用 reCamera 打造一个会提醒你的「坐姿矫正器」 - reCamera Gimbal 2002w 8GB - dongxiang0607 - CodeCraft Hub
Scene: Maker. Edge AI application on CodeCraft Hub for Maker use cases.
Devices / BOM: reCamera Gimbal 2002w 8GB
Maker application on CodeCraft Hub. 一个无代码 + 一个 Function 节点，把 reCamera、一个自训练 AI 模型和飞书机器人串起来，让 AI 替你盯着自己的坐姿与久坐时间。
Documentation
一、为什么要做这个
久坐、低头看手机、前倾趴桌已经成了大多数程序员、设计师、学生的「默认状态」。颈椎、腰椎和视力都在替我们慢慢买单。
市面上有很多软件型的坐姿提醒，但它们要么基于固定时间间隔粗暴打扰，要么需要你戴一个额外的传感器。
借助 Seeed Studio reCamera 自带的本地 AI 推理能力 + 内置 Node-RED，我们完全可以做一个：
完全离线、不上传画面 ，隐私安全
真正基于姿态识别 ，而不是傻瓜定时器
不打扰 ，会防抖、会限流、会区分「真的离开」和「短暂走开」
能联动飞书 / 钉钉 / 企微/邮件等通知通道
下面是它最终长这样。
二、它能做什么
整套系统会持续监控你的坐姿状态并把结果写到 Node-RED 节点的状态栏上。当满足条件时，会通过飞书机器人主动提醒。
具体规则：
坐姿提醒 ：检测到低头或前倾 累计 ≥ 5 秒 （允许中间夹杂少量正常帧，不会立即打断计时），就推送一次提醒。
限流 ：坐姿提醒最多 1 分钟一次 ，不会刷屏。
久坐提醒 ：连续在位坐满 45 分钟 首次提醒，之后每 5 分钟 再提醒一次，文案会自动把分钟数显示成「X 小时 Y 分钟」。
离座清零 ：必须连续 15 秒 都判定为无人，才会把久坐计时清零；短暂转身、起来拿杯水不会让你之前的 30 分钟白白被重置。
多帧投票 ：用最近 10 帧的多数票判定「是否有人」，模型偶尔抖动一帧不会让状态翻转。
刚入座缓冲期 ：刚坐下的前 10 秒不报坐姿，避免人还没坐稳就误报。
三、整体架构
Code snippet included — open the application page to copy it.
四、你需要准备什么
硬件
reCamera 一台 （任意支持 SenseCraft AI 训练 + Node-RED 的版本均可）
网线（type-c数据线）或 WiFi 网络
一台能打开浏览器登录 reCamera Web 界面的电脑
账号 / 服务
SenseCraft AI 账号 （用于训练模型）
飞书账号 （用于创建一个「自定义机器人」webhook）
Deploy steps
- 步骤 1：训练你自己的坐姿模型
5.1 采集图片
在 reCamera 自带的 SenseCraft AI 训练界面里直接用摄像头拍即可。建议：
每类至少 200 张
同一个工位拍 不同时间、不同光照、不同穿着
noperson 要拍出 多种空场情况 ：椅子拉出 / 推入 / 桌上有杂物 / 没杂物 / 不同时段的光线
低头/前倾要拍 不同程度 ：轻微弯腰、明显趴桌、低头看手机、低头写字……
5.2 训练 & 部署
在 SenseCraft AI 里点击「Train」，等几分钟训练完成后，直接「Deploy」到 reCamera。
部署完成后，可以在 reCamera 自带的预览页打开「Confidence」滑块查看每帧 4 类的置信度。这一步是验证模型是否学得对的最直接方式。
- 步骤 2：理解 model 节点输出的数据结构
打开 Node-RED，把 model 节点连一个 debug 节点，先看清模型输出到底是什么样。
实际样本：
Code snippet included — open the application page to copy it.
关键字段含义：
classes[i] = [score, classIndex] ：第 i 条检测的得分（INT8 量化后的 logit，注意 可以是负数 ）和它在模型类别字典里的索引。
labels[i] ：第 i 条检测对应的人类可读标签，与 classes[i] 一一对应。
类别字典固定为： 0=forward, 1=headdown, 2=noperson, 3=normal
- 步骤 3：写 Node-RED 的判断逻辑（核心 Function 节点）
新建一个 Function 节点 ，命名为 posture 检测和通知 ，连接顺序：
Code snippet included — open the application page to copy it.
Posture 检测和通知 这个节点会做以下几件事：
从每帧 msg.payload.data.classes/labels 里挑出 最高分 的那一类作为当帧姿态；
把当帧姿态喂进一个 多帧投票队列 （最近 10 帧），稳定地决定「有人 / 无人」；
用两套状态机分别管理「坐姿不良会话」和「久坐会话」；
满足提醒条件时，组装出包含 msg.url 、 msg.method 、 msg.headers 、 msg.payload 的对象，交给下游 http request 节点发飞书。
节点底部状态栏会实时显示当前状态，例如：
🟢 normal sit=12m：在位正常坐姿，已坐 12 分钟
🟡 forward 3s sit=23m：在位前倾，已持续 3 秒，已坐 23 分钟
⚪ no person (8s)：判定无人 8 秒中（还没到 15s 不会清零）
🔵 settling 7s sit=0m：刚坐下，前 10s 内不报坐姿
🔴 FIRED ×1 @19:23:41：刚触发了一次飞书提醒
- 步骤 4：连飞书机器人
在飞书群里创建机器人
任意一个飞书群里，「设置」→「群机器人」→「添加机器人」→「自定义机器人」。 设置一个名字（例如「坐姿守护」），然后会得到一个 Webhook URL。
把 URL 填进 send-msg.js
Code snippet included — open the application page to copy it.
配置 http request 节点
http request 节点保持以下默认即可（URL 由 Function 节点动态写入 msg.url ）：
Method : set by msg.method
URL : 留空
Return : a UTF-8 string
部署整套 flow，正常情况下，3~5 秒内就能在飞书群看到第一条来自机器人的「在线」式提醒（你可以临时把 sustainMs 改成 2s 来快速验证）。