AI sports data logger

Make an AI sports data logger with micro:bit CreateAI that logs how much time you and others spend running, walking and being still. 

Étapes 1 : comprendre

How does it work?

In this project, you’ll train a machine learning (ML) model to recognise when you’re running, walking and being still.

You’ll combine that model with a MakeCode program that uses the micro:bit’s data logging function to record what action you are doing every second.

This project could be useful in sports such as football or netball where you need to analyse how active certain players are. You could also use it to monitor how much time you have spent running or walking during school breaks or a during a workout.

Qu'est-ce que l'apprentissage automatique ?

L'apprentissage automatique (Machine Learning en anglais) est une sorte d'intelligence artificielle (IA) où les ordinateurs peuvent apprendre et prendre des décisions basées sur des données.

Les modèles d'apprentissage sont formés par les humains pour les aider à prendre ces décisions, par exemple, pour reconnaître différentes ‘actions’ lorsque vous déplacez votre micro:bit de différentes manières.

Que dois-je faire ?

Les systèmes IA ont besoin d'êtres humains pour les concevoir, les construire, les tester et les utiliser. Vous allez collecter des données pour entraîner un modèle ML, le tester, l'améliorer et le combiner avec un code informatique afin de créer un appareil intelligent qui utilise l'IA. Vous utiliserez un micro:bit et le site web micro:bit CreateAI pour faire cela.

Étape 2 : programmer

Ce dont vous aurez besoin

• A micro:bit V2, USB cable, and a battery pack with 2 x AAA batteries
• A computer (e.g. desktop, laptop, or Chromebook) with access to the micro:bit CreateAI website, using a Chrome or Edge web browser
• Si votre ordinateur n'est pas équipé de la fonction Bluetooth, vous aurez besoin d'un micro:bit V2 supplémentaire.
• A strap and holder, or another way to attach the micro:bit to your wrist (e.g. flexible craft stems or elastic bands)
• You may also find our micro:bit CreateAI teaching tips useful

Collecter des échantillons de données

When you open the project in micro:bit CreateAI, you’ll see we’ve given you some data samples for ‘running’, 'walking’ and ‘still’ actions:

You can add your own movement samples using the micro:bit's movement sensor or accelerometer.

Dans micro:bit CreateAI, cliquez sur le bouton « Se connecter » pour connecter votre collection de données micro:bit et suivez les instructions.

Attach the data collection micro:bit to your left wrist like a watch, with the logo at the top. Click on the first action, ‘walking’, and click 'Record' to record your own data samples. En cas d'erreur, vous pouvez supprimer les échantillons que vous ne souhaitez pas. Vous pouvez également appuyer sur le bouton B du micro:bit pour commencer l'enregistrement.

Si vous souhaitez enregistrer en continu pendant 10 secondes pour obtenir 10 échantillons, cliquez sur les trois points à côté du bouton Enregistrer et sélectionnez cette option.

Now record your own data samples for the ‘running’ action, then the ‘still’ action, making sure for ‘still’ that you collect samples in different positions, such as facing up and down.

Entraîner et tester le modèle

Cliquez sur le bouton « Entraîner le modèle » pour entraîner le modèle, puis testez-le. Try walking and see if ‘walking’ is the estimated action, then running to see if ‘running’ is the estimated action. Keep still and see if ‘still’ is estimated. Give your micro:bit to someone else to wear (making sure they put it on the same wrist and in the same orientation) and see if it works as well for them.

Améliorer votre modèle

La plupart des modèles peuvent être améliorés avec plus de données. If the model needs improving, click on ‘← Edit data samples’.

You can delete any data samples which you think don’t fit or add more samples from yourself and other people.

Entraînez à nouveau le modèle et testez-le à nouveau.

Mettez le modèle et le code sur votre micro:bit

Dans micro:bit CreateAI, cliquez sur « Modifier dans MakeCode » pour voir le code du projet dans l'éditeur MakeCode.

You can modify the code or just try it out as it is. Attach your micro:bit using a USB cable, click on the ‘Download’ button in the MakeCode screen, and follow the instructions to transfer your AI model and the code blocks to it.

Attach a battery pack to the micro:bit and put it on, ready to test out.

Collect your data

First press buttons A and B together to delete any old data logs from your micro:bit. Reset the timer by pressing the reset button on the back of the micro:bit. Press button A to start logging and button B to stop logging. 

Your data will stay on your micro:bit even if you disconnect the battery or press the reset button.

Analysez vos données

Déconnectez le coupleur de piles et rebranchez la micro:bit sur un ordinateur. Le micro:bit apparaît comme une clé USB appelée MICROBIT. Regardez dans le lecteur MICROBIT et ouvrez le fichier MY_DATA pour voir un tableau de vos données dans un navigateur web :

The time stamps in the log represent the amount of time that has passed since your micro:bit was powered on or reset.

Click on Visual preview to see a graph of your data:

You can also click on the Copy button and then paste your data into a spreadsheet.

Comment fonctionnent les blocs de code

This program uses a variable called ‘logging’. A variable in a computer program is a container for storing data which can be accessed and updated while the program is running. In this program, the variable ‘logging’ controls if the micro:bit is logging or not and can be set to ‘true’ or ‘false’. Variables that can be set to these two values are called ‘Boolean’ variables.

When the program starts, the variable ‘logging’ is set to false. A show icon block is used to display a ‘no’ icon on the LED display to indicate the micro:bit is not logging. The set columns and set timestamp blocks create labels for the data logging table your micro:bit will produce.

The on button A pressed block is used to set logging to ‘true’ and show a ‘yes’ icon on the LED display. The on button B pressed block is used to set logging to ‘false’ and show a ‘no’ icon on the LED display. And the on buttons A + B pressed block sets logging to ‘false’, displays a skull icon, and deletes any log.

Finally, an ‘every’ block is used to check every 1,000 milliseconds or second if the micro:bit is logging. If it is, an ‘if then else’ block is used with ‘is ML detected’ and ‘log data’ blocks to record a 0 if you are still, a 1 if you are walking and a 2 if you are running in your data logging table. If the micro:bit cannot detect what you are doing, it records a -1 in the table. Bigger numbers are used for more active actions, so the resulting data logging graph gives you a clear visual record of how active you have been.

Évaluation

How accurate is the AI sports logger in tracking your movements? How could you improve its accuracy? Who would find this device particularly useful? How does it compare to the Step counter or the Movement data logger projects?

Étape 3 : étendre

• Add a fourth action such as ‘throwing’ for sports like netball or tennis.

• Add up how much time you spent on each activity. You could do this saving your data as a CSV file, opening it in a spreadsheet and using a formula such as =COUNTIF(B2:B70,1) Where B2:B70 is the range of the activity cells, and 1 is the activity number meaning ‘walking’.