StackSense

UCI CS 147(物联网)· 2026 年 6–8 月 · 独立完成

装在健身房配重片器械上的传感器节点,逐次记录并量化每个动作的质量

技术栈

ESP32 (LILYGO T-Display), C++ (PlatformIO), VL53L1X time-of-flight sensor, LSM6DSO accelerometer, I2C, Wi-Fi / HTTP, Java (Javalin), MySQL, AWS EC2 (Ubuntu), HTML / JavaScript dashboard

项目目标与最终效果

健身新手看不到自己每一次动作做得怎么样:随着疲劳,动作幅度是不是在悄悄变小?放下时有没有控制住,还是直接砸回配重片?请教练可以得到反馈,但对新手来说太贵,而且反馈是口头的、不量化。

StackSense 放在配重片顶部、随配重片一起上下移动。朝上的激光测距(ToF)传感器测量配重片移动的距离,加速度计记录同一轴向的加速度。设备现场计数,用屏幕和蜂鸣器给出反馈;每组结束后把原始样本上传到服务器,由服务器计算每一次的动作幅度、向心与离心时长和峰值速度。

最终效果:设备在公共健身房完成实测;数据经 Wi-Fi 上传到 AWS EC2;网页看板展示已存储的每组数据,并提供一段可复制的分析提示词,用户可以粘贴到自己的 AI 聊天工具里讨论训练情况。

  1. 传感器

    • VL53L1X 激光测距:配重片位移
    • LSM6DSO:同轴加速度

    I2C

  2. ESP32 · LILYGO T-Display

    • 平滑、动作识别
    • 40 KB 整组缓存
    • 屏幕、蜂鸣器、两个按键

    Wi-Fi · HTTP POST(二进制,5 字节/样本)

  3. AWS EC2(Ubuntu)

    • Javalin:解码、逐次分析
    • MySQL:存储每组数据

    查询

  4. 网页看板

    • 每组数据图表
    • 可复制的 AI 分析提示词
最终实现的数据流,根据报告的系统架构一节重绘:传感器 → ESP32 → Wi-Fi → AWS EC2 上的 Javalin 与 MySQL → 网页看板。

早期尝试(已放弃)

  • BLE 连接手机,由手机转发到云端
  • 以 JSON 格式上传整组数据
  • 把样本放进 GET 请求的查询串

最终实现

  • ESP32 以 station 模式连接 Wi-Fi
  • HTTP/1.1 POST,正文为紧凑二进制(每个样本 5 字节)
  • AWS EC2 上的 Javalin 解码、分析,存入同一实例上的 MySQL
  • 网页看板 + 可复制的 AI 分析提示词

未实现 / 未来计划

  • 用 AWS Bedrock 在服务端生成自然语言反馈(未实现:按 token 计费,每组都要调用)
  • 账号注册与按用户隔离数据、带鉴权的删除
  • TLS 加密上传与签名的设备令牌
  • 改造外壳:ToF 朝向地面、磁吸固定在配重片侧面
观看演示视频StackSense 演示视频YouTube · 在新标签页打开

我的职责与个人贡献

独立项目,以下全部由我完成(与报告中的任务表一致)。

  • 硬件:两个传感器共用一条 I2C 总线(SCL 接 GPIO 22,SDA 接 GPIO 21),另接两个中断驱动的按键和一个蜂鸣器。
  • 传感器实测:ToF 约 53 Hz、噪声约 2 mm;加速度计静止时读数为 1.03 g 而不是 1.0 g,所以每组开始前先归零;轻碰桌面就会产生 2.5 g 的尖峰。
  • 信号处理:每组开始时重新确定基线,移动平均平滑,用 6 点窗口估算速度。
  • 动作识别:Idle / Up / Down 三态状态机,用带迟滞的峰谷检测,并拒绝幅度过小的动作;每完成一次,蜂鸣器和屏幕给出反馈。
  • 缓存:固定 40 KB 数组,一组最多约 150 秒的原始数据,组结束后再上传。
  • 服务端:Javalin 接口解码二进制上传、校验后存入 MySQL,并计算每次动作的指标;验证了从 HTTP POST 到解码、校验、入库的完整流程。
  • 看板与部署:搭建可视化分析看板,部署在 stacksense.xxxmnalx.com;提供可复制的 AI 分析提示词。
  • 在健身房采集真实数据。

技术问题与解决办法

问题 1:数据怎么离开设备:从 BLE 改为 Wi-Fi

问题
最初的架构是 ESP32 → BLE → 手机网关 → 云端。设备端能用,问题出在手机端:nRF Connect 只能读写 BLE 特征值,不能把数据转发到服务器;剩下的选择是 Web Bluetooth 或原生 iOS 应用,而 Safari 和 iOS 上的 Chrome 都不支持 Web Bluetooth,写原生 iOS 应用又超出了我当时的能力。
做法
  • 改为 Wi-Fi 架构:ESP32 以 station 模式直接连接接入点,组结束后直接向服务器发 HTTP 请求。
  • 仓库里的 gateway/ 页面(StackSense BLE Probe)就是这次尝试留下的。
为什么这样做
把手机从数据链路里彻底拿掉,就不再依赖浏览器对蓝牙的支持。代价是用户更换 Wi-Fi 名称和密码更麻烦。

问题 2:把一整组数据放进一次上传:从 JSON 到二进制 POST

问题
第一版按我最熟悉的 JSON 格式上传,但 ESP32 的内存有限,放不下。改成紧凑二进制后,又照实验课的做法把样本放进 GET 查询串,结果较大的组被拒:Javalin 底层的 Jetty 会拒绝超过请求头长度上限的请求行,请求根本到不了我的处理函数。
做法
  • 每个样本打包成 5 字节(时间增量、高度、加速度),整组存在固定的 40 KB 缓冲区里,用编译期断言防止结构体被填充。
  • 组结束后发一个 HTTP POST,正文就是这段原始字节,Content-Type 声明为 application/octet-stream;服务器按 5 字节步长解码还原样本。
为什么这样做
请求正文没有 URL 长度限制,每个样本只占 5 字节,一整组既放得进设备内存,也只需要一次请求。
struct __attribute__((packed)) Sample {
  uint8_t dt;
  int16_t height;
  int16_t accel;
};
static_assert(sizeof(Sample) == 5, "Sample must stay packed at 5 bytes");
// …
static uint8_t sampleBuf[MAX_SAMPLES * sizeof(Sample)];   // 40 KB
// …
http.addHeader("Content-Type", "application/octet-stream");
int code = http.POST(sampleBuf, bufferUsed);
摘自仓库 src/main.cpp:样本结构、缓冲区和上传调用(“// …” 处省略了中间代码)。

结果与验证方法

一组 10 次动作的样本数
2,519
有效采样率(46.5 秒)
54 Hz
2 秒内上传完成
12,595 B
  • 在公共健身房实测:一组有代表性的 10 次动作,46.5 秒内采集 2,519 个样本(有效采样率 54 Hz),2 秒内上传 12,595 字节——正好是每个样本 5 字节。
  • 验证方法:服务器拿到原始样本后独立重新切分动作,切分结果与设备上实时显示的计数一致。

局限

  • 按「一个用户、一台器械、一台服务器」设计,没有账号系统,任何访问看板的人都能看到全部数据。
  • 上传走明文 HTTP、没有鉴权,同一网络里的人可以读取或伪造一组数据。
  • ToF 读数依赖上方表面能漫反射激光;抛光或倾斜的面板、设备稍有倾斜都会让信号失效,所以目前需要准备好的目标表面。
  • 用户需要按键确认一组结束,不支持不间断的连续动作。

证据与资料