// LiftTrack Workout-Tracking-App

LiftTrack: Eine 3D-CNN-basierte mobile Lösung zur Überwachung und Verbesserung von Gewichthebertechniken

Capstone-Projekt - Bachelor of Science in Informatik mit Spezialisierung auf Software Engineering

Eine auf Flutter basierende mobile Anwendung, die entwickelt wurde, um den Trainingsfortschritt zu verfolgen und die Hebeform mithilfe von Echtzeit-Feedback zu verbessern, das von einem 3D Convolutional Neural Network (3D CNN) unterstützt wird. Dieses Projekt integriert mobile Entwicklung, maschinelles Lernen und Cloud Computing in eine einheitliche Fitnesslösung.

Entwicklungsdauer: 8 Monate (Juli 2024 - Februar 2025)

Hinweis: Das GitHub-Repository für dieses Projekt ist aufgrund akademischer/institutioneller Richtlinien privat. Eine Demo und ein Code-Walkthrough sind auf Anfrage erhältlich.
Das begleitende Capstone-Forschungspapier ist ebenfalls auf Anfrage erhältlich.
Um mehr zu erfahren, klicken Sie auf das KI-Symbol unten rechts auf dieser Website.

Funktionen

• Workouts verfolgen und Trainingseinheiten protokollieren
• Langfristigen Fortschritt und Fitnessziele überwachen
• Personalisiertes Feedback basierend auf der Benutzeraktivität
• Responsive und intuitive Benutzeroberfläche für Android und iOS

Meine Beiträge

• Flutter Frontend (iOS/Android): Erstellung der plattformübergreifenden mobilen Schnittstelle mit Dart und Flutter
• Architektur: Anwendung von Clean Architecture mit BLoC für skalierbaren, wartbaren Code
• Kernfunktionen: Entwicklung der Kernfunktionalitäten für die Trainingsprotokollierung, Fortschrittsverfolgung und Authentifizierung
• UI/UX Design: Entwurf interaktiver Schnittstellen mit Schwerpunkt auf Klarheit und Feedback
• iOS-Kompatibilität: Lösung plattformspezifischer Probleme und Implementierung von Alternativen zu reinen Android-Flutter-Paketen
• Refactoring: Leitung des architektonischen Refactorings des Profilmoduls zur Verbesserung der Trennung von Anliegen
• Cloud-Infrastruktur: Unterstützung bei der Bereitstellung des 3D-CNN-Modells auf einem Remote-Cloud-Server aufgrund hoher Rechenanforderungen
• DevOps-Setup: Integration des Frontends mit Backend-ML-Diensten über eine benutzerdefinierte Deployment-Pipeline

Bewältigte Herausforderungen

• Barrieren bei der iOS-Entwicklung: Die anfängliche Entwicklung stützte sich auf MacBook-Simulatoren, obwohl bestimmte Kamerafunktionalitäten Problemumgehungen erforderten. Dieser Ansatz war zwar kosteneffektiv, stellte jedoch Herausforderungen beim Testen fortgeschrittener Funktionen dar.

• Plattformübergreifende Integration: Mehrere Android-first Flutter-Bibliotheken hatten keine iOS-Alternativen. Ich habe plattformübergreifende Lösungen für eine nahtlose Funktionalität recherchiert und implementiert.

• Komplexität des Zustandsmanagements: Die Verwaltung des Zustands über Trainingsprotokollierung, Benutzerauthentifizierung und Echtzeit-Feedback hinweg mittels BLoC erforderte ein sorgfältiges Design und Modularisierung.

• Teamkoordination: Die Arbeit mit remote arbeitenden Teamkollegen und verteilten Verantwortlichkeiten bedeutete die Abstimmung von Design und Implementierung über Komponenten wie ML, Backend und Frontend hinweg.

• Ressourcenbeschränkungen: Der Zeitplan des Projekts wurde durch Verzögerungen im Lehrplan beeinflusst. Darüber hinaus erlitt der Desktop-Computer eines Teammitglieds, der als 24/7-Testserver genutzt wurde, aufgrund des Dauerbetriebs einen Hardwaredefekt, was Anpassungen der Infrastruktur erforderlich machte.

Projektarchitektur

Diese App folgt der Clean Architecture mit modularen Schichten und merkmalsbasierter Organisation.

• Schichtstruktur: Präsentations-, Domain- und Datenschichten sind strikt getrennt
  Lesen Sie mehr darüber
• Feature-Module: Jedes Hauptfeature (z. B. Profil, Fortschritt, Trainingsprotokollierung) ist unabhängig strukturiert
• BLoC-Zustandsmanagement: Gewährleistet vorhersehbare Zustandsübergänge und testbare Geschäftslogik
• Jüngste Verbesserungen: Profilmodul refactored, um architektonischen Zielen zu entsprechen
  Refactoring-Notizen

Demo-Vorschau

Obwohl die Live-Version nicht verfügbar ist, sind hier Kernansichten von LiftTrack:

• Trainingsprotokollierungsschnittstelle auf Android und iOS
• Fortschrittsverfolgung und Dashboard
• Cloud-ML-Pipeline (Architekturdiagramm verfügbar)

Hosting-Hinweis:
Dieses Projekt wurde auf einem Cloud-Server bereitgestellt, der vom Projektmanager verwaltet wird. Aufgrund von abgelaufenem Hosting und Zugriffsbeschränkungen ist die Live-App derzeit offline. Eine vollständige Demo und ein aufgezeichneter Walkthrough sind auf Anfrage erhältlich.

Entwicklungsressourcen

• Flutter: Erstellen Sie Ihre erste App
• Flutter Cookbook
• Flutter-Dokumentation - Offizielle API-Referenz und Beispiele