MQTT Jobs

I have an ESP32 connected to a load cell and HX711 amplifier, and I need the complete firmware-to-mobile workflow that turns it into a working weight-measurement prototype. The microcontroller must read stable, calibrated values from the load cell, push them over Wi-Fi or Bluetooth, and display them inside a companion mobile app on both iOS and Android. On the hardware side, please handle: • HX711 calibration routine with tare and unit conversion • Continuous or on-demand weight sampling (configurable) • JSON payload transmission via MQTT or HTTP (I’m flexible on protocol) • Low-power sleep strategy so the ESP32 can run on battery For the software side, I’d like a clean, cross-platform mobile app (Flutter or React Native are fine) that: • Au...

我准备上线一套面向居家场景的智能监测系统，希望通过视觉与物联网技术，及早发现老人或慢病人群的高危状况并推送告警。 核心需求 1. 高危动作异常 —— 同时精准识别“摔倒”与“跌倒”，第一时间触发报警。 2. 状态失能异常 —— 既要判断“长时间静止不动”，也要捕捉“无自主行为”状态，实现持续跟踪。 3. 出入与行为节律 —— 对家门进出时间、频次和时段进行建模，结合如厕频率、徘徊轨迹、家电使用等行为模式，挖掘偏离日常规律的征兆。 4. 生理体征 —— 基于微动信号提取呼吸、心率等指标，与个人基线比较后给出健康风险提示。 我期望的交付 • 场景与传感器选型报告：摄像头、毫米波雷达、惯性传感器等可行性分析。 • 算法与模型：包含数据清洗、特征工程、深度学习或传统 CV/信号处理方案，需给出训练脚本与推理 API。 • 功能性原型：可在本地或边缘端实时运行，界面展示告警信息，并通过 MQTT/HTTP 推送到后台。 • 技术文档：部署指南、接口说明、测试用例及关键性能指标（例如跌倒检测准确率、误报率等）。 理想人选 熟悉 OpenCV、PyTorch/TensorFlow 或 mmWave SDK，对人体姿态估计、时序异常检测有实战经验；能在 Linux + Docker 环境里快速迭代；对养老、康复或智慧家居项目有交付记录更佳。 请附上相关案例、模型效果或仓库链接，让我能快速评估你的解决思路和交付能力。期待与你合作，把这套居家安全“护身符”尽快落地。