本发明专利技术涉及一种运动人员疲惫状态监测平台，包括：套状结构，用于设置在人体上肢或者下肢上，用于扣接人体上肢或者下肢；肌电测量机构，包括肌电传感设备、第一放大电路、第一滤波电路、第二放大电路、第二滤波电路和模拟输出电路，所述肌电传感设备设置在运动后运动人员的皮肤上，内置电极用于测量皮肤下方肌肉随时间释放的电流波形；疲惫识别机构，用于将接收到的数份模拟电流数值作为卷积神经网络模型的输入参数，执行卷积神经网络模型以获得运动人员的疲惫程度百分比。通过本发明专利技术，能够在定制的硬件资源以及定制的卷积神经网络模型的基础上，完成对运动后运动人员的疲惫程度的实时监测，从而提升人体疲惫程度的检测速度和效率。率。
【技术实现步骤摘要】
运动人员疲惫状态监测平台
[0001]本专利技术涉及人工智能领域，尤其涉及一种运动人员疲惫状态监测平台。
技术介绍
[0002]肌肉收缩时会产生微弱电流，在皮肤的适当位置附着电极可以测定身体表面肌肉的电流。电流强度随时间变化的曲线叫肌电图(electromyogram，EMG)。肌电图应用电子仪器记录肌肉在静止或收缩时的生物电信号，在医学中常用来检查神经、肌肉兴奋及传导功能等，以此确定周围神经、神经元、神经肌肉接头及肌肉本身的功能状态。
[0003]托恩伯格(Tornberg)首次将肌电图用于食品科学领域。自此，肌电图技术开始用于食品质地的测量。该方法是一种相对简单的测量肌肉活动的方法，因为将电极贴在皮肤上，就可以测定接近皮肤表面的肌肉电位变化，也不干扰正常的咀嚼活动。当然，肌电图最常见的应用是对人体状态的实时监测。
[0004]目前，在通过人体肌电信号解析人体肌肉疲惫程度的解析模式中，需要进行上述复杂的电位、波幅等参数的提取、分析和判断过程，必须借助计算机完成，如果仅仅显示波形，则需要专业人员进行判断，且判断精度无法满足定量需求。
技术实现思路
[0005]为了解决相关领域的技术问题，本专利技术提供了一种运动人员疲惫状态监测平台，能够在包括用套状结构和肌电测量机构的硬件基础上，引入人工智能模式对检测到的运动人员的肌电信号进行智能化分析，以解析出运动人员的当前疲惫程度，从而快速、准确给出每一个运动人员的人体状态。
[0006]为此，本专利技术至少需要具备以下几处关键的专利技术点：
[0007](1)引入人工智能模式对检测到的运动人员的肌电信号进行智能化分析，以解析出运动人员的当前疲惫程度，从而提升人体疲惫程度检测的智能化水准；
[0008](2)采用套状结构和肌电测量机构构造执行人体智能检测的硬件基础，所述套状结构设置在人体上肢或者下肢上，用于扣接人体上肢或者下肢，所述肌电测量机构包括肌电传感设备、第一放大电路、第一滤波电路、第二放大电路、第二滤波电路和模拟输出电路。
[0009]根据本专利技术的一方面，提供了一种运动人员疲惫状态监测平台，所述平台包括：
[0010]套状结构，用于设置在人体上肢或者下肢上，用于扣接人体上肢或者下肢；
[0011]肌电测量机构，包括肌电传感设备、第一放大电路、第一滤波电路、第二放大电路、第二滤波电路和模拟输出电路，所述肌电传感设备设置在运动后运动人员的皮肤上，内置电极用于测量皮肤下方肌肉随时间释放的电流波形以作为第一电流波形，所述第一放大电路与所述肌电传感设备连接，用于对接收到的第一电流波形执行低噪声前置放大操作，以获得第二电流波形，所述第一滤波电路与所述第一放大电路连接，用于对接收到的第二电流波形执行低通滤波操作，以获得第三电流波形，所述第二放大电路与所述第一滤波电路连接，用于对接收到的第三电流波形执行后置放大处理，以获得第四电流波形，所述第二滤
波电路与所述第二放大电路连接，用于对接收到的第四电流波形执行高通滤波处理，以获得第五电流波形，所述模拟输出电路与所述第二滤波电路连接，用于输出所述第五电流波形；
[0012]分时提取设备，与所述模拟输出电路连接，用于接收所述第五电流波形，并采用预设时间间隔从所述第五电流波形上提取最新数份电流值以作为数份模拟电流数值，所述数份模拟电流数值的数量固定为预设数量；
[0013]疲惫识别机构，与所述分时提取设备连接，用于将所述数份模拟电流数值作为卷积神经网络模型的输入参数，执行所述卷积神经网络模型以获得所述卷积神经网络模型的输出参数即疲惫程度百分比；
[0014]其中，将所述数份模拟电流数值作为卷积神经网络模型的输入参数，执行所述卷积神经网络模型以获得所述卷积神经网络模型的输出参数即疲惫程度百分比包括：获得的所述卷积神经网络模型的输出参数即疲惫程度百分比越接近百分之一百，对应的运动后运动人员的肌肉状态越疲惫；
[0015]其中，所述肌电测量机构、所述分时提取设备和所述疲惫识别机构都设置在所述套状结构上。
[0016]根据本专利技术的另一方面，还提供了一种运动人员疲惫状态监测方法，所述方法包括使用如上述的运动人员疲惫状态监测平台以采用卷积神经网络模型以基于运动人员的肌电信号解析出运动人员的当前疲惫程度。
具体实施方式
[0017]下面将对本专利技术的运动人员疲惫状态监测平台的实施方案进行详细说明。
[0018]肌电信号可用肌电图来表示其波形图形。肌电图(electromyogram，EMG)是指用肌电仪记录下来的肌肉生物电图形，对评价人在人机系统中的活动具有重要意义。
[0019]可以采用专用的肌电图仪或多导生理仪进行测量肌电信号。静态肌肉工作时测得的该图呈现出单纯相、混合相和干扰相三种典型的波形，它们与肌肉负荷强度有十分密切的关系。当肌肉轻度负荷时，图上出现孤立的、有一定间隔和一定频率的单个低幅运动单位电位，即单纯相；当肌肉中度负荷时，图上虽然有些区域仍可见到单个运动单位电位，但另一些区域的电位十分密集不能区分，即混合相；当肌肉重度负荷时，图上出现不同频率、不同波幅、且参差重叠难以区分的高幅电位，即干扰相。该图的定量分析比较复杂，必须借助计算机完成。常用的指标有积分肌电图、均方振幅、幅谱、功率谱密度函数及由功率谱密度函数派生的平均功率频率和中心频率等。
[0020]目前，在通过人体肌电信号解析人体肌肉疲惫程度的解析模式中，需要进行上述复杂的电位、波幅等参数的提取、分析和判断过程，必须借助计算机完成，如果仅仅显示波形，则需要专业人员进行判断，且判断精度无法满足定量需求。
[0021]为了克服上述不足，本专利技术搭建了一种运动人员疲惫状态监测平台，能够有效解决相应的技术问题。
[0022]根据本专利技术实施方案示出的运动人员疲惫状态监测平台包括：
[0023]套状结构，用于设置在人体上肢或者下肢上，用于扣接人体上肢或者下肢；
[0024]肌电测量机构，包括肌电传感设备、第一放大电路、第一滤波电路、第二放大电路、
第二滤波电路和模拟输出电路，所述肌电传感设备设置在运动后运动人员的皮肤上，内置电极用于测量皮肤下方肌肉随时间释放的电流波形以作为第一电流波形，所述第一放大电路与所述肌电传感设备连接，用于对接收到的第一电流波形执行低噪声前置放大操作，以获得第二电流波形，所述第一滤波电路与所述第一放大电路连接，用于对接收到的第二电流波形执行低通滤波操作，以获得第三电流波形，所述第二放大电路与所述第一滤波电路连接，用于对接收到的第三电流波形执行后置放大处理，以获得第四电流波形，所述第二滤波电路与所述第二放大电路连接，用于对接收到的第四电流波形执行高通滤波处理，以获得第五电流波形，所述模拟输出电路与所述第二滤波电路连接，用于输出所述第五电流波形；
[0025]分时提取设备，与所述模拟输出电路连接，用于接收所述第五电流波形，并采用预设时间间隔从所述第五电流波形上提取最新数份电流值以作为数份模拟电流数值，所述数份模拟电流数值的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种运动人员疲惫状态监测平台，其特征在于，所述平台包括：套状结构，用于设置在人体上肢或者下肢上，用于扣接人体上肢或者下肢；肌电测量机构，包括肌电传感设备、第一放大电路、第一滤波电路、第二放大电路、第二滤波电路和模拟输出电路，所述肌电传感设备设置在运动后运动人员的皮肤上，内置电极用于测量皮肤下方肌肉随时间释放的电流波形以作为第一电流波形，所述第一放大电路与所述肌电传感设备连接，用于对接收到的第一电流波形执行低噪声前置放大操作，以获得第二电流波形，所述第一滤波电路与所述第一放大电路连接，用于对接收到的第二电流波形执行低通滤波操作，以获得第三电流波形，所述第二放大电路与所述第一滤波电路连接，用于对接收到的第三电流波形执行后置放大处理，以获得第四电流波形，所述第二滤波电路与所述第二放大电路连接，用于对接收到的第四电流波形执行高通滤波处理，以获得第五电流波形，所述模拟输出电路与所述第二滤波电路连接，用于输出所述第五电流波形；分时提取设备，与所述模拟输出电路连接，用于接收所述第五电流波形，并采用预设时间间隔从所述第五电流波形上提取最新数份电流值以作为数份模拟电流数值，所述数份模拟电流数值的数量固定为预设数量；疲惫识别机构，与所述分时提取设备连接，用于将所述数份模拟电流数值作为卷积神经网络模型的输入参数，执行所述卷积神经网络模型以获得所述卷积神经网络模型的输出参数即疲惫程度百分比；其中，将所述数份模拟电流数值作为卷积神经网络模型的输入参数，执行所述卷积神经网络模型以获得所述卷积神经网络模型的输出参数即疲惫程度百分比包括：获得的所述卷积神经网络模型的输出参数即疲惫程度百分比越接近百分之一百，对应的运动后运动人员的肌肉状态越疲惫；其中，所述肌电测量机构、所述分时提取设备和所述疲惫识别机构都设置在所述套状结构上。2.如权利要求1所述的运动人员疲惫状态监测平台，其特征在于：将所述数份模拟电流数值作为卷积神经网络模型的输入参数，执行所述卷积神经网络模型以获得所述卷积神经网络模型的输出参数即疲惫程度百分比包括：获得的所述卷积神经网络模型的输出参数即疲惫程度百分比越接近零，对应的运动后运动人员的肌肉状态越精神。3.如权利要求2所述的运动人员疲惫状态监测平台，其特征在于，所...
【专利技术属性】
技术研发人员：丁志莲，
申请(专利权)人：丁志莲，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。