智能運動手環在初中體質健康測試中的應用研究

中圖分類號：G818 文獻標識碼：A 文章編號：1006-8902-（2025）-16-135-3-SZG

隨著《國家學生體質健康標準》在各級中學全面實施，體質測試信息化、標準化已成為教育測評改革的重要方向。傳統人工測試方式誤差較大，嚴重影響數據精度與評價公平性。基于此，本文提出構建以nRF52840智能手環為核心的多模態體測數據采集與識別系統，通過集成IMU傳感器、PPG模組、藍牙5.2協議棧與AI動作識別路徑，系統性解決傳統測評中存在的數據誤差、識別滯后與反饋不及時等問題，具有結構閉環性強、場景適配度高、鏈路響應穩定等優勢。

1、應用案例與核心需求

1.1、案例概述

本文以N市某初中學校為案例，該學校2024年秋季新生體質監測結果顯示整體達標率僅為 62% ，其中引體向上合格率低至 41% 。并且，傳統測試中，手工計時存在明顯人為誤差，50m 跑平均誤差達 ±0.8s ；立定跳遠測試采用的聚氨酯墊板因高頻次使用導致邊緣磨耗，普遍出現2—3cm測量偏差，嚴重影響成績可信度。為構建標準化、自動化的測評體系，該校引入集成三軸加速度傳感器、PPG心率模塊、低功耗藍牙5.2通訊單元的智能運動手環，搭載基于邊緣AI模型的本地動作解析引擎，通過多模態生理與運動數據的實時采集，實現對靜態耐力與動態爆發項目的全鏈路數字化賦碼。測試現場同步部署支持云端回傳協議的藍牙Mesh網關與定制小程序接收終端，形成從數據生成、邊緣處理、無線回傳到終端呈現的全流程融合鏈路，初步建立可拓展、可移植的校本化體測智能監測樣板。

1.2、核心需求

針對《國家學生體質健康標準》在動態化執行中的測評閉環缺失問題，關鍵在于構建具備持續采集能力、行為語義識別能力與遠程數據回傳能力的智能手環集成體系。為滿足連續30天運動負荷數據的個體化采集要求，系統需集成低功耗SoC主控芯片、多軸慣性測量單元與動態心率檢測模組，實現對步頻、加速度、靜息心率、晝夜活動節律等指標的高頻采集與本地緩存管理。同步部署支持連接態保持機制的藍牙5.2廣播協議以保障數據的低延遲同步傳輸，結合AES加密數據包傳輸框架提升鏈路安全性。

個體運動檔案構建需依托小程序端的數據預處理引擎與云端API融合模塊，對每日運動軌跡、訓練時長、心率區間分布等參數完成異構聚合與動態歸檔。系統需適配邊緣推理引擎，對異常行為模式（動作中斷、重復錯誤等）進行本地識別并觸發事件上報，確保連續性與精準度。上述結構性需求共同支撐平臺對測評對象運動生理狀態的周期性結構化分析。

2、初中體質健康測試應用方案設計

2.1、硬件改造設計

（1）低功耗藍牙5.2協議。

為解決初中體育測試場景中通信鏈路受限所導致的數據丟包與回傳延遲問題，本方案在智能手環硬件設計中引入支持傳輸距離擴展至80m的低功耗藍牙5.2協議棧。協議結構由應用層、主機層與控制器層構成，其頂層“應用程序”模塊嵌入體測任務管理邏輯，通過“通用訪問規范”與“通用屬性規范”實現與小程序前端的接口映射與參數交互；中層主機結構集成“屬性協議”“安全管理器”與“邏輯鏈路控制和適配協議”三類通信模塊，屬性協議支持服務發現與GATT配置，安全管理器依托AES-CMAC與LESecure

Connection實現對配對階段的加密綁定，邏輯鏈路控制協議負責數據鏈路分片組裝與廣播緩存協同，確保多節點接入密度下的穩定傳輸。

主機控制接口作為橋接層，承載主從角色調度與事件驅動回調函數調用。底層控制器層劃分為“鏈路層”“物理層”與“直接測試模式”，其中鏈路層包含連接建立、廣播同步、頻道跳頻等機制；物理層采用LECodedPHY調制方式配合ForwardErrorCorrection糾錯技術以增強抗干擾能力，支持長距離傳輸擴展；“直接測試模式”用于終端側空中射頻鏈路參數驗證，確保實測條件下RSSI、CRC命中率與廣播間隔維持在協議容差內。整體架構下實現了覆蓋區域內體測終端的高可靠、低功耗、多節點同步通信（如圖1）。

圖1低功耗藍牙5.2協議結構

（2）定制防脫落腕帶。

為解決初中體測過程中因劇烈運動導致智能手環頻繁脫落的問題，本文對原始佩戴結構進行模塊化重構，設計定制防脫落腕帶組件。腕帶基體采用醫用級彈性熱塑性聚氨酯材質，具備高回彈性與皮膚兼容性，確保佩戴穩定性與長期接觸安全性。主體終端為智能感測模塊腔體，內部集成三軸加速度傳感器、PPG光學采集陣列及nRF52840藍牙5.2主控芯片，具備低功耗持續采樣能力。扣合結構為多段式卡槽插銷，具備三檔咬合槽設計與鎖定反饋彈簧，結合人體工程曲率，確保在高強度擺臂中維持機械閉合狀態。

關鍵防脫模塊為機械旋鈕型止脫器，內嵌不銹鋼彈針與自鎖卡簧系統，可在未人工解鎖狀態下抵抗3N以上橫向拉力，避免非意圖性分離。動態標簽識別點對應光敏電阻與條碼標識區，用于同步綁定體測編號與個人腕帶信息。通氣微孔陣列則分布于腕帶內側，基于氣流交換計算布孔密度與直徑，控制在每平方厘米24個 Φ0.3mm 級通孔范圍內，用以降低汗液積聚對生理信號采集的電極干擾。整體結構兼顧結構穩定性、生理適配性與測試可靠性，在不增加終端模組體積的前提下完成穿戴端抗脫設計。

另外，在腕帶結構邊界處增設應力緩沖襯墊，有效分散長時間佩戴產生的壓迫應力，并設定嵌入式磁力定位片，提升佩戴時的快速導向裝配效率；同時在表面涂層工藝中引入抗菌光敏涂層以抑制細菌滋生，保障多日佩戴情況下的皮膚微生態穩定性，進一步提升手環在復雜環境中的應用適應能力。

2.2、軟件適配設計

（1）開發微信小程序端。

為解決體測數據的實時可視化與教育部《國家學生體質健康標準》數據接口兼容問題，本文設計基于微信小程序端的軟件適配結構，采用WXML與WXSS構建前端交互框架，由WeixinJS-SDK橋接藍牙HCI協議調用接口，實現BLE外設廣播數據的周期性解析與特征解碼。

小程序端嵌入自適應數據解析器，兼容藍牙5.2規范下ATT協議結構，結合UUID映射表對步頻、加速度、心率、卡路里與睡眠節律等特征字段進行動態綁定，支持與手環端GATT服務結構一一對應。界面層則基于MVVM架構設計，動態綁定實時傳感數據狀態與界面呈現組件，支持按項目生成50m跑動態心率曲線圖、立定跳遠動作加速度三軸圖譜、肺活量吹氣時程波形圖等多維數據可視化單元。

為保障多終端并發環境下的數據一致性，系統采用數據隊列緩沖機制及JSON結構化封裝策略，保障廣播數據在端側解碼后穩定入庫，配合OpenData域渲染機制實現學生端、教師端與家長端的差異化視圖調用，形成完整的跨端數據感知與結構化鏈路。同時，小程序前端新增基于項目編號與學籍信息的身份校驗機制，支持測試狀態下實時展示與測試進程圖形化回溯，后臺集成批量導出模塊與異常識別提示機制，輔助教師高效完成結果復核與數據歸檔。系統整體實現從傳感數據捕獲、協議解析、可視展示到評價反饋的端到端閉環支撐，為構建標準化、高頻次、多角色協同的校園體育評價平臺提供技術基礎。

（2）異常動作AI識別。

為實現對體質測試中非標準運動行為的實時判別與信號回溯，系統構建（如圖2所示）的異常動作AI識別流程，本文采用雙端并行架構融合Matlab仿真平臺與運動識別分析手環系統。上位端以S_Kohonen神經網絡為特征分類核心，加載運動行為參數模板庫，經過訓練與離散識別完成初步分類映射，繼以遺傳算法執行特征冗余篩除與最優特征組合，特征提取模塊同步對時域與頻域信號編碼；動作端點檢測模塊基于窗口包絡變化率判定起止邊界，形成標準化動作信號段。該段數據接入動作信號數據庫，與客戶端聯動實現識別結果調用與統計分析。

下位運動識別分析手環端以加速度與角速度六軸IMU數據為基礎，結合端點檢測實現分段提取，隨后根據編碼規則選擇最優特征并調用嵌入式Kohonen網絡完成快速比對識別，最終將識別分值與類別碼通過藍牙低功耗廣播機制上傳至安卓APP客戶端，供其執行可視化反饋與誤差映射修正。在特征選擇、動作判定及邊界識別三個核心環節，系統集成多層神經網絡參數訓練機制，確保模型在時序漂移、突變抖動、噪聲干擾等背景下具備強魯棒性，構建集特征參數提取、編碼權重優化、動作端點檢測與識別反饋為一體的高耦合AI識別閉環。

系統同步集成動作識別置信度計算模塊，對連續誤差識別片段進行動態標記，并結合本地緩存機制保留時序索引，便于教師端批次調閱與誤判追蹤，構建“檢測一判別一反饋一追溯”全過程閉環路徑。

3、應用步驟與結果分析

3.1、應用步驟

本文以N市實驗初中七年級3個班級共計132名學生為對象展開整體驗證。測試前期通過微信小程序端完成用戶綁定與藍牙配對流程，依據學生學籍編碼分配對應設備編號。每塊終端預置六軸IMU傳感器（加速度 ±16g ，角速度 ±2000^°/s^? ）及PPG光電模塊（采樣頻率 50Hz ），由教師端控制同步激活指令。測試項目包括50m跑、立定跳遠、引體向上、肺活量等國家標準指標，在動作發生窗口內執行基于特征加權的端點檢測與編碼識別。手環系統新增包含心率恢復指數、動作標準度、姿態偏離量、加速度均值差、動作耗時變異度、靜息心率指數等6類參數，構建多模態指標體系。測試過程中實時采樣數據、標簽信息、特征向量與反饋標記由JSON結構封裝，動態傳輸至小程序視圖模塊，生成可視報告，再按測試項目與學生編碼自動歸集，形成全過程結構化分析鏈路。

3.2、結果分析

（1）量化效益分析。

在同一場景下對比傳統人工體測流程與應用智能運動手環后的自動化流程，涵蓋測試時長、指標數量、數據精度、回傳穩定性、動作識別分辨率及可視化處理能力六個維度。最終數據通過小程序自動綁定學籍ID與測試項目，生成結構化可視圖譜，替代傳統紙質登記流程。

結果如表1所示，單班完整體測用時由傳統的45min壓縮至 22min ；廣播回傳過程中丟包率維持在 0.4% ，低于人工統計誤差區間；動作端點識別由視覺比對變為基于六軸IMU的特征編碼判別，分辨率達到0.1s級；應用智能運動手環后的數據顆粒度、指標體系擴展及鏈路完整性等多個核心維度也均存在顯著差異，為構建標準化、結構化、自動化的學生體測管理體系提供實證支撐。

表1量化效益分析結果對比

（2）質性反饋分析。

在全面部署nRF52840智能手環系統后，通過訪談問卷、教研記錄與課堂觀察等手段對師生進行質性反饋收集，建立傳統人工測試流程與智能穿戴輔助測試體系在主觀感知與動作識別偏差方面的對比矩陣。測試對象包括132名學生及3名體育教研組教師，圍繞測試激勵性、動作誤判率、教師負荷、設備接受度等維度展開反饋歸集。

結果顯示， 85% 的學生表示通過小程序端實時查看動作數據與心率反饋形成動態鍛煉目標感，主觀鍛煉意愿增強；相較傳統手動計數，仰臥起坐動作自動識別計數誤差由 12% 顯著下降至 3% ，尤其在學生動作起伏幅度低或節奏不穩時優勢明顯；教師端反饋認為測試記錄自動回傳后的班級管理負擔顯著減輕，動作復核頻次降低；另有 91% 的學生接受佩戴智能設備并認為佩戴舒適性優于傳統卡扣式秒表。系統反饋結構清晰，視圖界面穩定，具備課堂即用、數據即存的實時處理特性。

4、結語

綜上所述，本文系統構建了適用于初中體質健康測試場景的智能運動手環集成系統，研究內容涵蓋硬件協議與佩戴結構改造、前端軟件與小程序適配、動作識別AI模型構建與反饋機制設計三個方面，形成從數據采集到異常反饋的完整鏈路。本研究為中學階段體質健康測試的智能化、標準化與過程可追溯性提供了可復制、可推廣的技術方案。

參考文獻：

[1]趙一帆，沈曉靚，湯依，等.華為運動手環測量青少年心率效度研究.體育科技，2025，46（2）.

[2]閆飛宏.智能運動手環對籃球專項訓練的輔助作用研究文體用品與科技，2024（18）.

[3]孫明陽，陳文智.基于用戶需求的滑雪運動手環交互設計Ⅲ工業設計，2024（6）.

[4]楊薇.基于數據分析支持幼兒科學運動的實踐策略以智能運動手環的應用為例[J].亞太教育，2024（9）.

[5]楊曦，琚臘紅，于文濤，等.問卷調查與運動手環測量少年兒童身體活動的相關性分析[.中國公共衛生管理，2023，39（1）.

[6]趙俊杰，張艷芬，崔凱.基于STM32的智能運動手環系統的設計[].電子測試，2022，36（7）.