（1）硬件端

  1. STM32F103C8T6：用于所有程序的中控和模块数据通信；
  2. 0.96寸OLED：用于显示的各种环境数据，实现实时监测；
  3. WiFi模块：用与数据处理，实现连接app进行数据交互
  4. MAX30102心率模块：用于监测患者的心率和血氧数据；
  5. 体温传感器（DS18B20）：实现实时体温监测，实现异常数据的报警提示；
  6. 蜂鸣器：实现蜂鸣器报警，当监测到异常状态，则开启；
  7. 加速度传感器：用于记录用户行走的步数和运动状态的判断
  8. 添加人脸识别模块进行用户认证

长按按键可以进入锁机

短按按键可以清空步数

（2）APP端

  1. 使用MQTT与设备进行信息交互。
  2. 可采集到底层设备数据并且展示到界面UI中；
  3. 可以显示用户的运动状态和累计步数
  4. 可以通过手机配合硬件进行绑定人脸使用
  5. 心率，血氧，体温过高会自动弹出报警提示框
  6. 可用设置心率血氧和体温的阈值

（3）云平台

只是链接各个设备使用，采用MQTT即时通讯；



# 单片机 # stm32 # 物联网 # 嵌入式硬件
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局