如果足够准的话,还有比体脂秤更好的身体数据采集器吗?

简介:

随着智能硬件概念火爆,越来越多的传统产品开始智能化,PICOOC(有品)推出的体脂秤就在体重秤的基础上加上了人体各项数据采集的功能。

如果足够准的话,还有比体脂秤更好的身体数据采集器吗?1

随着智能硬件概念火爆,越来越多的传统产品开始智能化,PICOOC(有品)推出的体脂秤就在体重秤的基础上加上了人体各项数据采集的功能。在降低了表带、机身和屏幕玻璃的材质后,PICOOC新推出的体脂秤只卖99元。

“我们真的是赔钱在卖。”沈忱,PICOOC的联合创始人着重强调了真的二字。她在这家做体脂秤的公司,主管软件开发和数据分析工作。她的团队一直在研究怎么把硬件上“赔的钱”赚回来。“二三十人”的硬件团队,多达“四五十人”的软件团队,PICOOC的目标很远大。

准确率怎么样

如果足够准的话,还有比体脂秤更好的身体数据采集器吗?2

但是给PICOOC泼冷水的是,目前对体脂秤投不信任票的人仍然不少。同样售价99元,小米也没有在体重秤上加上测量体脂的功能。根据华米CEO黄汪的说法,不做体脂秤是因为现阶段体脂秤根本测不准。黄汪负责小米体重秤的开发,他的话代表了很多公司的观点。

准不准,还真是个大问题。市面上的体脂秤和体脂分析仪基本原理一样,都是生物电阻测量法——脂肪导电率低,肌肉导电率高,微弱电流通过人体后获得的电阻值,再结合用户的身高、体重、年龄等参数,综合计算体脂率。体重相对而言是静态的,生物电阻法测得的体脂率则是动态的,大量喝水和运动都会影响测量结果,在固定的时间、类似的状态下测量的值才具备足够的参考价值。随着健身成为一种生活方式,愿意主动了解体脂率、基础代谢率等知识的人越来越多,接受体脂秤这种用法的人也越来越多。

为了让测量结果更准确,区别于市面上只有1道频率测量电流的产品,PICOOC秤采用4道不同频率的交流电进行测量。不过从网上的产品介绍中,并没有PICOOC的这项技术说明。

测量结果并不是最终的呈现结果。电阻值需要与用户的性别、身高、体重、年龄等信息结合起来,才能进一步计算出体脂率的具体数值。用户样本(模型)的数量越多,覆盖的人群就越广,数据就越准确。同样像现在很火的人脸识别,face++为什么准,就在于它庞大的数据样本。

如何使用采集的数据

如果足够准的话,还有比体脂秤更好的身体数据采集器吗?3

你往体脂秤上一站,等待8秒钟左右,就能知道体重、(皮下)脂肪率、内脏脂肪率、肌肉、水分、骨量、蛋白质、基础代谢率等指标。相当于给身体跑个分。每天坚持同一时段测量,比如早起刚上完厕所之后,数据会更有参考价值。

PICOOC的app会对每一项数据进行解读并且给出一个参考范围。对于这样一款产品来说,核心体验就是让用户对数据变化了如指掌。这样才能让用户对产品产生信任,坚持每天用,从而越用越准。

换个角度,使用体脂秤越多,PICOOC就越了解你。“你在支付宝上消费,阿里就知道你是什么样的人,信用程度如何。”沈忱介绍PICOOC真正想做的事,也是通过持续的数据,了解用户是个什么样的人,进而推荐其他服务。“比如很多减肥用户都想从吃上改变。不知道该怎么吃。这就是很好的缺口。很多机构在做减肥餐、健身餐、无油餐,据我所知,薄荷社区代餐业务已经迅猛增长为主营业务。仅给减肥的人提供他们想吃的东西这一项,就大有可做。”

推荐健身服务、健康饮食服务,甚至在医疗保险上,PICOOC也有很大的想象空间。设想一下,一个身体健康的人和一个身体肥胖,而且持续肥胖的人,所获得的健康保险评分肯定是不一样的。

PICOOC 2014年的销售数据是12万台,2015年有望达到30万台。不过沈忱说,PICOOC秤的数据处理和软件功能离目标还很远,万里长征才走了一半不到。她希望PICOOC在有更多用户量以后,接入更多数据和服务,包括健身、跑步等这样的运动数据,未来提供饮食、医疗、保险的服务。

总结

用沈忱的话说:“虽然你看到的只是一个小疙瘩,在墙上,长得很美,但在背后它(Nest)如何通过算法和学习功能理解用户喜好,调控温度,让人感觉舒服……这也是人类希望的人工智能前进的方向。”如果能像Nest恒温器一样,将算法、硬件、生活本身完美地结合到一起,在不知不觉间,用户已经感受到了更优质的生活。

在数据的背后是智能化,一样的体重减轻,但持续下降和骤降,PICOOC会给出完全不同的反馈。这样来看,如果足够准的话,还有比体脂秤更好的身体数据采集器吗?


原文发布时间: 2015-07-11 18:15
本文作者: maker
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
11月前
|
存储 弹性计算 NoSQL
阿里云服务器云盘类型怎么选?ESSD AutoPL、ESSD和ESSD Entry云盘区别及选择参考
云盘是阿里云为云服务器ECS提供的数据块级别的块存储产品,采用分布式三副本机制,为ECS实例提供99.9999999%的数据可靠性保证。目前阿里云服务器可选的云盘中,主要以ESSD AutoPL、ESSD和ESSD Entry云盘为主,有的用户并不清楚他们之间有什么区别,主要区别在于它们的目标应用场景、提供的性能级别以及成本效益比,本文就为大家介绍他们之间的区别及选择参考。
1714 15
|
数据采集 存储 监控
大数据的数据来源 - 数据采集的方式(数据接入的方式)
大数据处理关键技术一般包括:大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用(大数据检索、大数据可视化、大数据应用、大数据安全等)。下面主要介绍下大数据采集
6658 0
|
人工智能 架构师 项目管理
软件工程师,超过35岁怎么办
软件工程师,超过35岁怎么办
435 71
|
机器学习/深度学习 自然语言处理 算法
深度学习在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,深度学习已在多个领域展现出其强大的能力,尤其是在医疗诊断领域。本文旨在探讨深度学习技术如何助力医疗诊断,提升疾病识别的准确性和效率。通过分析深度学习在图像识别、病理分析等方面的应用案例,揭示其在处理大数据、复杂模式识别中的优势。同时,本文也将指出深度学习在医疗领域中面临的挑战,包括数据隐私问题、算法的可解释性以及跨领域合作的必要性。文章将基于最新的科研研究和统计数据,提供一个科学严谨、逻辑严密的视角,深入解读深度学习在医疗诊断领域的应用前景及所面临的挑战。
326 27
|
机器学习/深度学习 并行计算 计算机视觉
Jurgen、曼宁等大佬新作:MoE重塑6年前的Universal Transformer,高效升级
本文介绍了一种新型Transformer架构,旨在解决Universal Transformer (UT) 在参数-计算效率上的问题。MoEUT结合了Mixture-of-Experts (MoE) 方法和UT的优点,通过MoE Feedforward Blocks、MoE Self-Attention Layers、Layer Grouping及Peri-LayerNorm等技术创新,实现了更高效的计算和内存使用。实验结果显示,MoEUT在多个语言建模和代码生成任务上显著优于标准Transformer,且计算资源需求更低。
333 5
|
消息中间件 存储 算法
时间轮在Kafka的实践:技术深度剖析
【8月更文挑战第13天】在分布式消息系统Kafka中,时间轮(Timing Wheel)作为一种高效的时间调度机制,被广泛应用于处理各种延时操作,如延时生产、延时拉取和延时删除等。本文将深入探讨时间轮在Kafka中的实践应用,解析其技术原理、优势及具体实现方式。
430 2
|
Python
Pycharm为Python项目配置环境不生效,解决办法
在PyCharm中,项目依赖配置更改后未生效。解决步骤包括:1) 查找`C:\Users\username\AppData\Roaming\JetBrains\PyCharm2022.2\options\jdk.table.xml`,2) 删除`<jdk></jdk>`标签内的旧配置内容,然后重启PyCharm以应用新目录。
1432 0
Pycharm为Python项目配置环境不生效,解决办法
|
存储 设计模式 JSON
日志管理系统,多种方式总结
好记性不如好Log。项目中日志的管理是基础功能之一,不同的用户和场景下对日志都有特定的需求,从而需要用不同的策略进行日志采集和管理,如果是在分布式的项目中,日志的体系设计更加复杂。
1034 0
日志管理系统,多种方式总结
|
人工智能 IDE Linux
编程ai工具Copilot
介绍GitHub 的 Copilot 和 Alibaba Cloud AI Coding Assistant (Cosy) 是两个代码辅助工具。
422 2