ACCESSING DATABANKS...
SUGGESTED PROJECTS
PROJECT_ID // 0070LiftTrack: حل محمول يعتمد على 3D CNN لمراقبة وتحسين تقنيات رفع الأثقال
0%
> اتصال_آمن // LiftTrack: حل محمول يعتمد على 3D CNN لمراقبة وتحسين تقنيات رفع الأثقال
جاري تهيئة النظام...
[000%]
نظام_آمن // FPGD
ACCESSING DATABANKS...
تصحيح النموذج بـ 3D CNN + Flutter
LiftTrack هو تطبيق للهاتف المحمول مدعوم بالأبحاث مصمم لجعل التدريب الاحترافي على رفع الأثقال متاحاً للجميع. من خلال دمج نماذج الرؤية الحاسوبية المتقدمة في تطبيق Flutter، يوفر النظام تحليلاً ميكانيكياً حيوياً وتغذية راجعة تصحيحية في الوقت الفعلي لمنع الإصابات. ركز مشروع التخرج هذا الذي استمر 8 أشهر على تطوير حل عالي الأداء لمراقبة تقنية رفع الأثقال في الوقت الفعلي باستخدام 3D CNN وتقدير الوضعية.
غالباً ما يكافح لاعبو الرفع المنفردون للحفاظ على النموذج الصحيح، مما يؤدي إلى إصابات مزمنة أو نتائج دون المستوى. غالباً ما يفشل تقدير الوضعية التقليدي في التقاط "إيقاع" والتسلسل الزمني للرفعة، وهو أمر بالغ الأهمية لتحديد العيوب التقنية في حركات مثل الرفعة الميتة أو السكوات. يشكل نقص الحلول المحمولة وبأسعار معقولة لتحليل النموذج عائقاً كبيراً أمام التدريب الآمن والفعال.
يستخدم النظام تدفق بيانات مخصص: الكاميرا -> مخزن مؤقت لـ 30 إطاراً -> استدلال متوازي -> تجميع الميزات. وهذا يضمن أن التطبيق لا يرى مجرد "لقطة" لوضعية ما، بل يفهم قوس الحركة بأكمله. من خلال فصل طبقة العرض عن منطق الاستدلال الثقيل، حققنا تجربة مستخدم سلسة حتى أثناء الحسابات المكثفة.
يتبع هذا التطبيق الهندسة النظيفة مع طبقات معيارية وتنظيم قائم على الميزات.
بينما النسخة الحية غير متاحة حالياً، إليك المشاهد الأساسية من LiftTrack:
ملاحظة الاستضافة:
تم نشر هذا المشروع على خادم سحابي يديره مدير المشروع. نظراً لانتهاء صلاحية الاستضافة وقيود الوصول، فإن التطبيق المباشر غير متصل حالياً. يتوفر عرض توضيحي كامل وشرح مسجل عند الطلب.