面向居家养老场景，融合视觉AI与惯性传感的双重跌倒检测，全本地存储守护隐私， 已在RISC-V平台完成YOLOv8-Pose部署，单帧推理仅需45ms。
5大功能模块，覆盖从感知、决策到告警的全链路康养监护需求。
YOLOv8-Pose提取17个关键点，结合六轴陀螺仪加速度突变检测，通过宽高比、躯干角度与帧计数三重判定，大幅降低误报。
YOLOv8-PoseMPU6050融合判定实时监测温湿度与烟雾浓度，异常时本地LED闪烁报警并远程推送通知，防止火灾、高温等次生灾害。
DHT11MQ-2健康日志与跌倒截图全部写入Micro SD卡，AES-128加密，杜绝云端泄露风险，设备被盗也无法提取隐私数据。
SPI SD卡AES-128本地声光报警 + MQTT远程推送，家属手机实时接收告警摘要与现场截图，老人亦可一键手动求助。
MQTTWiFi 6I2C / SPI驱动、ncnn推理代码、CMake配置全部开源，提供从环境搭建到部署的完整教程。
GitHubMITRISC-V适用于独居老人家庭、社区日间照料中心、小型养老机构，硬件精简，部署便捷，适配老旧居住环境。
居家养老社区康养三层解耦架构：感知层（传感器阵列）→ 计算层（Duo S + TPU）→ 执行层（告警 / 存储 / 推送）。
USB摄像头
MPU6050陀螺仪
DHT11 / MQ-2传感器
独立按键模块
SG2000 RISC-V + ARM
0.5 TOPS TPU
ncnn推理引擎
Buildroot Linux
LED + 蜂鸣器告警
MQTT远程推送
SD卡本地存储
家属手机App
核心板 + 自研扩展板 + 低成本外设模块，全部硬件设计文件开源。
MILKV Duo S · 算丰 SG2000
RISC-V C906 @1GHz + Cortex-A53 @1GHz
512 MB DDR3 · 0.5 TOPS TPU
Wi-Fi 6 / BT 5.4 · 100Mbps 以太网
已完成 PCB 设计，包含：
U6 / U7 Duo S 焊接位 · LED1-4 · SW1-4
H1 / H2 双排针引出全部 GPIO
U8 稳压电路(3.3V / 5V)
MPU6050(I2C) · SD卡模块(SPI)
USB 摄像头 · DHT11 · MQ-2
独立按键 · 蜂鸣器
独创"宽高比 + 躯干角度 + 连续帧计数"三级过滤，融合陀螺仪数据实现多模态验证。
| 步骤 | 名称 | 技术细节 |
|---|---|---|
| ① | 模型部署 | YOLOv8-Pose → INT8量化 → ncnn格式 → RISC-V交叉编译(riscv64) |
| ② | TPU推理 | 640×480帧 → OpenCV预处理 → TPU推理 → 人体包围框 + 17个关键点 |
| ③ | 宽高比判断 | 若 box.width / box.height > 1.2 ，人体呈平躺状态 |
| ④ | 躯干角度计算 | 肩→髋→膝夹角 < 90°，确认躯干近乎水平 |
| ⑤ | 时间滤波 | 连续 8帧 同时满足条件才触发，消除瞬时误判 |
| ⑥ | 惯性融合 | 陀螺仪加速度幅值超阈值 + 俯仰角突变 → 立即确认或加速告警 |
📊 实测数据：单帧推理 ~45ms · 模型大小 < 3MB · 在遮挡 / 暗光下误报率显著低于纯视觉方案。
所有代码、硬件设计、模型文件按 MIT 协议托管于 GitHub，提供从零开始的完整教程。
所有外设驱动从零编写并适配 RISC-V 平台，已通过 24 小时压力测试，传感器采集无断连，AI 推理持续流畅。