寵物智能項圈 × 寵糧：一個可落地的健康數據閉環

為什么需要閉環？

寵物智能項圈現在大多只做兩件事：報位置、記步數。心率偶爾能測，但不準；體溫、呼吸、睡眠質量這些關鍵指標，要么測不了，要么數據飄得沒法用。更關鍵的是，即使測到了，數據也停在App里——沒人告訴主人“今天心率偏高，可能和早上那頓高脂糧有關”，也沒法自動調喂食方案。

真正的健康閉環不是堆傳感器，而是讓項圈數據、寵糧成分、喂食行為、體征變化之間形成可驗證的因果鏈。

媧寶項圈怎么跑通這個閉環？

它沒用“黑盒AI”，而是把事情拆成四層，每層都可調試、可驗證：

• 骨傳導+PPG+柔性應變片三路并行：骨傳導抓吞咽/咳嗽/打鼾震動，PPG測心率變異性（HRV）和血氧趨勢，柔性片貼合頸圍變化，反推呼吸頻率和壓力狀態。三路數據交叉校驗，比如PPG信號受毛發干擾大時，用骨傳導的呼吸節律兜底。
• 端側只跑輕量規則引擎：不跑模型，只做閾值判斷（如連續3次HRV下降＞15%觸發告警）、滑動窗口統計（10分鐘內靜止時長占比）、原始波形壓縮（保留特征點，丟棄冗余采樣）。功耗壓到單次充電撐14天。
• 云端模型只處理對齊后的多模態序列：把項圈傳上來的壓縮波形、時間戳、姿態標簽，和App里錄入的寵糧成分表（蛋白質/脂肪/纖維含量、是否含益生菌）、喂食時間、手動標記的“今天拉稀了”等事件，拼成帶時間戳的結構化序列。模型只學一件事：給下一個24小時的體重變化、活動量衰減率、HRV波動幅度打分。
• 閉環從“建議”變成“動作”：評估結果不只顯示“建議減少脂肪攝入”，而是直接生成喂食指令：「明日早食減15%脂肪，替換為同等熱量的燕麥纖維」，并同步給支持API的自動喂食器。

關鍵技術點

• 多模態對齊必須靠時間戳硬同步：項圈本地RTC芯片校準到毫秒級，每次上傳數據包自帶GPS授時戳；寵糧錄入時App強制要求拍攝包裝條碼+手動確認生產日期，避免成分表過期。
• 端側不做預測，只做可信度標注：比如某段PPG波形信噪比＜0.6，端側直接打標[low_quality]，云端收到后跳過該片段，不參與HRV計算——寧可少數據，不喂臟數據。
• 寵糧聯動不是查數據庫：每款接入的寵糧必須提供可驗證的營養成分JSON Schema（含檢測報告編號），系統會定期抽檢第三方實驗室數據，匹配不上就暫停聯動。

實操步驟（無廢話版）

1. 硬件啟動

# 1.1 拆封后先充至綠燈（約2小時），別跳過——低電量時骨傳導傳感器靈敏度降30%
# 1.2 打開App，用手機攝像頭掃項圈內圈二維碼（不是包裝盒上的）
# 1.3 配對時App會提示“請讓寵物低頭3秒”，這是校準骨傳導基線，必須做

2. 數據采集配置

# 2.1 進入「健康監測」→「自定義采集」
# 2.2 必選：心率（PPG）、頸圍微變（柔性傳感）、喉部震動（骨傳導）
# 2.3 采集間隔：日常用10分鐘；換糧觀察期切到3分鐘（需插電使用）
# 2.4 關閉「運動計步」——它和健康評估無關，還搶帶寬

3. 寵糧接入

# 3.1 「飲食管理」→「添加糧品」→ 拍攝包裝正面+背面營養成分表
# 3.2 手動輸入批號，系統自動關聯該批次第三方檢測報告（無報告則無法啟用聯動）
# 3.3 設置喂食計劃：精確到克/餐，標注「主食」「補劑」「處方糧」類型

4. 閉環生效

# 4.1 每日7:00 App推送「今日喂食指令」，含：
#     - 早餐克重調整（±5g）
#     - 是否添加益生菌（是/否）
#     - 建議飲水量（ml）
# 4.2 自動喂食器收到指令后執行，執行記錄實時回傳云端
# 4.3 72小時后，系統比對指令執行率、體重變化、HRV恢復速度，生成優化報告

5. 效果驗證

閉環是否真起作用？看三個硬指標：

• 響應延遲：從項圈檢測到異常（如夜間HRV驟降）到App推送喂食調整指令，≤4小時
• 歸因準確率：系統標記“某次腹瀉與XX糧相關”，經獸醫確認符合率＞82%（基于127只貓狗實測）
• 干預有效率：按指令調整喂食后，目標指標（如肥胖犬的體重周降幅）達標率提升3.8倍

翻車現場與解法

數據傳不上去？

• 先看項圈藍燈是否快閃（正常）：不閃？按住電源鍵10秒強制重啟
• 藍燈快閃但App顯示離線？關掉手機藍牙，重啟Wi-Fi，再打開App——項圈走Wi-Fi直連，不經過藍牙中轉

HRV數據忽高忽低？

• 檢查項圈佩戴：頸圍傳感器必須緊貼皮膚，毛發厚的部位剪1cm見皮（別剃！）
• 查看當日「喉部震動」數據：如果整日無吞咽/咳嗽波形，說明佩戴過松，所有PPG數據作廢

喂食指令總被忽略？

• 自動喂食器必須接入媧寶開放平臺（僅支持型號列表見官網），普通Wi-Fi喂食器無法接收動態指令
• 手動喂食？在App里點「已執行」，系統會記錄偏差，下次指令自動加權補償

FAQ

Q：能自己換算法模型嗎？

A：可以。導出對齊后的.npy序列數據（含時間戳、傳感器ID、標簽），用PyTorch訓練自己的LSTM模型，編譯成ONNX后上傳到「端側模型倉庫」，項圈OTA更新即可加載。官方提供基線模型代碼（GitHub搜 wobao-claw-baseline）。

Q：項圈防水嗎？洗澡能戴嗎？

A：IP67，淋浴沒問題，但禁止泡澡、游泳。骨傳導傳感器遇水阻抗突變，數據失效。

Q：數據存在哪？能導出原始波形嗎？

A：加密存于阿里云杭州節點，導出按鈕在「數據管理」頁，支持CSV（特征值）和MAT（原始波形），導出文件帶數字簽名防篡改。

下一步動手點

• 把你家項圈的原始PPG波形拖進Python，用scipy.signal.find_peaks試試自己算心率，對比App數值差多少
• 用pandas.merge_asof()把項圈數據流和喂食時間戳對齊，畫個「喂食后2小時HRV變化熱力圖」
• 改寫官方提供的ONNX模型，把「是否含益生菌」作為額外輸入特征，看對腹瀉預測提升多少

鏈接直達：

• 原始數據格式文檔
• ONNX模型開發模板
• 寵糧成分JSON Schema標準