iot-based-atlete-performance-assessment-solution-back

IoT-basierte Lösung zur Leistungsbewertung von Athleten

Hilft den Trainern, die Leistung der Athleten anhand von Sensordaten zu bewerten und Trainingspläne zu personalisieren

Unser Kunde ist eine europäische Marke der Verbraucherelektronik, die eine Reihe von tragbaren Sensoren und Geräten für die Sportindustrie herstellt. Derzeit arbeitet das Unternehmen an einer Plattform mit AI-Fähigkeiten zur Leistungsbewertung von Sportlern.

Problem

Das Unternehmen wendet sich an Softeq, um eine Leistungsbewertungsplattform für Sporttrainer zu schaffen.

Die Lösung ist dafür vorgesehen:

Die Daten zu erheben, zu verarbeiten und zu visualisieren, die von den am Körper des Sportlers angebrachten, benutzerdefinierten Messgeräten erfasst werden. Die Geräte verfügen über Herzfrequenz- und IMU-Sensoren.
Den Trainern zu ermöglichen, die Leistung der Athleten während einer Trainingseinheit zu überwachen und zu bewerten.

Technologisch gesehen umfasst die Plattform eine plattformübergreifende mobile Anwendung, ein Cloud-basiertes Backend und ein Web-Dashboard.

Lösung

iot-based-athlete-performance-assessment-solution-solutions

Sensordatenerfassung

Wir haben eine plattformübergreifende mobile Anwendung entwickelt, die als Hub zwischen den Sensoren und einem Backend fungiert, in dem die Sensordaten gespeichert und verarbeitet werden. Die App funktioniert wie folgt:

Sie verbindet sich mit den Sensoren und IMUs über BLE.
Sie erfasst die von den Herzfrequenzsensoren und IMU-Komponenten (Gyroskop, Beschleunigungsmesser, Magnetometer) erzeugten Daten.
Sie überträgt die Informationen sicher an ein Cloud-basiertes Backend (Microsoft Azure).

Leistungsbewertung von Athleten

Hilft den Trainern, die Leistung der Athleten anhand von Sensordaten zu bewerten und Trainingspläne zu personalisieren:

.Net-Backend synchronisiert mit der Azure-Datenspeicherlösung.
Angular-Frontend, dass die Sensordaten in Echtzeit visualisiert.

Das Dashboard ermöglicht den Trainern, Athletenprofile zu erstellen, Trainingsdaten einzusehen und diese zu kommentieren. Durch die Auswertung der Herzfrequenz, der Körperposition und der Beschleunigung eines Athleten kann ein Trainer erkennen, ob die Bewegungs- und Kraftübungen richtig ausgeführt werden. Dies hilft den Trainern, die Trainingspläne zu personalisieren und die Ergebnisse der Athleten zu verbessern.

Ähnliches Projekt geplant?

Senden Sie uns Ihre Anforderungen und erhalten Sie eine erste Einschätzung Fragen Sie gleich

Ergebnisse

Unser Kunde erwägt, den Auswertungsprozess zu automatisieren, indem die kommentierten Trainingsdaten in ein neuronales Netz eingespeist werden. Sobald wir genügend Leistungsdaten gesammelt haben, werden wir ein individuelles Machine-Learning-Modell programmieren und in der Cloud bereitstellen.