LiftTrack：基于 3D CNN 的移动解决方案，用于监控和改进举重技术

毕业设计项目 - 计算机科学学士（软件工程专业）

一款基于 Flutter 的移动应用程序，旨在通过 3D 卷积神经网络（3D CNN）提供的实时反馈来追踪训练进度并改进举重动作。该项目将移动开发、机器学习和云计算集成到一个统一的健身解决方案中。

开发周期：8 个月（2024年7月 - 2025年2月）

注意：由于学术/机构政策，该项目的 GitHub 仓库是私有的。可应要求提供演示和代码讲解。
相关的毕业研究论文也可应要求提供。
欲了解更多信息，请点击本网站右下角的 AI 图标。

---

功能特点

• 追踪训练并记录锻炼环节
• 监控长期进度和健身目标
• 基于用户活动的个性化反馈
• 适用于 Android 和 iOS 的响应式且直观的界面

---

我的贡献

• Flutter 前端 (iOS/Android)：使用 Dart 和 Flutter 构建了跨平台移动界面
• 架构：应用了带有 BLoC 的整洁架构，以实现可扩展且易于维护的代码
• 核心功能：开发了锻炼记录、进度追踪和身份验证的核心功能
• UI/UX 设计：设计了强调清晰度和反馈的交互式界面
• iOS 兼容性：解决了平台特定问题，并实现了针对仅限 Android 的 Flutter 包的替代方案
• 重构：领导了 Profile 模块的架构重构，以改善关注点分离
• 云基础设施：由于计算需求较高，协助将 3D CNN 模型部署到远程云服务器
• DevOps 设置：使用自定义部署流水线将前端与后端机器学习服务集成

---

面临的挑战

• iOS 开发障碍：初始开发依赖于 MacBook 模拟器，尽管某些摄像头功能需要变通方法。这种方法虽然具有成本效益，但在测试高级功能时带来了挑战。

• 跨平台集成：几个 Android 优先的 Flutter 库没有 iOS 替代方案。我研究并实施了跨平台解决方案以实现无缝功能。

• 状态管理复杂性：使用 BLoC 管理锻炼记录、用户身份验证和实时反馈的状态需要精心的设计和模块化。

• 团队协调：与远程团队成员合作并分配职责，意味着需要在机器学习、后端和前端等组件之间协调设计和实现。

• 资源限制：项目时间表受到课程延迟的影响。此外，一名团队成员的台式机（被用作 24/7 测试服务器）由于持续运行而出现硬件故障，因此需要调整基础设施。

---

项目架构

该应用遵循整洁架构，具有模块化层和基于功能的组织。

• 分层结构：表示层、领域层和数据层严格分离
  阅读相关内容
• 功能模块：每个主要功能（例如个人资料、进度、训练记录）均独立构建
• BLoC 状态管理：确保可预测的状态转换和可测试的业务逻辑
• 最近的改进：重构了个人资料模块以符合架构目标
  重构说明

---

演示预览

虽然实时版本不可用，但这里是 LiftTrack 的核心视图：

• Android 和 iOS 上的训练记录界面
• 进度追踪和仪表板
• 云机器学习流水线（可提供架构图）

托管说明：
该项目部署在由项目经理管理的云服务器上。由于托管过期和访问限制，实时应用目前已离线。可应要求提供完整的演示和录制的讲解视频。

---

开发资源

• Flutter：编写您的第一个应用
• Flutter Cookbook
• Flutter 文档 - 官方 API 参考和示例