客户项目AI已上线
Wellnix
拥有两个可用模块的 AI 健康产品：MuscleAI 根据训练视频检查举重动作，NutriAI 读取营养标签并对照你的目标打分。
结果
动作检查与标签扫描集于一个产品
问题
在家训练意味着，在某个地方疼起来之前，没人会告诉你动作不对。
我构建了什么
构建了一条计算机视觉流水线，用普通手机拍摄的画面检查姿态和动作；又构建了一个标签读取器，提取配料和营养成分表，并对照用户的目标与饮食习惯打分。两者汇入同一份画像。
成效
不需要教练在场也能得到动作反馈，任何包装食品都能得到一个附带理由的清晰食用评分，并按阅读者本人做了调整。
工作原理
- 01
用户用普通手机摄像头录下一个动作，不需要可穿戴设备，也不需要深度传感器。
- 02
姿态估计逐帧提取关节位置，动作会对照该项目本应有的形态打分。
- 03
反馈返回的是具体的纠正点，而不是一个分数，因为数字不会告诉任何人该改什么。
- 04
拍下一张营养标签，系统读取配料与成分表数值，返回一个附带理由的食用评分，评分依据用户的目标和健康情况而定。
AI 层
在视频帧上做姿态估计，再用基于规则的方式，把提取出的骨架对照每个动作的标准逐项打分。打分刻意不用模型：动作标准是已知的、可解释的，教练不认同时也更容易改。在营养这一侧，标签抽取的结果交给一个模型，由它结合用户自己的画像来解释评分。
工程层
客户端采集、服务端分析，抽帧以控制成本，以及一套把运动与营养放在同一份画像而不是两个应用里的数据模型。
关键技术决策
在学到的模型之上做确定性打分。
姿态估计是只有模型能做的部分。判断膝盖有没有超过脚尖是算术，用代码来算，每一次判断都能向用户解释清楚。
技术构成
Computer VisionReactPythonAI Health