© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州银元谷科技有限公司
企业杭州银元谷科技有限公司围绕相关业务开展运营。面向体质健康、上肢力量耐力测试、国民体质健康评估等领域提供数据服务，开放公园健身器材使用人群俯卧撑耐力评估数据（体质健康、上肢力量耐力测试）、公园健身器材使用人群上肢力量评估数据（国民体质健康评估、上肢力量监测）、公园健身器材使用人群心肺功能综合评估数据（公园健身评估、个性化运动处方），支撑监测研判与运维优化。
体质健康上肢力量耐力测试国民体质健康评估
数据集列表
引体向上动作智能识别数据
1. 引体向上识别算法训练：作为专用识别模型的训练数据，覆盖10名用户、150帧/人、4个能力等级的上拉中→顶点保持→落下中→悬垂完整动作周期数据，用于训练AI模型对不同体型和力量水平用户的引体向上动作识别能力。
2. 达标判定阈值调优：基于1500帧标注数据统计分析下巴-单杠高度差分布特征，优化"下巴过杠"的判定阈值参数（当前为下巴估算Y坐标−单杠参考Y坐标≤−5px即判定达标），通过ROC曲线分析确定最优阈值。
3. 动作规范度评估模型开发：基于肘角变化、身体摆动幅度、头部方向、身体轴线倾角等多维指标，开发引体向上标准度量化评估模型，支持对动作规范性进行逐帧打分和阶段性评估。
4. 国家学生体质健康测试：为国家学生体质健康标准中的引体向上测试项目提供自动化、标准化的智能评估系统，替代人工计数和主观判定，适用于全国中小学及高校体质测试场景。
5. 军事体能考核系统：为军队、武警和公安系统的引体向上考核提供精确自动计数和动作规范判定，通过AI视觉技术实现无人值守的标准化考核。数据采集与字段计算说明
从数据库中提取60fps、1500帧引体向上视频（每用户ID为一组取10组），经YOLOv8-Pose逐帧提取对应的关键点坐标。数据包含：用户ID；帧序号；时间戳(ms)，间隔33ms；累计时间；左手腕Y；右手腕Y等相关数据内容。
几何派生（Col9~Col18）
Col9=下巴-单杠高度差=Col7−Col8（负值=过杠）。
Col10=左肩Y、Col11=右肩Y（提取后微调）。
Col12=双肩Y均值=(Col10+Col11)/2。
Col13=左肘弯曲角度=左肩-左肘-左腕三点余弦角；Col14=右肘同理（悬垂~175°，上拉~45°）。
Col15=身体摆动幅度=相邻帧双肩中点X偏差的移动标准差（窗口5帧）。
Col16=双手腕水平距离=|左腕X−右腕X|。
Col17=头部方向偏角=鼻与双眼连线垂直偏角（正=上仰）。
Col18=身体轴线倾角=atan2(双肩中点Y−双髋中点Y, 双肩中点X−双髋中点X)（正=后倾）。
状态与达标（Col19~Col25）
Col19=动作状态：五态（悬垂、上拉中、顶点保持、落下中、返回悬垂），基于Col9升降趋势，连续3帧防抖判定。
Col20=动作阶段=映射Col19（悬垂→恢复，上拉中→向心，顶点保持→等长，落下中→离心）。
Col21=是否达标（下巴过杠）=Col9≤−5px ? 1 : 0（−5px滞后阈值）。
Col22=双臂完全伸展=Col13≥160°且Col14≥160° ? 1 : 0。
Col23=连续达标帧数=Col21为1则累加，否则归零。
Col24=本组累计计数=完成完整周期（悬垂→上拉中→顶点保持→落下中→悬垂）的次数。
Col25=单次动作耗时(ms)=全部完整周期的时间均值。
算法加工与汇总（Col26~Col31）
Col26=算法正确检测达标帧数。
Col27=理论应达标帧数=ΣCol21（GT达标帧总和）。
Col28=动作规范率(%)=Col26/Co27×100（保留1位）。
Col29=合格率等级：≥85% A，75~84.9% B，60~74.9% C，<60% D。
Col30=上肢力量等级基于Col24：≥15 A，10~14 B，5~9 C，2~4 D，<2 E。
浙江省数据知识产权登记平台2026-09-04 更新250
引体向上动作智能识别数据
1. 引体向上识别算法训练：作为专用识别模型的训练数据，覆盖10名用户、150帧/人、4个能力等级的上拉中→顶点保持→落下中→悬垂完整动作周期数据，用于训练AI模型对不同体型和力量水平用户的引体向上动作识别能力。
2. 达标判定阈值调优：基于1500帧标注数据统计分析下巴-单杠高度差分布特征，优化"下巴过杠"的判定阈值参数（当前为下巴估算Y坐标−单杠参考Y坐标≤−5px即判定达标），通过ROC曲线分析确定最优阈值。
3. 动作规范度评估模型开发：基于肘角变化、身体摆动幅度、头部方向、身体轴线倾角等多维指标，开发引体向上标准度量化评估模型，支持对动作规范性进行逐帧打分和阶段性评估。
4. 国家学生体质健康测试：为国家学生体质健康标准中的引体向上测试项目提供自动化、标准化的智能评估系统，替代人工计数和主观判定，适用于全国中小学及高校体质测试场景。
5. 军事体能考核系统：为军队、武警和公安系统的引体向上考核提供精确自动计数和动作规范判定，通过AI视觉技术实现无人值守的标准化考核。
浙江省数据知识产权登记平台2026-08-21 更新130
高抬腿动作智能识别数据
1. 动作识别算法训练：作为高抬腿动作专用识别模型的训练数据，提升AI系统在多样用户体型和动作速率下的检测准确率。
2. 达标判定阈值调优：基于大量标注数据统计分析膝髋高度差分布，优化达标判定的高度阈值参数（当前为≥100px，约身高×0.25）。
3. 动作质量评估模型开发：基于动作规范率、动作速率、连续达标帧数等多维指标，开发高抬腿动作质量量化评估模型。
4. 智能运动训练系统：为AI健身教练应用提供实时高抬腿动作判定与计数功能，替代人工计数的主观性和低效性。
5. 学校体育教学评估：为体育课堂中的高抬腿测试项目提供标准化自动评估，输出每个学生的动作合格率等级。
6. 居家健身指导平台：为健身APP提供高抬腿动作规范反馈，实时提示用户调整抬腿高度和动作节奏。
7. 军警体能考核系统：为军事和警务体能测试中的高抬腿项目提供自动化考核工具，确保考核标准统一。
浙江省数据知识产权登记平台2026-07-23 更新70
公园健身器材使用人群上肢力量评估数据
本数据集基于公园智能健身器材采集的使用人群上肢力量原始数据（左右手握力值等），依据《国民体质测定标准（2023年修订）》进行标准化处理与综合评估后形成，主要用于以下场景：
一、力量型健身器材配置优化。通过分析该人群上肢力量等级分布及左右手平衡度，指导公园力量型器材的阻力配重设置与布局优化，使器材负荷更贴合用户实际力量水平，提升器材使用率与训练安全性。
二、个体化力量训练指导。根据用户握力等级与握力指数，自动推送针对性的上肢力量训练方案。对力量“不及格”用户推荐基础训练计划（如弹力带训练、自重训练）；对力量“优秀”用户推荐进阶训练方案（如负重训练、爆发力训练），帮助用户科学提升上肢力量。
三、健康风险预警与干预。握力已被医学研究证实为全因死亡率的独立预测指标。本数据集可识别握力偏低（如低于同年龄标准值）的用户，自动触发健康预警，提示关注肌肉减少症风险，并推荐营养补充与渐进式力量训练方案。
四、力量素质变化追踪。纵向记录用户握力变化趋势，生成个人力量素质报告（如“您的握力较上月提升了5kg，超过80%同龄人”），用于评估训练效果，增强用户运动成就感与持续锻炼的动力。一、数据采集
对数据库中通过公园智能健身器材（握力器）实时采集到的用户的原始数据进行提取。采集字段包括：左手握力值(kg)、右手握力值(kg)等数据内容。
二、数据清洗
异常值剔除：握力<5kg或>100kg视为无效，以及单侧数据缺失视为无效。
三、指标计算
1. 最大握力 = MAX(左手握力, 右手握力)
2. 平均握力 = (左手握力 + 右手握力) / 2
3. 左右手力量比 = MIN(左手/右手, 右手/左手)
4. 按照《国民体质测定标准（2023年修订）》标准20～39岁为青年阶段身体机能处于较高水平，40～59岁为中年阶段身体机能开始自然衰退，故而跟据年龄得出对应的年龄段。同时对肺活量原始值（ml）依据《国民体质测定标准（2023年修订）》的评分标准表（按年龄分组：20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁，获得其对应的最大握力得分和平均握力得分。
5.握力综合得分=（最大握力得分+平均握力得分）/2同时对应等级。等级划分：握力综合得分≥80为优秀，60-79为良好，<60为不及格。
浙江省数据知识产权登记平台2026-06-03 更新70
公园健身器材使用人群仰卧起坐核心力量评估数据
本数据集基于公园智能健身器材及AI动作捕捉系统采集的仰卧起坐测试数据（有效次数、动作质量合格率等），依据《国民体质测定标准（2023年修订）》进行标准化处理与综合评估后形成，主要用于以下场景：
一、核心力量精准评估。仰卧起坐是衡量腹部肌群及核心力量的经典指标，与腰背健康、体态维持、运动表现密切相关。本数据集可精准量化核心力量水平，识别薄弱环节（如颈部代偿、幅度不足等），为个体提供针对性的核心训练建议。
二、健康风险预警。核心力量不足与腰背痛、盆底功能障碍、体态异常等问题高度相关。本数据集可识别仰卧起坐耐力偏低（低于同年龄P25百分位）的用户，自动触发健康预警，建议关注腰腹力量及核心稳定性，并推送改善方案（如平板支撑进阶训练、呼吸核心训练等）。
三、产后康复效果追踪。产后女性核心力量普遍下降，仰卧起坐是评估产后康复效果的重要指标。本数据集可纵向追踪产后用户的核心力量恢复曲线（如“您的仰卧起坐较上月提升了8次，核心力量恢复良好”），为产后康复训练提供量化依据，帮助用户科学恢复。一、数据采集
通过公园智能健身器材配合AI动作捕捉摄像头；采集到在用户扫码登录后，所完成的仰卧起坐测试数据；其中包括仰卧起坐总次数、动作过程姿态数据；
二、数据清洗
异常值剔除：仰卧起坐次数>100次视为异常，测试时间不足30秒且次数为0，视为放弃测试。
三、标准化评分
1. 按照《国民体质测定标准（2023年修订）》标准20～39岁为青年阶段身体机能处于较高水平，40～59岁为中年阶段身体机能开始自然衰退，故而跟据年龄得出对应的年龄段。同时对肺活量原始值（ml）依据《国民体质测定标准（2023年修订）》的评分标准表（按年龄分组：20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁，对仰卧起坐总次数按照《国民体质测定标准（2023年修订）》中的标准进行评分获得对应的仰卧起坐得分。
2.动作质量合格率=有效次数/仰卧起坐总次数，同时保留两位小数，同时获得动作质量合格率得分，动作质量合格率≥0.8为100，06≤动作质量合格率＜0.8为80，0.4≤动作质量合格率＜0.6为60，0.2≤动作质量合格率＜0.4为40，动作质量合格率＜0.2为0分。
3. 运动时长得分跟据运动时长进行评分，运动时长>=60为100,运动时长>=55为90,运动时长>=50为80,运动时长>=45为70,运动时长>=40为60,运动时长>=35为50,运动时长>=30为40。
4. 综合得分：综合得分=0.4*仰卧起坐得分+0.3*动作质量合格率得分+0.3*运动时长得分。同时获得对应的核心力量等级，综合得分>=90为优秀,综合得分>=80为良好,综合得分>=60为及格,综合得分＜60为不及格。
浙江省数据知识产权登记平台2026-06-02 更新70
多动作达标计数分析数据
1. 跨动作统一识别框架开发：利用统一的关键点坐标系和状态机框架，开发可复用的多动作识别模型架构，降低新动作接入成本。
2. 动作质量评估算法验证：基于跨动作统一的四维质量评估模型，验证质量评分在不同动作类型间的一致性和可比性。
3. 数据增强策略效果评估：对比不同数据增强策略对模型综合性能的提升效果。
4. 多动作体能测试自动化平台：为体育考试系统中的多项目综合测试提供一键式自动评估能力。
5. 军事体能综合评估系统：为军队体能考核中的多项动作测试提供统一的自动化评估框架。
6. 体育教学考试系统：为学校体育教学中的多项目体能测试提供标准化评估，生成学生体能综合画像。
7. 全民健身智能评估：为社区健身中心的体能评估服务提供多动作联合测试能力。数据采集：在数据库中提取10名用户且包含3中动作的数据，10名用户，每人3种动作（弓步跳、左右横跳、深蹲跳），每种50帧（30fps），共1500帧。
基础字段（Col1~Col9）：Col1记录ID（REC_XXXXXX）；Col2用户ID；Col3动作类型；Col4动作中文名；Col5涉及关键点位（按动作分别标注膝/踝/髋/身体中心等）；Col6计数触发规则（各动作特定几何条件）；Col7帧序号（1~50）；Col8时间戳(ms)（33ms间隔）；Col9累计时间(s)=Col8/1000。
原始测量值（Col10~Col12）基于YOLOv8-Pose输出关键点坐标：按动作类型映射—弓步跳：Col10前膝Y、Col11前踝Y、Col12后膝Y；左右横跳：Col10身体中心X、Col11左踝X、Col12右踝X；深蹲跳：Col10髋Y、Col11膝Y、Col12踝Y（Y轴向下，基于1920×1080@60fps）。
计算几何（Col13~Col15）：Col13关键点间角度—弓步跳为前膝弯曲角（站立~175°，弓步~80°），左右横跳为身体偏转角，深蹲跳为膝弯曲角（站立~175°，深蹲~50°）。Col14关键点间距离—弓步跳=前膝Y与前踝Y差值+水平基线40px；左右横跳=左右踝X间距；深蹲跳=髋Y与踝Y差值+水平基线50px。Col15高度差：弓步跳=前膝Y−前踝Y（弓步时负值）；左右横跳=身体Y−站立基准Y（跳起负值）；深蹲跳=髋Y−膝Y（深蹲到位≤10px）。
状态与阶段（Col16~Col17）：Col16动作状态—4态机（各动作特定状态：弓步跳含站立/弓步/峰值/换腿/落地；左右横跳含中位/左跳/回中/右跳；深蹲跳含站立/下降/底点/腾空/落地）。Col17动作阶段——映射为向心/离心/等长收缩。
达标与检测（Col18~Col19）：Col18理论应达标帧（GT）—基于精确几何阈值：弓步跳膝角85°~110°且后膝Y≤踝Y+65px；左右横跳身体中心偏离中线≥振幅×65%；深蹲跳髋膝差≤15px或踝Y≤站立−20px。Col19算法检测达标帧—逐帧概率判定：p_detect=base_detect×signal_strength×ratio，signal_strength=0.45+0.55×max_lift（基于幅度），逐帧独立随机输出0/1。
浙江省数据知识产权登记平台2026-08-27 更新170
高抬腿动作智能识别数据
1. 动作识别算法训练：作为高抬腿动作专用识别模型的训练数据，提升AI系统在多样用户体型和动作速率下的检测准确率。
2. 达标判定阈值调优：基于大量标注数据统计分析膝髋高度差分布，优化达标判定的高度阈值参数（当前为≥100px，约身高×0.25）。
3. 动作质量评估模型开发：基于动作规范率、动作速率、连续达标帧数等多维指标，开发高抬腿动作质量量化评估模型。
4. 智能运动训练系统：为AI健身教练应用提供实时高抬腿动作判定与计数功能，替代人工计数的主观性和低效性。
5. 学校体育教学评估：为体育课堂中的高抬腿测试项目提供标准化自动评估，输出每个学生的动作合格率等级。
6. 居家健身指导平台：为健身APP提供高抬腿动作规范反馈，实时提示用户调整抬腿高度和动作节奏。
7. 军警体能考核系统：为军事和警务体能测试中的高抬腿项目提供自动化考核工具，确保考核标准统一。1.数据采集：从数据库中提取60fps、1500帧高抬腿视频，经YOLOv8-Pose逐帧提取关键点坐标。记录帧序号、时间戳、累计时间。2.关键点衍生字段计算：左髋-左膝高度差(px) =左髋Y(Col10)−左膝Y(Col6)。正值=抬腿，负值=下落；右髋-右膝高度差(px)同理。左支撑腿伸直角度(°) =170−左腿高度差波形值×25（波形值来自sin^k归一化0~1）。右腿抬高→左腿绷直→接近170°；右腿落下→角度减小。右支撑腿伸直角度(°) 同理，基于右腿高度差。躯干倾斜角度(°) =atan2(髋中点Y−肩中点Y,髋中点X−肩中点X)，输出度。髋中点=(Col9+Col11)/2,(Col10+Col12)/2；肩中点=(Col13+Col15)/2,(Col14+Col16)/2。正值前倾，负值后仰。身体重心水平偏移(px) =髋中点X−肩中点X。正值重心偏右（左抬腿时），负值偏左。抬腿侧：若Col17≥100px且大于Col18→"左"；若Col18≥100px且大于Col17→"右"；否则"无"。阈值100px≈身高×0.25，排除小幅晃动。动作状态：三态有限状态机（等待抬腿、抬腿中、落下中）。高度差<100px且未上升→等待；≥100px且持续上升→抬腿中；脱离峰值后持续下降→落下中。趋势反转需连续升降≥3px防抖动。左膝达标 =若Col17(左髋-左膝高度差)≥100px则输出1（达标），否则0（未达标）。右膝达标 =若Col18(右髋-右膝高度差)≥100px则输出1（达标），否则0（未达标）。该帧达标(GT) =Col25ORCol26（任一达标为1，否则0），作为人工标注基准。连续达标帧数(GT)：若Col27=1则前值+1，否则归零。反映单次抬腿持续帧数。3.算法加工字段算法检测结果：若Col27=0则输出0；若Col27=1，以概率p独立判定检出（p由外部模型决定，此处略）。算法连续检测帧数：若Col29=1则前值+1，否则归零。本组累计检测次数 =该用户150帧内ΣCol29（算法检出总数）。理论应达标次数 =该用户150帧内ΣCol27。检测准确率(%) =Col31÷Col32×100，保留1位小数。动作速率(次/30s) =该用户150帧内由Col24状态转移统计的完整周期数。
浙江省数据知识产权登记平台2026-08-08 更新160
公园健身器材使用人群俯卧撑耐力评估数据
本数据集基于公园智能健身器材采集的俯卧撑测试数据（有效次数、动作质量合格率等），依据《国民体质测定标准（2023年修订）》进行标准化处理与综合评估后形成，主要用于以下场景：
一、上肢力量耐力精准评估。俯卧撑是衡量上肢及肩背部肌肉耐力的核心指标。本数据集可精准量化、上肢耐力水平，识别力量薄弱环节（如动作幅度不足、身体稳定性差等），为个体提供针对性的力量训练建议。
二、力量型器材配置与指导。通过分析该人群俯卧撑等级分布及动作质量数据，指导公园力量型器材的阻力配重设置，并在器材旁配置俯卧撑标准动作图解及进阶训练方案，帮助用户规范动作、科学训练。
三、体医融合健康干预。上肢肌肉力量与代谢健康密切相关。本数据集可识别俯卧撑耐力偏低（低于同年龄P25百分位）的用户，结合其BMI及心肺功能数据，推送综合性健康干预方案（如蛋白质补充建议+渐进式力量训练计划），预防肌肉减少症及代谢性疾病。一、数据采集
通过公园智能健身器材配合AI动作捕捉摄像头；采集到在用户扫码登录后，所完成的俯卧撑测试数据；其中包括俯卧撑总次数、动作过程姿态数据；
二、数据清洗
异常值剔除：俯卧撑次数>100次视为异常，测试时间不足30秒且次数为0，视为放弃测试。
三、标准化评分
1.按照《国民体质测定标准（2023年修订）》标准20～39岁为青年阶段身体机能处于较高水平，40～59岁为中年阶段身体机能开始自然衰退，故而跟据年龄得出对应的年龄段。同时对肺活量原始值（ml）依据《国民体质测定标准（2023年修订）》的评分标准表（按年龄分组：20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁，获得其对应的最大握力得分和平均握力得分。对俯卧撑总次数按照《国民体质测定标准（2023年修订）》中的标准进行评分获得对应的俯卧撑得分。
2.动作质量合格率=有效次数/俯卧撑总次数，同时保留两位小数，同时获得动作质量合格率得分，动作质量合格率≥0.8为100，06≤动作质量合格率＜0.8为80，0.4≤动作质量合格率＜0.6为60，0.2≤动作质量合格率＜0.4为40，动作质量合格率＜0.2为0分。
3. 运动时长得分跟据运动时长进行评分，运动时长>=60为100,运动时长>=55为90,运动时长>=50为80,运动时长>=45为70,运动时长>=40为60,运动时长>=35围殴50,运动时长>=30为40。
4. 综合得分：综合得分=0.4*俯卧撑得分+0.3*动作质量合格率得分+0.3*运动时长得分。同时获得对应的耐力等级，综合得分>=90为优秀,综合得分>=80为良好,综合得分>=60为及格,综合得分＜60为不及格。
浙江省数据知识产权登记平台2026-06-03 更新120
公园健身器材使用人群心肺功能综合评估数据
本数据集基于公园相关器材采集健身器材使用人群心肺功能原始数据（肺活量、台阶指数、心率恢复等），依据《国民体质测定标准（2023年修订）》进行标准化处理与综合评估后形成，主要用于以下场景：
一、公园健身器材智能化配置。通过分析该人群心肺功能等级分布，指导有氧器材的类型配比与阻力档位预设，使设施配置更贴合用户实际体能水平，提升器材使用效率。
二、个性化运动处方生成。根据用户心肺综合等级与心率恢复能力，自动匹配适宜的运动强度及训练方案，实现从“群体评估”到“个体指导”的科学健身闭环。
三、健身效果追踪与干预评估。纵向记录用户心肺功能变化趋势，生成个人健康报告与干预效果评估，为运动方案动态调整提供依据，增强用户运动依从性。一、数据采集
对数据库中通过公园智能健身器材（含肺活量测试仪、台阶测试仪、心率传感器等）采集到的健身器材使用人群的原始数据进行提取。采集字段包括：肺活量原始值（ml）、台阶运动时长（秒，标准为180秒）、恢复期1/2/3分钟心率（次/分钟）、运动时峰谷心率（次/分钟）等数据。
二、数据清洗
剔除异常值：肺活量<500ml或>8000ml视为无效；心率<30或>220次/分钟剔除；台阶运动时长不足180秒的视为无效。同时对同一用户同一天多次测试的结果，取最优值。
三、标准化评分
按照《国民体质测定标准（2023年修订）》标准20～39岁为青年阶段身体机能处于较高水平，40～59岁为中年阶段身体机能开始自然衰退，故而跟据年龄得出对应的年龄段。同时对肺活量原始值（ml）依据《国民体质测定标准（2023年修订）》的评分标准表（按年龄分组：20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁，计算肺活量单项得分。
台阶指数计算公式：台阶指数= 18000 ÷ (恢复期1分钟心率+恢复期2分钟心率+恢复期3分钟心率)，反映心血管系统机能水平,同时计算台阶指数标准化得分，台阶指数>=90时为100,90>台阶指数>=80时为85,80>台阶指数>=65时为70,65>台阶指数>=55时为55,台阶指数＜55时为40。
运动后1分钟心率恢复值（次/分钟）=运动时峰谷心率-恢复期第1分钟心率，通过运动后1分钟心率恢复值计算对应的心率恢复情况得分，运动后1分钟心率恢复值>30为100分,30>运动后1分钟心率恢复值>=20为80,20>运动后1分钟心率恢复值>=10为60,运动后1分钟心率恢复值＜10为40。
四、综合评估
心肺综合得分= 肺活量得分×40% + 台阶指数标准化得分×35% + 心率恢复得分×25%。权重设计依据：肺活量反映肺通气能力，台阶指数反映心血管整体机能，心率恢复反映心脏自主神经调节能力。综合等级按得分划分为优秀、良好、及格、不及格四档。心肺综合得分>=90为优秀,90>心肺综合得分>=80,为良好,80>心肺综合得分>=60为及格,心肺综合得分＜60则为不及格。
浙江省数据知识产权登记平台2026-06-02 更新180
公园健身器材使用人群俯卧撑耐力评估数据
本数据集基于公园智能健身器材采集的俯卧撑测试数据（有效次数、动作质量合格率等），依据《国民体质测定标准（2023年修订）》进行标准化处理与综合评估后形成，主要用于以下场景：
一、上肢力量耐力精准评估。俯卧撑是衡量上肢及肩背部肌肉耐力的核心指标。本数据集可精准量化、上肢耐力水平，识别力量薄弱环节（如动作幅度不足、身体稳定性差等），为个体提供针对性的力量训练建议。
二、力量型器材配置与指导。通过分析该人群俯卧撑等级分布及动作质量数据，指导公园力量型器材的阻力配重设置，并在器材旁配置俯卧撑标准动作图解及进阶训练方案，帮助用户规范动作、科学训练。
三、体医融合健康干预。上肢肌肉力量与代谢健康密切相关。本数据集可识别俯卧撑耐力偏低（低于同年龄P25百分位）的用户，结合其BMI及心肺功能数据，推送综合性健康干预方案（如蛋白质补充建议+渐进式力量训练计划），预防肌肉减少症及代谢性疾病。
浙江省数据知识产权登记平台2026-05-19 更新40