICC,CV,SEM和SDC.
主要成果:
- 在CMJ和SJ测试中,DeepSport表现出极好的可靠性 (ICC>0.90,CV 2.12%-4.95%).
- 在DeepSport和OptoJump之间没有发现显著差异 (p > 0.05).
- 布兰德-阿尔特曼分析显示没有系统偏差和随机错误分布.
结论:
- DeepSport展示了与OptoJump相比较的高有效性和可靠性.
- 基于人工智能的DeepSport应用程序是教练和运动员的可靠工具.
- DeepSport可以有效地用于评估垂直跳跃性能和无氧功率.
