国家级/2021-2022大学生创新创业训练项目/人工智能学院/北京邮电大学
- TensorFlow 2.7.0
- flask 1.1.2
- gevent 21.8.0
- numpy 1.19.5
- h5py 3.6.0
├── README.md // 说明文档
├── LICENSE // 开源协议
├── h5_to_pb.py // 将 h5 模型转换为 pb 模型
├── flask_LSTM.py // 基于 flask 框架的 LSTM 模型部署代码
├── interface_test.py // 测试接口
├── data.csv // 用户姿态信息
├── state.csv // 用户历史状态信息
├── model // 模型
│ ├── LSTM.h5 // h5 模型
│ └── LSTM.pb // pb 模型
├── image // 图文件夹
│ └── logo.png // 团队 LOGO
├── logs // 日志文件夹
│ └── flask.log // flask 运行日志
├── templates // HTML 文件夹
│ └── index.html // 服务器首页信息
├── 2021.10实验处理 // 2021年10月的实验数据处理和模型训练稿
├── 2021.12实验处理 // 2021年12月的实验数据处理和模型训练稿
└── arduino // 硬件arduino部分代码
- 在已有的基于LSTM分类预测模型的基础上，通过修改隐藏层节点数，更改输出层激活函数的方式，将模型预测的准确度由原来的平均96.29%提升到了100%。测试方式为每次任意选取80%数据作为训练集，20%数据作为测试集，将模型从零重新训练。
- 基于Flask框架，设计并实现了将已有机器学习部署的后端程序，在本地服务器上使用POSTMAN测试通过。后端可以接收通过URL传递的32组来自传感器6个不同纬度的数据，并调用已经训练完成的机器学习模型进行预测，最终将预测的结果通过result键返回。
- 增加了访问的初始界面，可用于后期前端代码的部署。
- 修改了摔倒的判决规则，只有当连续20次预测结果中判断摔倒次数大于正常次数时，判断用户状态为摔倒。
- 增加对用户状态的文件记录功能和访问接口，可以直接获取用户当前是否摔倒的状态。
- 针对硬件端发送报文有限的情况，将每次需要传递 32 组值改为传递任意组值，并使用 CSV 文件存储32组值。每收到新的值传递时更新 CSV 文件，并调用模型进行预测。
- 制定 CSV 更新规则，同时只有当传输的数据数据符合模型预测条件时才更新 CSV。
- 增加了用户定位信息的获取和设置接口。
- LIN Guocheng
- HUANG ShiYang
- DONG Tianyu