中国老龄化加剧，独居老人面临跌倒致死率高、多病共存等严峻挑战。为此，该团队开发了基于边缘智能与三维姿态估计技术的非接触式、高性价比监护系统，集成跌倒、服药及久坐检测功能。

系统架构：

硬件: 采用【RK3588】ELF 2开发板与OV9732双目摄像头，搭配3D打印外壳。

软件: 技术链涵盖双目视觉(获取深度信息)、自适应光照(抗光线干扰)、优化的YOLOv8(人体检测追踪)、RTMpose(提取17关键点)、三维坐标计算、多级报警机制。

交互: 配备Web可视化界面及四种报警方式。

核心功能：

跌倒检测：融合YOLO置信度(60%)、加速度(20%)与角加速度(20%)加权判断，结合过程分析显著降低睡觉等场景误报。

服药检测：首创全流程证据链，SIFT匹配药盒特征并追踪位置，语音提示，通过手-药(<0.15m)与手-嘴(<0.15m)距离结合状态机精准判定服药动作，覆盖“提醒未服”盲区。

久坐提醒：基于躯干夹角(≥60°)与腿部夹角(≤120°)动作判断，静坐累计达2小时触发语音提醒。

本项目通过创新算法融合与边缘计算，实现了低成本、高精度、多功能的独居老人智能监护，有效应对老龄化社会健康管理难题。

该项目是一款基于【RK3588】ELF 2开发板设计的智能学习辅助系统， 旨在通过多技术融合解决传统学习场景中的效率与健康痛点。系统核心功能涵盖五方面：

1、基于微表情训练集与YOLO模型，检测眨眼频率、打瞌睡、玩手机等行为，超时则触发语音提醒；

2、通过AI视觉与超声波传感器（HC-SR04）实现桌面高度自适应调节，实时监测坐姿并预警；

3、依托TEMT6000传感器与PWM调光技术，实现光照无级调节以保持环境光稳定；

4、结合SHTC3温湿度传感器，通过加热丝将温度控制在舒适范围（最高45℃，精度±0.2℃）；

5、通过Qt本地界面与微信小程序记录专注度、玩手机次数等指标，提供个性化学习建议。 

该项目是基于ELF 2开发板设计并实现了一款多功能巡检机器人，旨在为中小型驿站仓库、写字楼等场所提供智能化、自动化的安防巡查服务。系统以ROS 2 Humble版本为核心控制平台，结合slam_toolbox和Navigation 2导航框架实现自主建图与路径规划功能，使机器人能够在复杂室内环境中完成高效巡逻任务。 

机器人搭载激光雷达与IMU传感器，通过SLAM技术构建高精度地图，并利用AMCL算法实现定位与导航。在视觉识别方面，采用YOLOv8目标检测模型对环境中的包裹状态、门窗开合情况进行实时识别与分析，有效判断是否存在包裹破损或异常开启情况，提升安全预警能力。 

此外，机器人集成MLX90640热成像模块，能够对环境中的热源进行非接触式温度监测，识别异常高温区域，及时发现潜在火灾隐患，实现多维度的安全检测功能。所有检测结果均可通过ROS 2的消息机制上传至远程监控终端，便于管理人员实时掌握现场状况。 

整个系统具备良好的可扩展性与稳定性，支持多任务协同运行，并可根据实际应用场景灵活配置功能模块。项目实现了从感知、决策到执行的完整闭环控制流程，展示了机器人在智能安防领域的广泛应用前景，为推动智慧仓储与楼宇管理的自动化升级提供了切实可行的技术方案。