这个项目能够为消防员提供红外视觉感，以帮助他们从燃烧的建筑物中营救人员。背景热像仪(TIC)已被证明是消防员的宝贵工具。它们使消防员能够更快地找到受害者，更一致地成功驶出燃烧的房屋，并减少令人满意地完成搜索所需的时间。然而，一些问题仍然存在。寻找受害者时，需要花费时间拉出TIC，进行设置并读取显示。手持TIC显示器在浓烟中难以准确看到，导致受害者定位较慢。使用显示器需要操作员将他们的眼睛和注意力从周围的环境中移开，从而导致意识丧失并增加隧道视力的风险。利用机器学习为消防员提供红外线(IR)感觉的感官替代设备将是一个有用的工具。这将减少消防员在显示器上将视线从周围环境中移开的次数（也降低了隧道视力的风险），因为他们将不再觉得需要不断地监控TIC显示器，因为他们将不断地获得重要的IR信息。当感觉到适当的刺激时，他们将能够更快地做出反应，而不是不得不参考显示器，从而减少受害者的救援时间。直接将关键信息流式传输给消防员将减少显示器在浓烟中的低能见度成为问题的情况。总体而言，具有IR意识的消防员在搜救行动中会更有效。如何设置项目我们将Qwiic电缆（面包板跳线（4针））连接到MLX90640SparkFunIRArrayBreakout(MLX)。四根线（黑、红、黄、蓝）分别代表GND、VIN（3.3V）、SCL、SDA。因为我们的Qwiic电缆不是母跳线，所以我们使用四根ff面包板线将Qwiic电缆引脚连接到RaspberryPi(Pi)。在下图中，可以看到黑色、红色、黄色和蓝色Qwiic引脚分别连接到棕色、红色、黄色和橙色ff面包板线。ff面包板线的颜色并不重要，但关键是Qwiic电缆GND、VIN、SCL和SDA引脚连接到适当的Pi引脚（分别为引脚6、1、5和3）。下面可以看到Pi引脚分配指南以及我们与Pi的连接。完成后，我们创建了一个小纸板相机支架，通过切掉披萨盒的一侧来帮助支撑相机。此步骤不是必需的，因此请随意跳过它或自己制作。实施概述将相机连接到树莓派使用Adafruit库，我们能够从MLX90640热像仪中读取数据。importadafruit_mlx90640importtime,board,busioi2c=busio.I2C(board.SCL,board.SDA,frequency=1000000)#setupI2Cmlx=adafruit_mlx90640.MLX90640(i2c)#beginMLX90640withI2Ccommmlx.refresh_rate=adafruit_mlx90640.RefreshRate.REFRESH_2_HZ#setrefreshrateframe=[0]*768#setuparrayforstoringall768temperaturesmlx.getFrame(frame)此时，我们将温度数据存储在一个数组中，准备好进行预处理。预处理原始温度数据并提供给分类服务我们的预处理步骤需要将温度数据转换为稍后可以输入到我们的边缘脉冲模型中的图像。这是使用Matplotlib库完成的，然后将图像保存到BufferStream并编码为base64字符串。mlx.getFrame(frame)mlx_shape=(24,32)fig=plt.figure(frameon=False)ax=plt.Axes(fig,[0.,0.,1.,1.])ax.set_axis_off()fig.add_axes(ax)thermal_image=ax.imshow(np.zeros(mlx_shape),aspect='auto')MIN=18.67MAX=43.68data_array=(np.reshape(frame,mlx_shape))#reshapeto24x32thermal_image.set_data(np.fliplr(data_array))#fliplefttorightthermal_image.set_clim(vmin=MIN,vmax=MAX)#setboundsbuf=io.BytesIO()fig.savefig(buf,format='jpg',facecolor='#FCFCFC',bbox_inches='tight')img_b64=base64.b64encode(buf.getvalue()).decode()buf.close()plt.close(fig)使用httppost请求将base64字符串和原始帧数据发送到我们的分类微服务。微服务将通过EdgeImpulse模型运行图像，并经过一些后处理（如下所述）返回一个标志，说明是否在帧中检测到一个人，如果是，那么他们是什么方向，即左、中、右。分类服务分类服务接受一个post请求，请求中包含两个数据对象：原始数据数组和以base64表示的图像。图像在被传递到分类器之前需要进行预处理。首先，我们必须提取图像的原始特征。图像被解码为图像缓冲区，然后将其转换为图像的十六进制表示。这个十六进制字符串被分割成单独的RGB值并转换成整数，准备处理到分类器中。letraw_features=[];letimg_buf=Buffer.from(request.body.image,'base64')try{letbuf_string=img_buf.toString('hex');//storeRGBpixelvalueandconverttointegerfor(leti=0;iraw_features.push(parseInt(buf_string.slice(i,i+6),16));}}catch(error){thrownewError("ErrorProcessingIncomingImage");}原始特征被输入到分类器中，并返回一个由两个标签组成的对象。标签是图像中的人和不在图像中的人的置信度等级。letresult={"hasPerson":false}letclassifier_result=classifier.classify(raw_features);no_person_value=0person_value=0if(classifier_result["results"][0]["label"]==="noperson"){no_person_value=classifier_result["results"][0]["value"]}else{thrownewError("InvalidModelClassificationPostProcessing")}if(classifier_result["results"][3]["label"]==="person"){person_value=classifier_result["results"][3]["value"]}else{throwError("InvalidModelClassificationPostProcessing")}然后将这两个标签值与我们的置信度阈值进行比较，以确定是否有人在帧中看到过。如果没有，分类器服务会使用一个包含一个字段的对象来响应发布请求：“hasPerson”=假。然而，如果置信值达到或超过阈值标准，则使用原始温度数据来确定热源来自帧中的哪个位置。if(person_value>person_threshold&&no_person_valueresult["hasPerson"]=true//Ifispersonfindbrightspotintheimageletframe_data=request.body.frameletcolumn_average=newArray(32)index_count=0;for(letj=0;jfor(leti=0;icolumn_average[i]=(column_average[i]||0)+parseFloat(frame_data[index_count])index_count++}}left_avg=0centre_avg=0right_avg=0for(leti=0;ileft_avg=left_avg+column_average[i]}for(leti=8;icentre_avg=centre_avg+column_average[i]}for(leti=17;iright_avg=right_avg+column_average[i]}vardirectionif(left_avg>centre_avg&&left_avg>right_avg){direction=1}elseif(centre_avg>left_avg&¢re_avg>right_avg){direction=2}elseif(right_avg>left_avg&&right_avg>centre_avg){direction=3}else{direction=4}result["direction"]=direction一个响应对象从post请求中返回，带有两个值：“hasPerson”=真“方向”=我们使用Python的NeosensorySDK以便在将Buzz与Pi配对后向Buzz发送电机命令。我们选择使用时空扫描（“在空间和时间上编码的模式”），因为Novich和Eagleman[2]的一项研究发现，与空间模式和由以下组成的模式相比，它们是将数据编码到皮肤的最佳方法单个电机通过振动刺激皮肤区域。时空扫描的更高识别性能允许通过皮肤进行更大的信息传输(IT)，这意味着消防员可以接收更多有用的信息（以及获得的IR感知的更大潜在有效性）。因为我们只关心三个方向值，所以创建了三个扫描数组来描述一个人在框架的左侧、右侧或中心，如下所示：sweep_left=[255,0,0,0,0,255,0,0,0,0,255,0,0,0,0,255,0,0,0,0]sweep_right=[0,0,0,255,0,0,255,0,0,255,0,0,255,0,0,0,0,0,0,0]sweep_centre=[255,0,0,0,0,255,0,0,0,0,0,255,0,0,255,0,0,0,0,0]当Pi接收到一个响应对象，该对象表示框架中有一个人以及他们在框架中的什么位置时，就会向Buzz发送一个振动电机命令：if(response['hasPerson']==True):print("hasperson")if(response['direction']):print(response['direction'])ifresponse['direction']==1:awaitmy_buzz.vibrate_motors(sweep_right)print("Right")elifresponse['direction']==2:awaitmy_buzz.vibrate_motors(sweep_centre)print("Centre")elifresponse['direction']==3:awaitmy_buzz.vibrate_motors(sweep_left)print("Left")else:print("inconclusive")else:print("noperson")我们发现每次运行代码时都必须将Buzz置于配对模式，以最大程度地减少发送命令时Buzz不振动的可能性。边缘脉冲数据集收集当MLX指向某人时，768个温度值的数组被保存在一个.txt文件中。这些文件的组织方式是为了便于上传到EdgeImpulse，其中有人在框架中，哪些地方在框架中有物体（例如散热器或狗）；哪些地方什么都没有。数据预处理我们为训练模型而对数据进行预处理的方法与我们处理来自上述摄像头的实时信息的方法类似，只是数据源是包含温度值的文本文件。我们编写了一个python脚本来遍历所有这些文件并将它们输出为图像。在将温度转换为图像时，我们需要有一个最小值和最大值来分配给颜色范围。为了找到这些最小值、最大值，我们在约400个温度阵列的数据集中找到了最低和最高温度。创建模型使用EdgeImpulse，我们上传了带有适当标签“人员”和“无人”的收集数据，并允许数据在训练和测试之间自动拆分。对于脉冲设计，我们尝试了处理和学习模块的不同组合（例如图像和神经网络(Keras)），但我们发现使用我们的数据，图像处理模块和迁移学习学习模块的性能最好。我们使用RGB作为颜色深度参数，然后生成特征。我们将训练周期数设置为20，学习率为0.0005，并将最小置信度设置为0.6。我们将冲动部署为具有默认优化的WebAssembly库。模型运行该模型运行良好，但存在一些问题，因为它偶尔会输出误报和漏报。下面是当有人直接坐在MLX前面并且模型正确识别出他们位于框架中心时，在我们的节点js服务器和Pi上的Python代码中运行的模型输出的一些屏幕截图：未来的可能改进的热成像相机虽然MLX对家庭爱好者来说是一款出色的TIC，但我们认为它在帮助消防员拯救生命方面并不能胜任。此处可见的像FLIRK53这样的“高性能”TIC具有令人印象深刻的320x240分辨率（与MLX的768相比，总像素为76800）和60Hz的刷新率。更复杂的TIC（具有更高的分辨率和刷新率）将使模型更容易准确地检测人体形状，并且有必要将这个项目变成产品。模型的进一步训练我们还认为需要一个更复杂的模型才能将这个项目变成一个产品。该项目的下一步将是开发一个模型，该模型可以检测同一帧中的多个人，并且不仅输出是否在帧中检测到一个人，还输出他们在帧中的位置。该模型应根据x轴和y轴给出位置。如果可能，应传达有关人员与摄像机的距离的信息，甚至是有关人员“可见”程度的信息（例如，如果仅检测到手臂，则模型应传达人员“部分可见”是由于障碍物，例如床或瓦砾）。对于这个项目，我们有一个非常简单的触觉语言，它只需要传达关于三个位置的信息。展望未来，随着模型输出更多信息，需要设计更精细的触觉语言。这可以与位于消防员身体上的更大阵列的执行器一起使用，以促进更丰富的时空扫描。最终产品可能旨在让消防员穿着触觉袖子或背心，而不是一个Buzz。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：EmanuelLowcock，如涉及侵权，可联系删除。

这个保温瓶可感应内部温度并通过蓝牙将信息发送到接收器。在本文中，我将向您展示如何通过蓝牙协议在两个ESP32板之间传输传感器读数。你需要的东西：M5StickCM5StampPicoLM35温度传感器M5StickC：M5StickC是一款迷你M5Stack，由ESP32供电。它是一款便携、易用、开源的物联网开发板。它可以做什么？这个小块能够在很短的时间内实现您的想法，激发您的创造力，并帮助您进行物联网原型设计。它将从开发过程中带走很多痛苦。M5stickC是M5Stack产品系列中的核心设备之一。电源开关操作：开机：长按电源键2秒关机：长按电源键6秒注意：M5StickC支持的波特率：1200~115200、250K、500K、750K、1500K产品特点基于ESP32内置6轴IMU红色LED红外线发射器麦克风按钮，LCD（0.96英寸）内置锂电池可扩展插座可穿戴和壁挂式兼容多平台开发：UIFlow微蟒阿杜诺.NET纳米框架M5StampPico：STAMP-PICO采用超紧凑设计，在PCB上具有两个低功耗接口Xtensa®32-bitLX6microprocessors，240MHz像邮票一样小巧精致。低功耗。它非常适合任何空间受限或电池供电的设备，例如可穿戴设备、医疗设备、传感器和其他IoT设备。MULTIFORM：5种安装方式，意味着无限可能！（SMT、DIP、flywire、grove接口），采用耐高温塑料外壳，3D天线和元器件可以得到更好的保护。LOW-CODEDEVELOPMENT：STAMP-PICO支持UIFlow图形化编程平台，免脚本，云端推送；全面兼容Arduino、MicroPython、ESP32-IDF等主流开发平台，快速搭建各类应用。HIGHINTEGRATION：STAMP-PICO包含5V->3.3VDC/DC接口，GPIOx12，可编程RGB灯x1，按键x1，微调射频电路，提供稳定可靠的无线通信。STRONGEXPANDABILITY：轻松接入M5Stack软硬件生态系统：丰富的传感器、执行器、功能模块、配件可供选择，极速适配。产品特点：芯片组：ESP32-PICO-D4（2.4GHzWi-Fi双模）支持UIFlow图形化编程多IO引出线，支持多种应用形式（SMT、DIP、fly-by-wire）集成可编程RGBLED和按钮微型模块LM35温度传感器：LM35是一款集成模拟温度传感器，其输出与摄氏度成正比。LM35等传感器无需外部校准或微调即可提供典型精度。LM35的低输出阻抗、线性输出和精确的固有校准使其特别容易与读数和控制电路连接。硬件连接：将LM35的输出引脚连接到M5Stamp的第36引脚，将LM35的电源连接到PICO的5V和GND到GND。VOUT->G36接地->接地VCC->5V对发射器进行编程：在本文中，M5Stamppico将充当发射器，一旦连接发射器，它将向发射器发送温度读数。#include#include#include#include#include//LEDCount#defineNUM_LEDS1#defineDATA_PIN27//DefinethearrayofledsCRGBleds[NUM_LEDS];#defineButton39//BLEservername#definebleServerName"M5"//LM35#defineADC_VREF_mV3300.0//inmillivolt#defineADC_RESOLUTION4096.0#definePIN_LM3536//ESP32pinGIOP36(ADC0)connectedtoLM35floattemp;floattempF;floathum;//TimervariablesunsignedlonglastTime=0;unsignedlongtimerDelay=30000;booldeviceConnected=false;#defineSERVICE_UUID"91bad492-b950-4226-aa2b-4ede9fa42f59"//TemperatureCharacteristicandDescriptorBLECharacteristicbmeTemperatureCelsiusCharacteristics("cba1d466-344c-4be3-ab3f-189f80dd7518",BLECharacteristic::PROPERTY_NOTIFY);BLEDescriptorbmeTemperatureCelsiusDescriptor(BLEUUID((uint16_t)0x2902));//SetupcallbacksonConnectandonDisconnectclassMyServerCallbacks:publicBLEServerCallbacks{voidonConnect(BLEServer*pServer){deviceConnected=true;};voidonDisconnect(BLEServer*pServer){deviceConnected=false;}};voidsetup(){//StartserialcommunicationSerial.begin(115200);FastLED.addLeds(leds,NUM_LEDS);pinMode(Button,INPUT);//CreatetheBLEDeviceBLEDevice::init(bleServerName);//CreatetheBLEServerBLEServer*pServer=BLEDevice::createServer();pServer->setCallbacks(newMyServerCallbacks());//CreatetheBLEServiceBLEService*bmeService=pServer->createService(SERVICE_UUID);//CreateBLECharacteristicsandCreateaBLEDescriptorbmeService->addCharacteristic(&bmeTemperatureCelsiusCharacteristics);bmeTemperatureCelsiusDescriptor.setValue("BMEtemperatureCelsius");bmeTemperatureCelsiusCharacteristics.addDescriptor(&bmeTemperatureCelsiusDescriptor);//StarttheservicebmeService->start();//StartadvertisingBLEAdvertising*pAdvertising=BLEDevice::getAdvertising();pAdvertising->addServiceUUID(SERVICE_UUID);pServer->getAdvertising()->start();Serial.println("Waitingaclientconnectiontonotify...");}voidloop(){staticboolState;State=digitalRead(Button);if(State==0){ESP.restart();}if(deviceConnected){if((millis()-lastTime)>timerDelay){//TurntheLEDon,thenpauseleds[0]=0xf00000;FastLED.show();delay(2000);//readtheADCvaluefromthetemperaturesensorintadcVal=analogRead(PIN_LM35);//converttheADCvaluetovoltageinmillivoltfloatmilliVolt=adcVal*(ADC_VREF_mV/ADC_RESOLUTION);//convertthevoltagetothetemperaturein°Ctemp=milliVolt/10;staticchartemperatureCTemp[6];dtostrf(temp,6,2,temperatureCTemp);//SettemperatureCharacteristicvalueandnotifyconnectedclientbmeTemperatureCelsiusCharacteristics.setValue(temperatureCTemp);bmeTemperatureCelsiusCharacteristics.notify();//NowturntheLEDoff,thenpauseleds[0]=0x00f000;FastLED.show();Serial.print("TemperatureCelsius:");Serial.print(temp);Serial.println("ºC");lastTime=millis();}}}在此代码中，如果您需要更改BLE服务器名称，请根据需要更改此行：这行代码包含基本的LM35校准读数，不要更改这些。这是发送器的BLE服务ID：这是温度数据的服务ID：M5StampPico没有任何重置按钮，但它有一个用户定义的按钮，这里我用那个按钮来重置电路板。最后，将代码上传到M5StampPico，确保您选择了正确的板设置：对接收机编程：在本文中，M5StickC将充当发射器，它将接收来自发射器的温度读数。#include#include"BLEDevice.h"//BLEServername#definebleServerName"M5"/*UUID'softheservice,characteristicthatwewanttoread*///BLEServicestaticBLEUUIDbmeServiceUUID("91bad492-b950-4226-aa2b-4ede9fa42f59");//TemperatureCelsiusCharacteristicstaticBLEUUIDtemperatureCharacteristicUUID("cba1d466-344c-4be3-ab3f-189f80dd7518");//FlagsstatingifshouldbeginconnectingandiftheconnectionisupstaticbooleandoConnect=false;staticbooleanconnected=false;//Addressoftheperipheraldevice.Addresswillbefoundduringscanning...staticBLEAddress*pServerAddress;//CharacteristicdthatwewanttoreadstaticBLERemoteCharacteristic*temperatureCharacteristic;//Activatenotifyconstuint8_tnotificationOn[]={0x1,0x0};constuint8_tnotificationOff[]={0x0,0x0};//Variablestostoretemperatureandhumiditychar*temperatureChar;//FlagstocheckwhethernewtemperatureandhumidityreadingsareavailablebooleannewTemperature=false;//ConnecttotheBLEServerthathasthename,Service,andCharacteristicsboolconnectToServer(BLEAddresspAddress){BLEClient*pClient=BLEDevice::createClient();//ConnecttotheremoveBLEServer.pClient->connect(pAddress);Serial.println("-Connectedtoserver");//ObtainareferencetotheserviceweareafterintheremoteBLEserver.BLERemoteService*pRemoteService=pClient->getService(bmeServiceUUID);if(pRemoteService==nullptr){Serial.print("FailedtofindourserviceUUID:");Serial.println(bmeServiceUUID.toString().c_str());return(false);}//ObtainareferencetothecharacteristicsintheserviceoftheremoteBLEserver.temperatureCharacteristic=pRemoteService->getCharacteristic(temperatureCharacteristicUUID);if(temperatureCharacteristic==nullptr){Serial.print("FailedtofindourcharacteristicUUID");returnfalse;}Serial.println("-Foundourcharacteristics");//AssigncallbackfunctionsfortheCharacteristicstemperatureCharacteristic->registerForNotify(temperatureNotifyCallback);returntrue;}//Callbackfunctionthatgetscalled,whenanotherdevice'sadvertisementhasbeenreceivedclassMyAdvertisedDeviceCallbacks:publicBLEAdvertisedDeviceCallbacks{voidonResult(BLEAdvertisedDeviceadvertisedDevice){if(advertisedDevice.getName()==bleServerName){//CheckifthenameoftheadvertisermatchesadvertisedDevice.getScan()->stop();//Scancanbestopped,wefoundwhatwearelookingforpServerAddress=newBLEAddress(advertisedDevice.getAddress());//AddressofadvertiseristheoneweneeddoConnect=true;//Setindicator,statingthatwearereadytoconnectSerial.println("Devicefound.Connecting!");}}};//WhentheBLEServersendsanewtemperaturereadingwiththenotifypropertystaticvoidtemperatureNotifyCallback(BLERemoteCharacteristic*pBLERemoteCharacteristic,uint8_t*pData,size_tlength,boolisNotify){//storetemperaturevaluetemperatureChar=(char*)pData;newTemperature=true;}//functionthatprintsthelatestsensorreadingsintheOLEDdisplayvoidprintReadings(){M5.update();//ErasethepreviouscontentsinthedisplayM5.Lcd.fillScreen(BLACK);M5.Lcd.setTextColor(RED);M5.Lcd.setCursor(20,18);M5.Lcd.setTextSize(1.8);M5.Lcd.print("[");M5.Lcd.setTextColor(GREEN);M5.Lcd.print("BLESmartFlask");M5.Lcd.setTextColor(RED);M5.Lcd.print("]");M5.Lcd.setCursor(18,40);M5.Lcd.setTextColor(GREEN);Serial.print("Temperature:");M5.Lcd.print("Temperature:");Serial.println(temperatureChar);M5.Lcd.print(temperatureChar);M5.Lcd.print("C");M5.Lcd.setCursor(15,55);M5.Lcd.setTextColor(RED);M5.Lcd.print("---------------------");floatx=atof(temperatureChar);if(x>=35.0){Serial.println("Itmaybeaoverheat");M5.Lcd.setCursor(15,65);M5.Lcd.setTextColor(RED);M5.Lcd.print("It'smaybeoverheat");}else{Serial.println("It'soktodrink");M5.Lcd.setCursor(30,65);M5.Lcd.setTextColor(GREEN);M5.Lcd.print("It'soktodrink");}M5.Lcd.setCursor(15,75);M5.Lcd.setTextColor(RED);M5.Lcd.print("---------------------");}voidsetup(){M5.begin();M5.Lcd.setRotation(3);M5.Axp.ScreenBreath(10);M5.Lcd.setTextColor(RED);M5.Lcd.setCursor(10,35);M5.Lcd.setTextSize(1.8);//StartserialcommunicationSerial.begin(115200);Serial.println("StartingArduinoBLEClientapplication...");//InitBLEdeviceBLEDevice::init("");BLEScan*pBLEScan=BLEDevice::getScan();pBLEScan->setAdvertisedDeviceCallbacks(newMyAdvertisedDeviceCallbacks());pBLEScan->setActiveScan(true);pBLEScan->start(30);}voidloop(){if(doConnect==true){if(connectToServer(*pServerAddress)){Serial.println("WearenowconnectedtotheBLEServer.");M5.Lcd.print("ConnectedtoBLEServer");//ActivatetheNotifypropertyofeachCharacteristictemperatureCharacteristic->getDescriptor(BLEUUID((uint16_t)0x2902))->writeValue((uint8_t*)notificationOn,2,true);connected=true;}else{Serial.println("Wehavefailedtoconnecttotheserver;RestartyourdevicetoscanfornearbyBLEserveragain.");M5.Lcd.print("NotConnected");}doConnect=false;}//ifnewtemperaturereadingsareavailable,printintheOLEDif(newTemperature){newTemperature=false;printReadings();}}在此代码中，将变送器名称重命名为与您相同的名称，并确保设备服务ID和温度数据ID与变送器匹配。我添加了一些代码行来显示温度读数到TFT显示器。完成后，进行所需的更改，将代码上传到M5StickC。上传一次代码后，就可以按下发射器和接收器上的休息按钮并监控串行输出。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Pradeep，如涉及侵权，可联系删除。

我准备做一种老年人智能设备，可检测跌倒并使用蜂窝网络发送带有位置信息的紧急警报消息。背景随着时间流逝以及社会待遇的提高，我们可以很容易地在街上或商店里找到80到90岁以上的人。近年来，与跌倒相关的危机事件显着增加，其中约80%涉及年龄≥65岁的人。跌倒会导致身心创伤，尤其是对老年人而言。为了提高老年人的生活质量，该项目介绍了跌倒检测和警报系统的开发。大多数老年人（75岁以上）会使用一款功能极少且完全没有通讯设备的基本手机。如果没有智能手机/智能手表和智能应用程序，跟踪他们的活动并不容易。在这个项目中，我构建了一个独立的便携式解决方案，需要一个低维护和低功耗的跌倒检测设备来密切关注他们的活动，以便他们在紧急情况下得到及时的帮助。硬件选择该项目需要一个低功耗、可靠且广泛可用且具有成本效益的蜂窝网络无线电向手机发送警报消息。我将使用BluesWirelessNotecard（用于GPS和蜂窝连接）和带有AA电池线束的BluesWirelessNotecarrierA，这是Notecard的载板，因为锂聚合物电池可能不是老年人可穿戴设备的安全选择。虽然Notecard可以作为独立设备进行跟踪，但我们需要使用EdgeImpulse运行模型推理，因此我将使用RaspberryPiPico作为主机MCU。我使用KiCad设计了一个PCB，它将RaspberryPiPico作为一个模块，仅用作Notecarrier上的一个组件。此防护罩(Piconōto)连接到Notecarrier上，使其成为紧凑且便携的设备，没有任何突出的电线。Piconōto这个名字是两个词pico和nōto的混合体。如下图所示，还使用了许多其他组件。PCB设计这是我的第一个PCB设计，但结果令人满意并且没有任何明显的缺陷。该设计允许从Notecarrier(VMAIN)的主电源或使用焊接跳线垫的3节AA电池电源(VBAT)输入电源。有一个保护二极管可确保RPiPico无法为Notecarrier供电。该设计包括一个Grove连接器、一个Stemma/Qwiic连接器和两个用于连接传感器的通孔接头封装。有一个焊接跳线垫将Notecarrier的ATTN引脚连接到RPiPico3V3_EN引脚（启用/禁用电源）或GPIO引脚7（设置中断）。此外，如果需要，我们可以连接一个按钮和一个LED。大多数Notecard引脚都连接到屏蔽层，可以与RaspberryPiPico一起使用。AUX调试管脚被路由为单独的头管脚，以防我们需要它们来调试Notecard。3D视图预制PCB（前/后）Notecarrier和RaspberryPiPico引脚映射印在PCB背面，方便查找。连接RPiPico直接焊接在SMD焊盘上，以保持其安全并降低整体高度。当RPiPico连接到PC进行编程或监控串行日志时，有一个肖特基二极管用于防止电流从RPiPico流向Notecarrier。红色按钮用作紧急SOS按钮。当长按超过3秒时，会添加一条注释，并通过Notehub将SMS警报消息路由到Twilio。此外，我们需要在NotecarrierATTN与RPiPicoGP7之间以及NotecarrierVBAT与RPiPicoVSYS之间建立一个焊桥（在下图中以红色突出显示）。这样，RPiPico从Notecarrier3xAA电池获取电力，GPIO7引脚配置为中断引脚，并且ATTN引脚配置为在NotecardGPS模块进行定位时触发。最近的GPS位置由主机MCU(RPiPico)存储，以跟踪事件位置。使用Notecard将屏蔽和GroveADXL345加速度计连接到Notecarrier后，最终产品如下所示。开发环境我正在使用EdgeImpulseStudio进行特征生成以及TensorFlowLite模型的创建和训练。您需要在https://studio.edgeimpulse.com注册一个免费帐户并创建一个项目才能开始。我正在使用macOS进行本地开发工作。训练数据集收集各种日常生活活动(ADL)和跌倒的数据是一项耗时且费力的任务。它需要来自不同年龄组的许多人，并且需要大量的工时来管理数据集。幸运的是，有许多高质量的公共数据集可用于类似类型的数据。我使用了SisFall:AFallandMovementDataset，这是使用加速度计获取的跌倒和ADL数据集。该数据集包含19种ADL和15种跌倒。它包括来自38名志愿者的加速度和旋转数据，分为两组：23名19至30岁的成年人和15名60至75岁的老年人。使用三个传感器（2个加速度计和1个陀螺仪）以200Hz的频率样本获取数据。对于这个项目，我使用来自其中一个传感器的加速度数据。此外，我正在使用具有相同配置的相同加速度计ADXL345，用于数据收集。数据集以原始格式提供，可以从该链接下载：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5298771/数据样本如下：仅使用前3列，它们是来自ADXL345传感器的3轴加速度计数据。34,-259,-74,-38,20,-3,50,-987,-132;36,-258,-73,-36,19,-2,52,-986,-130;32,-257,-68,-37,21,-1,54,-993,-130;37,-260,-73,-36,22,-1,51,-992,-131;34,-259,-74,-34,20,0,51,-992,-128;35,-264,-79,-33,21,-1,52,-991,-133;35,-261,-68,-30,21,0,52,-992,-128;33,-257,-67,-27,21,-1,51,-993,-126;34,-263,-70,-26,21,0,50,-993,-127;35,-261,-76,-24,21,1,51,-994,-130;33,-261,-70,-24,21,0,55,-992,-124;36,-260,-68,-23,20,-1,51,-994,-126;34,-260,-70,-23,20,-2,52,-993,-127;34,-258,-72,-23,19,0,52,-995,-127;35,-260,-69,-23,19,-1,56,-996,-124;37,-262,-73,-23,18,0,51,-988,-124;37,-262,-72,-26,17,-1,49,-996,-127;33,-257,-68,-28,18,-3,51,-991,-127;34,-262,-70,-30,19,-2,52,-990,-121;35,-259,-71,-30,17,-1,55,-991,-125;33,-259,-69,-30,16,-2,50,-989,-122;35,-259,-69,-33,16,-2,52,-993,-129;34,-259,-69,-33,18,-2,53,-984,-124;使用以下转换公式将每个3轴加速度计数据(x,y,z)转换为重力：Resolution:13(13bits)Range:16(+-16g)Acceleration[g]:[(2*Range)/(2^Resolution)]*raw_acceleration将数据上传到EdgeImpulseStudio我们需要创建一个新项目来将数据上传到EdgeImpulseStudio。此外，我们还需要EdgeImpulseStudio项目的HMAC密钥来为数据采集格式生成签名。我们可以从EdgeImpulseStudio仪表板的Dashboard>Keys[tab]复制HMAC密钥。加速度计数据分为ADL和FALL两类，并在上传到EdgeImpulseStudio之前转换为m/s^2。我编写了一个Python脚本（如下），它将原始加速度计数据转换为EdgeImpulse工作室所需的数据采集JSON格式以生成特征。importjsonimporttime,hmac,hashlibimportglobimportosimporttimeHMAC_KEY="YOUR_HMAC_KEY"#Emptysignature(allzeros).HS256gives32bytesignature,andweencodeinhex,soweneed64charactershereemptySignature=''.join(['0']*64)defget_x_filename(filename):m_codes=['D01','D02','D03','D04','D05','D06','D07','D08','D09','D10','D11','D12','D13','D14','D15','D16','D17','D18','D19']f_codes=['F01','F02','F03','F04','F05','F06','F07','F08','F09','F10','F11','F12','F13','F14','F15']code=filename.split('_')[0]label=''ifcodeinm_codes:label='ADL'ifcodeinf_codes:label='FALL'iflabel=='':raiseException('labelnotfound')x_filename='./data/{}.{}.json'.format(label,os.path.splitext(filename)[0])returnx_filenameif__name__=="__main__":files=glob.glob("SisFall_dataset/*/*.txt")CONVERT_G_TO_MS2=9.80665forindex,pathinenumerate(files):filename=os.path.basename(path)values=[]withopen(path)asinfile:forlineininfile:line=line.strip()ifline:row=line.replace("","")cols=row.split(',')ax=((2*16)/(2**13))*float(cols[0])*CONVERT_G_TO_MS2ay=((2*16)/(2**13))*float(cols[1])*CONVERT_G_TO_MS2az=((2*16)/(2**13))*float(cols[2])*CONVERT_G_TO_MS2values.append([ax,ay,az])if(len(values)==0):continuedata={"protected":{"ver":"v1","alg":"HS256","iat":time.time()#epochtime,secondssince1970},"signature":emptySignature,"payload":{"device_name":"aa:bb:ee:ee:cc:ff","device_type":"generic","interval_ms":5,"sensors":[{"name":"accX","units":"m/s2"},{"name":"accY","units":"m/s2"},{"name":"accZ","units":"m/s2"}],"values":values}}#encodeinJSONencoded=json.dumps(data)#signmessagesignature=hmac.new(bytes(HMAC_KEY,'utf-8'),msg=encoded.encode('utf-8'),digestmod=hashlib.sha256).hexdigest()#setthesignatureagaininthemessage,andencodeagaindata['signature']=signatureencoded=json.dumps(data)x_filename=get_x_filename(filename)withopen(x_filename,'w')asfout:fout.write(encoded)要执行上面的脚本，请将其保存到format.py并运行以下命令。假设SisFall数据集已下载到SisFall_dataset目录。$mkdirdata$python3format.py转换后的数据采集JSON如下所示。采样率为200Hz，因此interval_ms设置为5(ms)。{"protected":{"ver":"v1","alg":"HS256","iat":1646227572.4969049},"signature":"3a411ca804ff73ed07d41faf7fb16a8174a58a0bef9adc5cee346f0bc3261e90","payload":{"device_name":"aa:bb:ee:ee:cc:ff","device_type":"generic","interval_ms":5,"sensors":[{"name":"accX","units":"m/s2"},{"name":"accY","units":"m/s2"},{"name":"accZ","units":"m/s2"}],"values":[[0.0383072265625,-9.95987890625,-2.3367408203125],[-0.0383072265625,-9.9215716796875,-2.4516625],[-0.1149216796875,-9.95987890625,-2.375048046875],...]}}使用EdgeImpulseCLI上传数据。请在此处安装CLI：https://docs.edgeimpulse.com/docs/cli-installation。JSON文件由上面的脚本以标签名称为前缀（例如FALL.F10_SA07_R01.json），以便CLI自动推断标签名称。下面的命令用于将所有JSON文件上传到训练数据集：$edge-impulse-uploader--categorytrainingdata/*.json我们本可以使用--categorysplit将数据自动拆分为训练和测试数据集，但我们需要对样本进行分段，以便将其上传到那里以方便。我们可以在EdgeImpulseStudio的数据采集页面中看到上传的数据集。上传的FALL事件数据在跌倒事件之前和之后具有混合的运动事件，这些运动事件通过分割段来删除。ADL类别数据无需任何修改即可使用。我们可以通过选择每个样本并从下拉菜单中单击“拆分样本”来进行拆分，但这是一项耗时且繁琐的工作。幸运的是，有一个EdgeImpulseSDKAPI可用于自动化整个过程。经过一些实验，我们选择了4000ms的分段长度，这是检测跌倒的最佳长度。importjsonimportrequestsimportloggingimportthreadingAPI_KEY="YOUR_API_KEY"projectId="YOUR_PROJECT_ID"headers={"Accept":"application/json","x-api-key":API_KEY}defget_sample_len(sampleId):url=f'https://studio.edgeimpulse.com/v1/api/{projectId}/raw-data/{sampleId}'response=requests.request("GET",url,headers=headers)resp=json.loads(response.text)returnresp['sample']['totalLengthMs']defget_segments(sampleId):url=f'https://studio.edgeimpulse.com/v1/api/{projectId}/raw-data/{sampleId}/find-segments'payload={"shiftSegments":False,"segmentLengthMs":4000}response=requests.request("POST",url,json=payload,headers=headers)returnjson.loads(response.text)["segments"]defcrop_sample(sampleId):sample_len=get_sample_len(sampleId)cropStart=200cropEnd=int(sample_len/5)payload={"cropStart":cropStart,"cropEnd":cropEnd}#print(payload)url=f'https://studio.edgeimpulse.com/v1/api/{projectId}/raw-data/{sampleId}/crop'response=requests.request("POST",url,json=payload,headers=headers)resp=json.loads(response.text)ifresp['success']:logging.info(f'Crop:{sampleId}')else:logging.error(f'Crop:{sampleId}{resp["error"]}')defsegment(tid,ids):forsampleIdinids:try:crop_sample(sampleId)segments=get_segments(sampleId)iflen(segments)>0:payload={"segments":segments}url=f'https://studio.edgeimpulse.com/v1/api/{projectId}/raw-data/{sampleId}/segment'response=requests.request("POST",url,json=payload,headers=headers)resp=json.loads(response.text)ifresp['success']:logging.info(f'Segment:{tid}{sampleId}')else:logging.error(f'Segment:{tid}{sampleId}{resp["error"]}')exceptExceptionase:logging.error(f'Segment:exception{sampleId}')continuedefget_id_list():querystring={"category":"training","excludeSensors":"true","labels":'["FALL"]'}url=f'https://studio.edgeimpulse.com/v1/api/{projectId}/raw-data'response=requests.request("GET",url,headers=headers,params=querystring)resp=json.loads(response.text)id_list=list(map(lambdas:s["id"],resp["samples"]))returnid_listif__name__=="__main__":format="%(asctime)s:%(message)s"logging.basicConfig(format=format,level=logging.INFO,datefmt="%H:%M:%S")id_list=get_id_list()logging.info('SampleCount:{}'.format(len(id_list)))div=8n=int(len(id_list)/div)threads=list()foriinrange(div):ifi==(div-1):ids=id_list[n*i:]else:ids=id_list[n*i:n*(i+1)]x=threading.Thread(target=segment,args=(i,ids))threads.append(x)x.start()forthreadinthreads:thread.join()logging.info("Finished")要执行上面的脚本，请将其保存到segment.py文件并运行以下命令：$python3segments.py分割数据集后，我们可以通过单击EdgeImpulseStudio仪表板上的执行训练/测试拆分按钮将其拆分为训练集和测试集。训练转到ImpulseDesign>CreateImpulse页面，单击Addaprocessingblock，然后选择SpectralAnalysis，这非常适合分析重复运动，例如来自加速度计的数据。此外，在同一页面上，单击Addalearningblock，然后选择Classification(Keras)，它从数据中学习模式并将其应用于新数据。我们选择了4000msWindowsize和4000msWindowincrease，这意味着我们正在使用单帧。现在单击保存脉冲按钮。接下来进入ImpulseDesign>SpectralAnalysis页面，如下图所示更改参数，然后单击Saveparameters按钮。单击Saveparameters按钮将重定向到另一个页面，我们应该单击GenerateFeature按钮。完成特征生成通常需要几分钟。我们可以在FeatureExplorer中看到生成的特征的3D可视化。现在转到ImpulseDesign>NeuralNetwork(Keras)页面并定义神经网络架构。我创建了具有2个密集（完全连接）层的模型。训练周期数选择为30。由于ADL和FALL类数据集不平衡，因此选择了自动平衡数据集选项，该选项混合了来自不常见类的更多数据副本，可能有助于使模型对过拟合。现在单击“开始训练”按钮并等待几分钟，直到训练完成。我们可以在下面看到训练输出。量化（int8）模型有97.5%的准确率。测试我们可以通过转到模型测试页面并单击全部分类按钮来在测试数据集上测试模型。该模型在测试数据集上的准确率为97.11%，因此我们有信心该模型应该在真实环境中工作。部署EdgeImpulseStudio支持RaspberryPiPicoC++SDK，但BluesWirelessNotecard尚不支持。幸运的是，两者都支持Arduino库，因此在部署页面我们将选择创建库>Arduino库选项。对于Selectoptimizations选项，我们将选择EnableEONCompiler，这会减少模型的内存使用量。此外，我们将选择量化(Int8)模型。现在单击Build按钮，几秒钟后库包将下载到您的本地计算机。设置BluesWirelessNotecard和Notehub在开始运行应用程序之前，我们应该设置Notecard。以设置带有NotecarrierAA的Notecard，以测试一切是否按预期工作。应用程序代码实际上会在启动时进行Notecard设置，以确保它始终处于已知状态。我们还需要设置Notehub，这是一个云服务，它从Notecard接收数据并允许我们管理设备，并将这些数据路由到我们自己的云应用程序和服务。我们可以在https://notehub.io/sign-up创建一个免费账户，登录成功后我们可以创建一个新项目。复制Notehub用来将Notecard关联到创建的项目的ProjectUID。几次Notehub同步后，我们将能够在Notehub事件页面中看到日志，如下所示。对于SMS警报，我们需要在Twilio上设置一个帐户并通过单击“路线”页面右上角的“创建路线”链接来创建路线。请遵循BluesWireless提供的编写精美的指南中给出的说明，以利用通用HTTP/HTTPS请求/响应路由类型来调用TwilioAPI。在Filters部分中，我们必须指定要路由到Twilio的Notecard出站文件数据。它将确保我们始终发送预期的数据。为了发送SMS消息，TwilioAPI需要具有三个键/值对（Body、From和To）的表单数据。这可以使用JSONata（JSON数据的查询和转换语言）表达式将数据格式化为所需的形式来实现。我们应该在数据>转换字段中选择JSONata表达式，我们可以在文本区域中输入JSONata表达式，如下所示。完整的JSONata表达式如下所示。此表达式将JSON有效负载格式化为TwilioAPI可消费消息格式。该消息由跌倒检测或按钮按下事件生成。根据位置数据的可用性，消息中包含Google地图搜索或方向URL。($locations:=$filter(body.locations,function($v){when-$v.time>3600});$origin:=$count($locations)>0?body.locations[0].lat&","&body.locations[0].lon:"";$waypoints:=$count($locations)>1?$map($locations,function($v,$i){$i>0?$v.lat&','&$v.lon:""}):"";$waypoints:=$filter($waypoints,function($v){$v!=""});$destination:=(where_lat?where_lat:tower_lat)&","&(where_lon?where_lon:tower_lon);$url_search:="https://google.com/maps/search/?api=1";$url_direction:="https://google.com/maps/dir/?api=1";"&Body="&$replace(body.event,"_","")&"at"&($origin=""?$url_search:$url_direction)&($origin=""?"":"%26origin="&$origin)&($count($waypoints)>0?"%26waypoints="&$join($waypoints,"|"):"")&($origin=""?"%26query="&$destination:"%26destination="&$destination)&"&From="&body.from&"&To="&body.to&"&")应用程序工作流程这是应用程序工作流程的高级概述：运行打开ArduinoIDE并通过转到Tools>Board>BoardsManager为RaspberryPiPico安装板包。搜索下图板包并安装：板包安装完成后，在Tools>Board>RaspberryPiRP2040board菜单中选择RaspberryPiPico，在Tools>Port菜单中选择连接板的串口。我们需要使用库管理器（工具>管理库...）安装BluesWirelessNotecard库。如下图所示：此外，我们需要使用库管理器安装RingBuffer库。下面是用于推理的Arduino草图。对于连续运动事件检测，该应用程序使用两个可用的MCU内核，一个用于推理，另一个用于数据采样，这样就不会错过任何事件。#include#include#include#include#include#include#defineserialDebugOutSerial#defineI2C_SDA_PIN2#defineI2C_SCL_PIN3#defineATTN_PIN7#defineEN_PIN22#defineLED_PIN25#defineBTN_PIN28#defineBTN_LONG_PRESS_MS3000#defineMY_PRODUCT_ID"com.xxx.yyy:my_project"#defineFROM_PHONE_NUMBER"+16xxxxxxxx"#defineTO_PHONE_NUMBER"+8xxxxxxxxx"#defineN_LOC5voidbtnISR(void);voidattnISR(void);volatileboolbtnInterruptOccurred=false;volatileboolnotecardAttnFired=false;typedefstruct{doublelat;doublelon;unsignedlongtimestamp;}location_t;RingBuflocations;//Accelerometerdataqueuequeue_tsample_queue;//InitAccelerometerAdafruit_ADXL345_Unifiedaccel=Adafruit_ADXL345_Unified(12345);//NotecardinstanceNotecardnotecard;//Thisbufferisfilledbytheaccelerometerdatafloatsignal_buf[EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE];intraw_feature_get_data(size_toffset,size_tlength,float*out_ptr){memcpy(out_ptr,signal_buf+offset,length*sizeof(float));return0;}//InterruptServiceRoutineforBTN_PINtransitionsrisingfromLOWtoHIGHvoidbtnISR(){btnInterruptOccurred=true;}voidattnISR(){notecardAttnFired=true;}voidrestore_notecard(){J*req=notecard.newRequest("card.restore");if(req){JAddBoolToObject(req,"delete",true);if(!notecard.sendRequest(req)){notecard.logDebug("ERROR:restorecardrequest\n");}}else{notecard.logDebug("ERROR:Failedtorestorecard!\n");}}voidsetup_notehub(){//SetupNotehubJ*req=notecard.newRequest("hub.set");if(req){JAddStringToObject(req,"product",MY_PRODUCT_ID);JAddBoolToObject(req,"sync",true);JAddStringToObject(req,"mode","periodic");JAddNumberToObject(req,"outbound",15);//15minsJAddNumberToObject(req,"inbound",60);//60minsif(!notecard.sendRequest(req)){notecard.logDebug("ERROR:SetupNotehubrequest\n");}}else{notecard.logDebug("ERROR:Failedtosetnotehub!\n");}}voidenable_tracking_notecard(){J*req=NoteNewRequest("card.location.mode");if(req){JAddStringToObject(req,"mode","periodic");JAddNumberToObject(req,"seconds",300);if(!notecard.sendRequest(req)){notecard.logDebug("ERROR:card.location.moderequest\n");}J*req=notecard.newRequest("card.location.track");if(req){JAddBoolToObject(req,"start",true);JAddBoolToObject(req,"sync",true);JAddBoolToObject(req,"heartbeat",true);JAddNumberToObject(req,"hours",1);if(!notecard.sendRequest(req)){notecard.logDebug("ERROR:card.location.trackrequest\n");}J*req=NoteNewRequest("card.motion.mode");if(req){JAddBoolToObject(req,"start",true);if(!notecard.sendRequest(req)){notecard.logDebug("ERROR:card.motion.moderequest\n");}}else{notecard.logDebug("ERROR:Failedtosetcardmotionmode!\n");}}else{notecard.logDebug("ERROR:Failedtosetlocationtrack!\n");}}else{notecard.logDebug("ERROR:Failedtosetlocationmode!\n");}}voidregister_location(){J*rsp=notecard.requestAndResponse(notecard.newRequest("card.location"));if(rsp!=NULL){location_tlocation;location.lat=JGetNumber(rsp,"lat");location.lon=JGetNumber(rsp,"lon");location.timestamp=JGetNumber(rsp,"time");notecard.deleteResponse(rsp);notecard.logDebugf("lat=%f,lon=%f\n",location.lat,location.lon);if(locations.isFull()){location_tloc;locations.pop(loc);}locations.push(location);}}voidarm_attn(){//ArmATTNInterruptJ*req=NoteNewRequest("card.attn");if(req){//armATTNifnotalreadyarmedandfirewhenevertheNotecardGPSmodulemakesapositionfix.JAddStringToObject(req,"mode","rearm,location");//JAddStringToObject(req,"mode","sleep");//JAddNumberToObject(req,"seconds",120);if(notecard.sendRequest(req)){notecard.logDebug("ArmATTNinterruptenabled!\n");}else{notecard.logDebug("ERROR:FailedtoarmATTNinterrupt!\n");}}}voidsend_notification(char*event){//AddanoteJ*req=notecard.newRequest("note.add");if(req!=NULL){//sendimmediatelyJAddBoolToObject(req,"sync",true);JAddStringToObject(req,"file","twilio.qo");J*body=JCreateObject();if(body!=NULL){JAddStringToObject(body,"event",event);J*arr=JAddArrayToObject(body,"locations");for(uint8_ti=0;iJ*location=JCreateObject();if(location!=NULL){JAddNumberToObject(location,"lat",locations[i].lat);JAddNumberToObject(location,"lon",locations[i].lon);JAddNumberToObject(location,"time",locations[i].timestamp);JAddItemToObject(arr,"",location);}}JAddStringToObject(body,"from",FROM_PHONE_NUMBER);JAddStringToObject(body,"to",TO_PHONE_NUMBER);JAddItemToObject(req,"body",body);}if(!notecard.sendRequest(req)){notecard.logDebug("ERROR:addnoterequest\n");}}}//Runningoncore0voidsetup(){serialDebugOut.begin(115200);pinMode(LED_PIN,OUTPUT);//while(!serialDebugOut){//delay(250);//}pinMode(EN_PIN,OUTPUT);digitalWrite(EN_PIN,HIGH);//Wait2.5secondsuntilNotecardisreadysleep_ms(10000);digitalWrite(LED_PIN,LOW);//NotecardI2CSDA/SCLisattachedtoRPiPicoGPIO2/3whichusesi2c1/Wire1insteadofdefaulti2c0/WireWire1.setSDA(I2C_SDA_PIN);Wire1.setSCL(I2C_SCL_PIN);Wire1.begin();//AttachButtonInterruptpinMode(BTN_PIN,INPUT);attachInterrupt(digitalPinToInterrupt(BTN_PIN),btnISR,RISING);//AttachNotecardInterruptpinMode(ATTN_PIN,INPUT);attachInterrupt(digitalPinToInterrupt(ATTN_PIN),attnISR,RISING);//InitializeNotecardwithI2Ccommunicationnotecard.begin(NOTE_I2C_ADDR_DEFAULT,NOTE_I2C_MAX_DEFAULT,Wire1);notecard.setDebugOutputStream(serialDebugOut);//RestoreNotecard//restore_notecard();//sleep_ms(100);setup_notehub();sleep_ms(100);//Configurelocationtrackingenable_tracking_notecard();sleep_ms(100);//ArmATTNarm_attn();sleep_ms(1000);}intsample_start=0;intsample_end=EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE/4;intcontinous_fall_detected=0;uint64_tlast_fall_detected_time=0;//Runningoncore0voidloop(){if(notecardAttnFired){notecardAttnFired=false;notecard.logDebug("ATTNfired\n");//Savelocationdataregister_location();//Re-armATTNarm_attn();}if(btnInterruptOccurred){btnInterruptOccurred=false;unsignedlongintstart_time=millis();while(digitalRead(BTN_PIN)==HIGH){if(millis()-start_time>BTN_LONG_PRESS_MS){send_notification("BUTTON_PRESSED");break;}}}ei_impulse_result_tresult={0};signal_tfeatures_signal;features_signal.total_length=EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE;features_signal.get_data=&raw_feature_get_data;//getdatafromthequeuefor(inti=sample_start;iqueue_remove_blocking(&sample_queue,&signal_buf[i]);}if(sample_end==EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE){sample_start=0;sample_end=EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE/4;}else{sample_start=sample_end;sample_end+=EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE/4;}//invoketheimpulseEI_IMPULSE_ERRORres=run_classifier(&features_signal,&result,false);if(res==0){//above80%confidencescoreif(result.classification[1].value>0.8f){ei_printf("Predictions(DSP:%dms.,Classification:%dms.,Anomaly:%dms.):\n",result.timing.dsp,result.timing.classification,result.timing.anomaly);for(size_tix=0;ixei_printf("\t%s:%.5f\n",result.classification[ix].label,result.classification[ix].value);}continous_fall_detected+=1;if(continous_fall_detected>2){send_notification("FALL_DETECTED");continous_fall_detected=0;digitalWrite(LED_PIN,HIGH);}}else{continous_fall_detected=0;//turnofftheledafter5ssincelastfalldetectedif(ei_read_timer_ms()-last_fall_detected_time>=5000){digitalWrite(LED_PIN,LOW);}}}}//Runningoncore1voidsetup1(){if(!accel.begin()){/*TherewasaproblemdetectingtheADXL345...checkyourconnections*/Serial.println("Ooops,noADXL345detected...Checkyourwiring!");while(1);}/*Settherangetowhateverisappropriateforyourproject*/accel.setRange(ADXL345_RANGE_16_G);accel.setDataRate(ADXL345_DATARATE_400_HZ);//addspacefor4additionalsamplestoavoidblockingmainthreadqueue_init(&sample_queue,sizeof(float),EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE+(4*sizeof(float)));//wait10suntilcore0finishessetupandstartsfetchingaccelerometerdatasleep_ms(10000);}uint64_tlast_sample_time=0;//Runningoncore1voidloop1(){sensors_event_tevent;accel.getEvent(&event);floatacceleration[EI_CLASSIFIER_RAW_SAMPLES_PER_FRAME];//readsampleevery5000us=5ms(=200Hz)if(ei_read_timer_us()-last_sample_time>=5000){acceleration[0]=event.acceleration.x;acceleration[1]=event.acceleration.y;acceleration[2]=event.acceleration.z;//ei_printf("%.1f,%.1f,%.1f\n",acceleration[0],acceleration[1],acceleration[2]);for(inti=0;iif(queue_try_add(&sample_queue,&acceleration[i])==false){//ei_printf("Dataqueuefull!\n");sleep_ms(100);break;}}last_sample_time=ei_read_timer_us();}}voidei_printf(constchar*format,...){staticcharprint_buf[1024]={0};va_listargs;va_start(args,format);intr=vsnprintf(print_buf,sizeof(print_buf),format,args);va_end(args);if(r>0){Serial.write(print_buf);}}要运行推理草图，请使用以下命令克隆应用程序存储库：$gitclonehttps://github.com/metanav/Piconoto_SOS.git使用ArduinoIDE中的菜单Sketch>IncludeLibrary>Add.ZIPLibrary导入库包Piconoto_SOS/Fall_Detection_inferencing.zip。通过导航菜单文件>示例>Fall_Detection_inferencing>piconoto_fall_detector打开推理草图并将固件编译/上传到连接的RPiPico板。我们可以使用波特率115200bps的Tools>SerialMonitor来监控推理输出和Notecard调试日志。外观为了保护和方便佩戴，该设备被放置在一个小袋内，可以用腰带将其固定在腰部。此外，小袋材料允许GPS和蜂窝信号穿透。跌倒检测警报消息如果检测到跌倒，我们应该会在5秒内收到如下所示的SMS警报消息。我们可以点击打开谷歌地图的短信中的链接，我们可以知道确切的位置并快速找到该人。由于设备能够捕获最近的GPS位置，因此通过Notehub路由到Twilio的消息中的JSONata表达式包含Google地图方向URL。SOS按钮长按提示信息在下面的屏幕截图中，当GPS无法修复时，无法捕获最近的位置，因此只有蜂窝塔位置通过JSONata表达式包含在Google地图搜索URL中，该表达式通过Notehub路由到Twilio。结论该项目展示了一个易于老年人使用的概念验证设备，并且还展示了简单的神经网络可用于解决以正确方式完成信号处理的复杂问题，同时可以在具有可靠且具有成本效益的位置感知蜂窝网络连接的低功率资源受限设备上运行。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Naveen，如涉及侵权，可联系删除。

通过智能设备网络，我们可以监控垃圾桶的填充水平，以实时了解情况。背景许多大城市的垃圾管理的主要问题是垃圾箱溢出。这带来了留在街道上的垃圾、难闻的气味、野生动物漫游和厌倦的市民。这是垃圾收集公司在经济和后勤方面（员工时间和垃圾车）对资源使用效率低下的结果。例如，通常的取货路线会清空尚未装满的垃圾箱，而缺少装满的垃圾箱。物联网可以帮助解决这个问题，而无需雇用新工人或购买新卡车，这将为公司带来更多的长期开支。通过智能设备网络，我们可以监控每个垃圾桶的填充水平并汇总这些数据，以生成有关城市垃圾箱实时情况的集中和完整的信息。利用这些知识，公司可以根据垃圾箱的填充水平规划有效的取货路线。他们还可以对收集的数据进行统计分析，以根据实际需要调整每个区域的垃圾箱数量。原型为了亲眼看看我们的系统如何在真实的垃圾箱上实现，我们构建了一个原型。从标准箱开始，我们使用热胶和一些3D打印部件放在箱上：传感器、执行器和电路板。您在这些照片中看到的是最终结果：我们使用了以下组件：LoRaWAN兼容STM板：STM32L0探索套件LoRa、Sigfox、低功耗无线。该模块由STM32L072CZ微控制器和SX1276收发器供电。该收发器采用LoRa远程调制解调器，提供超远程扩频通信和高抗干扰性，最大限度地降低电流消耗。在城市里应该有一些LoRaWAN网关来接收垃圾箱发送的所有信号。要允许通信，必须在main.h文件中设置以下参数：dev_eui、app_eui、app_key。超声波传感器：测量垃圾箱中的占用体积。我们使用超声波传感器作为测量垃圾箱填充水平的主要方式。在原型中，我们只使用了一个传感器，但我们决定每次采取3次措施，超时时间为30秒。通过这种方式，我们可以丢弃在垃圾箱打开时进行的测量。使用更多的超声波传感器将提高测量的准确性，但意味着整个系统的传感器能​​量消耗的线性增加。称重传感器和称重传感器放大器：测量垃圾箱中垃圾的重量。为了检测超声波传感器读取的数据中的异常情况，我们使用称重传感器。结合基于收集数据的统计数据，我们可以比较垃圾箱中的占用体积和重量，以了解超声波测量是否存在异常。要根据超声波测量估算重量并估算最大重量，必须在main.h文件中设置以下参数：垃圾箱高度（cm）、垃圾箱底面积（平方米）、废物类型（塑料、金属、玻璃、纸张、食品、混合）。按钮：当箱子被锁定时打开箱子。OLED显示屏：向市民显示填充水平。OLED显示屏将向市民提供有关填充水平的信息作为反馈。它与进度条一起显示数值。通过这种方式，他们可以更多地参与流程并承担责任。步进电机：装满时锁定仓口，清空时解锁。接线所有组件的接线如下图所示：逻辑RIOT代码实现了在LoRa板上执行的逻辑计算。在主函数中，它初始化传感器、执行器、LoRa通信参数和处理按钮的线程。然后它开始一个循环，该循环交替一个活动阶段和一个睡眠阶段。在活动阶段，代码执行以下操作：超声波传感器进行3次测量，超时30秒在三个值中排除最终的异常并选择相关的一个然后它将其转换为0到9之间的填充水平，知道垃圾箱的高度称重传感器用于获取垃圾箱内垃圾的重量根据填充水平和垃圾类型，它计算估计的重量它还根据垃圾箱的高度、底面积和垃圾类型计算最大重量如果填充水平低于8但重量超过最大值（有20%的余量），我们就有异常；它向云端发送填充级别9以通知垃圾箱必须清空，但它不会关闭垃圾箱。否则，如果填充水平与之前的测量值不同，它会将填充水平发送到云端并更新OLED显示屏上的值。然后它还会检查：如果在料位大于或等于8时重量低于估计重量（余量为20%）；在这种情况下，它会使垃圾箱保持打开状态否则，如果填充水平大于或等于8且重量一致，则关闭垃圾箱否则它会打开垃圾箱此外，一个单独的线程用于使用按钮处理垃圾箱的打开：-如果按下按钮并且垃圾箱被锁定，则垃圾箱被打开。网络图：云：项目的云部分由以下元素组成：物联网AWS物联网核心AWSLambda函数AWSDynamoDBAWS放大谷歌地图提供的API。板子发送的消息格式如下：fill_level.数据库由一个表组成binTable(DevEUI,id,lat,lng,last_fill_level,last_fill_timestamp)，其中：分配给设备的DevEUI用作表的主键；id用于标识web仪表板上的bin；lat和lng是bin所在的地理坐标；last_fill_level是从电路板收到的最后一个填充水平；last_fill_timestamp是接收到最后填充水平的时间戳。作为表的主键，我们决定使用分配给每个bin的DevEUI。通过这种方式，我们可以使用在交换中自动发送的信息立即将接收到的消息关联到相应的bin，而无需在消息负载中添加更多信息。我们还选择使用ID以更简单的方式识别Web仪表板中的垃圾箱。由于垃圾箱通常彼此靠近，垃圾车司机可以使用ID来了解需要清空哪个垃圾箱。显然，id应该写在物理bin上。消息路径：当包含填充水平的消息发送到物联网(TTN)中的LoRa网关时。TTN将传入消息中继到AWSIoTCore中的MQTT代理。一旦IoTCore在代理上收到一条新消息，它就会使用其规则引擎调用Lambda函数“writeBinTable_v2”。此函数更新DB中与刚刚到达的消息中具有相同DevEUI的元组。网页界面：用户与AWSAmplify交互以获取静态内容。客户端浏览器上的页面完全加载后，它会运行javascript代码生成带有标记的地图，其中包含垃圾箱所在的位置。用户现在可以单击标记来查看容器ID、最后一个填充水平以及检测到最后一个填充水平的时间。从Web界面，用户还可以通过填写纬度和经度字段并单击“添加箱”按钮向系统添加新箱。它调用“addBin_v2”Lambda函数的函数URL，该函数在“binTable”中创建一个新元组，并将新的binid返回给用户。此外，用户可以通过在相应字段中插入id然后单击“删除bin”按钮从系统中删除一个bin。通过这种方式调用Lambda函数“deleteBin”，并从数据库中删除与指定bin的id关联的元组。存储在数据库中的所有数据也可以通过RESTAPI访问，以简化与垃圾收集公司现有管理系统的集成。要求：灌装液位的准确度误差不得超过10%；填充水平的更新必须在实际更改后的2小时内显示在仪表板中；该系统必须在至少一年内保持能源独立；垃圾箱容量减少不得超过5%（重量和体积）；系统必须符合LoRa占空比限制；错误液位测量值与总液位测量值的比率必须小于5%。这些要求是对观察到的现实世界做出合理假设而设定的。能源消耗我们面临的一个主要限制是能源消耗。考虑到以下能源使用情况，我们希望系统至少在一年内保持能源独立：OLED屏幕将始终亮着，并且会在每次填充量变化时更新。仅当垃圾箱已满或最近清空时，才会激活步进电机。传感器将以预定义的时间间隔激活。超声波传感器将以30秒的间隔采取三项措施，以放弃在垃圾箱打开时采取的最终措施。称重传感器也将被激活以读取值。采样频率分析该项目的关键方面之一是采样的频率。周期性传感是能源消耗和数据可用性之间的良好折衷。也可以定制测量之间的间隔，在开发过程中，我们为我们的应用程序选择1小时的间隔。使用更大的间隔，我们将失去检测填充水平何时变化的准确性。此外，我们需要有足够的最新更新，以便卡车能够以现实主义的视角来规划他们的路线。无线电使用分析对能源消耗有很大影响的第二个方面是无线电的使用频率。我们选择在每次填充水平变化时进行传输：通过这种方式，我们进一步降低了能源消耗，而不会丢失任何有关垃圾箱状态的相关信息。当在超声波测量的液位测量和称重传感器测量的重量之间检测到异常时，天线也会被激活。在这种情况下，它将用于通知异常，将最大填充水平发送到云以通知必须清空垃圾箱。总之，我们选择每隔一小时检测一次，并在每次垃圾箱填充水平发生变化或出现异常时发送数据。通过这种方式，我们还可以遵守LoRa占空比限制（在欧洲，它们受ETSIEN300.220标准监管）以及填充液位变化与仪表板中可视化结果之间的延迟要求。测得的能耗我们使用万用表和INA219来测量我们系统的能耗。此外，我们使用IoTLAB来测量我们使用的板在发送LoRa数据包期间的能耗。76.3mA唤醒期间的能耗48.2mA+6.1mA板卡能耗+OLED显示屏+8.2mA激活传感器和计算液位的能耗（总计62.5mA）+34.5mA使用LoRa传输数据的能耗（总计88.8mA）+90.7mA步进器能耗（总计145mA）测量的消耗可以在下图中可视化：通过使用INA219、ArduinoUNO和AdafruitINA219库，我们获得了运行系统能耗的更精确测量结果：电池为了给系统供电，我们必须使用电池，因为没有基础设施来保持设备的插入。考虑到测量的能耗和要求，我们需要一个500A的电池而不使用充电方法。搜索这种电池，我们发现它们的重量不少于35公斤。考虑到容量小于500公斤的标准箱，该电池将违反有关减少容量的限制。考虑到这个结论，我们必须实施某种收费方法或放松约束。传感器精度填充水平的精度取决于料仓的高度。填充水平是0到9之间的一个值，计算为fill_level=9-(10*distance/max_distance)。fill_level*max_distance/10因此，填充水平的每一步都将代表和之间的垃圾高度值(fill_level+1)*max_distance/10。因此，我们的固有误差百分比最大为总高度的10%，这符合有关填充水平精度的要求。我们根据我们使用的转换公式测量了称重传感器的精度。从我们所做的测试中，我们发现了2%的错误，这是可以接受的。比较代码中的权重时使用的20%余量也抵消了这一点。我们进行了一些测试来评估系统的准确性。总测量：40。检测到的异常：2。未检测到的异常：1。填充水平的准确度：92.5%。我们希望随着样本数据集的增加，准确率会提高，从而符合错误率的要求。网络使用关于数据包和有效负载大小的注意事项考虑到我们的实现，我们发送了一个负载为1字节的LoRa消息。考虑到一个LoRa数据包使用13个字节作为标头（根据我们使用的规范1.0.2），总数据包大小为14个字节。已知扩频因子为7，区域为EU868，带宽为125kHz。使用这些信息和TheThingsNetwork本身提供的计算器（您可以在此处找到），我们得出一个数据包的空中时间为43.6毫秒。这是一个很小的时间段，至少就我们在项目中考虑的时间间隔而言（bin每小时测量一次）。在项目开始时，我们考虑发送具有7个字节的更大负载的数据包，这样我们也可以在消息中发送bin的ID。即使播出时间仅略微增加至56.6毫秒（我们的情况允许的时间段），我们也选择仅发送表示填充水平的单个字节。做出这个选择是因为没有理由将垃圾箱的ID发送到云端。实际上，数据是使用DevEUI而不是ID处理的，并且默认情况下该信息已经存在于数据包中。关于延迟的注意事项在我们的用例中，谈论整个系统的延迟没有多大意义，特别是如果我们考虑到bin中的测量间隔可能由使用机器学习计算的模型控制。相反，需要考虑的一个更相关的方面是电路板开始测量与数据可供最终用户使用之间的延迟。这个时间间隔由三部分组成：板上时间（TBoard）：计算填充水平和发送消息所需的时间；TimeonAir(TAir)：消息从电路板传送到LoRa网关所需的时间；云处理时间(TCloud)：在云上处理数据所需的时间（我们还包括TTN将消息发送到AWSIoTCore所需的时间）。更详细地说，我们有：TBoard=TUltrasonic+TLogic其中TUltrasonic是执行超声波测量所需的时间，TLogic是执行填充液位计算和发送消息所需的时间。在我们的例子中，我们有：TUltrasonic=60s，因为系统执行3次测量（每30秒一次），因此我们在t=0、t=30s、t=60s时进行测量；TLogic=0.05s经验数据告诉我们，板子计算填充液位并发送它的时间不超过50ms；TAir=0.05s使用TheThingsNetwork计算器我们知道理论上播出时间为43.6ms，为了应对最终的延迟，我们假设为0.05s；TCloud=2s显然我们无法控制这方面，但经验数据告诉我们它不会超过2s。TBoard+TAir+TCloud=TUltrasonic+TLogic+TAir+TCloud=60+0.05+0.05+2=62.1s≃62s这可以在下图中以图形方式看到：可扩展性为了确保我们的系统能够在现实世界环境中工作，我们还测试了它的可扩展性。我们在我们的城市中选择了一个街区，并在数据库中为每个垃圾箱创建了一个实体。我们使用IoTLAB并创建了一个实验，在Saclay站点上保留12个板b-l072z-lrwan1。我们编写了一些RIOTOS代码来连接LoRa网关，反复生成随机填充级别并将它们发送到云端。该代码使用不同的DevEUI、AppKey和AppEUI编译并在每块板上刷新，它们链接到数据库中的不同bin实体。实验顺利进行，证明我们的系统能够支持更多的设备。在这里您可以看到记录的实验的摘录：从这个项目中，我们意识到我们不能使用WebSocket技术在每次垃圾箱发送其填充水平时更新仪表板。由于垃圾箱数量众多，Web仪表板无法跟上所有更新并不断刷新。此外，我们意识到云必须向每个打开的仪表板发送大量消息。分析我们的应用程序，我们意识到不需要这样的功能。实际上，从填充水平的变化到云上更新的延迟可能长达1小时。所以没有理由在仪表板中实现低延迟机制。最后我们决定强制Web界面每10分钟更新一次，以免请求使云过载。未来可能的技术改进计划：边缘计算我们可以使用边缘来运行机器学习算法，该算法学习和调整一些相关参数，例如测量间隔或每种废物类型的特定权重。为了实现所提出的目标，边缘计算是最佳选择，因为电路板没有足够的计算能力或能量来运行复杂的算法。此外，网关已经拥有必要的数据，并且可以与板通信以发送新参数。关于云的可能用途，测量间隔是与bin严格相关的参数，将参数发送到云进行计算是没有意义的，因为不需要聚合数据。用电子墨水显示屏取代OLED为了进一步降低能耗，我们可以用电子墨水显示屏代替OLED。仅当值更新时，这种显示才会消耗相关的能量。事实上，在待机期间，它们的能量消耗可以忽略不计。考虑到我们系统中显示的更新频率，电子墨水选项可能更合适。充电方式我们可以添加一块太阳能电池板来减小所需电池的尺寸并延长使用寿命。由于标准箱的大小，我们在找到添加面板的空间时不会有任何问题。评估文件中的更多细节。另一种选择是使用用户踩下踏板提供的能量来打开垃圾箱。这种机械能可以使用发电机转换成电能。但是，即使这个动作的频率很高，每次产生的能量也无法支撑整​​个系统的消耗。本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：AndreaMazzitelli，如涉及侵权，可联系删除。

这是一个轮式自平衡机器人。由ArduinoUNO供电并由超声波传感器平衡，同时它能够自我保持垂直平衡。动力源动力由两个齿轮直流电机为机器人提供。构建第一步：将连接到齿轮直流电机现在我们将轮子连接到电机的轴上。第二步：准备PVCT型接头这是PVC管的T型接头。我们将用它来固定电机，电线将从顶部的孔中出来。第三步：通过T形接头为电机接线在将电机固定在该管道中之前，我们必须将它们接线。我们将从顶孔穿过4根电线。两端分体，每台电机2根线。第四步：通过顶孔拉线我们将从T型接头拉回电线，以便电机就位。第五步：将电机固定到位现在我们已将电机固定在T形接头中。第六步：在顶孔中添加管道以安装超声波传感器我们在T形接头的线端添加了一些管道，稍后我们将在其上安装传感器。电路原理图电路原理图我们使用L2938H桥电机驱动器IC来双向旋转电机。自平衡机器人的概念这个自平衡机器人的概念很简单。我们有一个超声波传感器，它能够测量机器人与前面障碍物的距离。如果距离大于固定距离，则机器人将向前移动；如果距离小于固定距离，则机器人将向后移动避免摔倒。使用Arduino为自平衡机器人连接超声波传感器超声波传感器有4个引脚，分别是触发、回波、电源和接地。4根线从引脚连接到微控制器。平衡机器人机体现在，机器人垂直放置在地面上。看起来它是平衡的，因为它在通过不断地移动以保持自身平衡。但与此同时，其实它也从我手里拿着的电线得到了一些支持。它不断地来回振荡，这些振荡需要被阻尼。因此，机器人将保持平衡并站立在一个点上而没有任何移动。可能遇到的问题与解决方案如果它超出特定点，那么它将无法自行恢复。这些电机需要更多的功率才能快速响应。在测试时，L293D的第二个H桥被炸了。所以，我没有机会通过PID来控制它。为了真正做到平衡，我们可以使用MPU-6050惯性测量单元。相反，我们使用了这种便宜的超声波传感器。自平衡机器人的CAD设计这是轮式自平衡机器人的CAD设计。在这里我们可以看到两个电机，连接着两个轮子。这些电机安装在PVCT形接头中。垂直PVC管连接到T形接头，超声波传感器连接在管道上。结论不过好在项目的最后，我们还是设法使它平衡了一点。这个结果对我来说，还是挺满意的，一切努力都没有白费。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：RoboticsEveryDay，如涉及侵权，可联系删除。

我们将向您展示如何利用XIAOBLESense上的加速度计结合EdgeImpulse来启用运动识别。软件下面列出了所需的库：Seeed_Arduino_LSM6DS3-masterU8g2开始使用首先，我们需要运行一些演示来检查电路板是否运行良好。如果你的项目同样没问题，那么就可以继续下一条指令。检查光导塑料光纤的位置按照本教程运行Bink演示。如果您看到前孔中的红灯，则表示成功。检查电路连接打开ArduinoIDE，导航到Sketch->IncludeLibrary->ManageLibraries...并U8g2library在LibraryManager中搜索并安装。安装完成后，复制以下代码运行即可。#include#include//U8X8_SSD1306_128X64_NONAME_HW_I2Cu8x8(/*reset=*/U8X8_PIN_NONE);U8X8_SSD1306_64X48_ER_HW_I2Cu8x8(/*reset=*/U8X8_PIN_NONE);//U8X8_SSD1306_64X32_NONAME_HW_I2Cu8x8(/*reset=*/U8X8_PIN_NONE);//U8X8_SSD1306_128X64_NONAME_SW_I2Cu8x8(/*clock=*/SCL,/*data=*/SDA,/*reset=*/U8X8_PIN_NONE);//OLEDswithoutResetoftheDisplayvoidsetup(void){u8x8.begin();//u8x8.setFlipMode(2);//setnumberfrom1to3,thescreenwordwillrotary180}voidloop(void){u8x8.setFont(u8x8_font_amstrad_cpc_extended_r);u8x8.drawString(0,0,"idle");u8x8.drawString(0,1,"left");u8x8.drawString(0,2,"right");u8x8.drawString(0,3,"up&down");}上传代码并拔下XIAOBLE后，如果看到相同的结果，则表示成功。检查加速度计通过ArduinoIDE将以下代码上传到XIAOBLE：#include"LSM6DS3.h"#include"Wire.h"//CreateainstanceofclassLSM6DS3LSM6DS3myIMU(I2C_MODE,0x6A);//I2Cdeviceaddress0x6A#defineCONVERT_G_TO_MS29.80665f#defineFREQUENCY_HZ50#defineINTERVAL_MS(1000/(FREQUENCY_HZ+1))staticunsignedlonglast_interval_ms=0;voidsetup(){//putyoursetupcodehere,torunonce:Serial.begin(115200);while(!Serial);//Call.begin()toconfiguretheIMUsif(myIMU.begin()!=0){Serial.println("Deviceerror");}else{Serial.println("DeviceOK!");}}voidloop(){if(millis()>last_interval_ms+INTERVAL_MS){last_interval_ms=millis();Serial.print(myIMU.readFloatGyroX()*CONVERT_G_TO_MS2,4);Serial.print('\t');Serial.print(myIMU.readFloatGyroY()*CONVERT_G_TO_MS2,4);Serial.print('\t');Serial.println(myIMU.readFloatGyroZ()*CONVERT_G_TO_MS2,4);}}打开串口监视器检查输出：如果一切正常，我们可以继续将XIAOBLE连接到EdgeImpulse。XIAOBLE上的运动识别与EdgeImpulse连接步骤1.在EdgeImpulse中创建一个新项目步骤2.选择“Accelerometerdata”，点击“Let'sgetstarted！”步骤3.在您的计算机中安装EdgeImpulseCLI。步骤4.在您​​的or中运行命令或启动它：edge-impulse-data-forwarder步骤5.我们需要使用CLI将XIAOBLESense与EdgeImpulse连接。首先，登录您的帐户并选择您的项目命名加速度计和设备回到EdgeImpulse“数据采集”页面，如果连接成功，结果应该是这样的。您可以在页面右侧找到“XIAOBLESense”的设备。步骤6.选择传感器为“3轴”。将您的标签命名为upanddown，将Samplelength(ms.)修改为20000，然后单击startsampling。步骤7.上下摆动XIAOBLESense并保持运动20秒。您会发现采集显示如下：步骤8.通过单击右上角的原始数据并选择“拆分样本”来拆分数据。单击+添加细分，然后单击图表。重复20次以上以添加片段。单击拆分，您将看到每个样本数据1秒。步骤9.重复步骤7.和步骤8.并用不同的名称标记数据以单击不同的运动数据，如left和right、clockwise等anticlockwise。提供的例子是上下、左右、圆形的分类。注意：第8步中的分段时间是1秒，这意味着您在第7步中至少在一秒钟内进行一次上下摆动。否则，结果将不准确。同时，您可以根据自己的运动速度调整分段时间。步骤10.重新平衡数据集，点击Dashboard和下拉页面找到Performtrain/testsplit单击执行训练/测试拆分并选择是并确认步骤11.创建脉冲单击创建脉冲->添加处理块->选择光谱分析->添加学习块->选择分类(Keras)->保存脉冲步骤12.光谱特征单击并设置点击光谱特征->下拉页面点击保存参数->点击生成特征输出页面应该是这样的：步骤13：训练你的模型点击NNClassifier->点击Starttraining->选择Unoptimized(float32)步骤14.模型测试单击模型测试->单击全部分类注意：如果你的准确率低，你可以通过增加训练集和延长采样时间来检查你的数据集步骤15.构建Arduino库点击部署->点击Arduino库->点击构建->下载.ZIP文件步骤16.ZIP文件的名称非常重要，默认设置为您的EdgeImpulse项目的名称。像这里的项目名称是“XIAO-BLE-gestures_inferencing”。选择文件为“”将“.ZIP文件”添加到您的Arduino库中步骤17：在此处下载代码。将你的头文件的名称更改为你自己的名称并上传它。步骤18.移动或按住XIAOSense并检查结果：单击Arduino右上角的监视器。左右移动XIAOSense时：监视器将输出如下内容：输出显示如下：恭喜！你完成了项目。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：SeeedR&DTeam，如涉及侵权，可联系删除。

当我在寻找机械臂的不同能力时，偶然想到了这个项目的想法，然后我发现有几个人的涉及涵盖了这个使用领域（自动焊接和焊接机械臂）。其实我之前也有过做类似项目的经验，但是这次的项目非常有用和有效。在决定它的形状之前，我看到了很多应用程序和其他项目，尤其是在工业领域，开源项目帮助我找到了合适的形状。第1步：设计起初我看到很多专业项目因为太复杂而无法实施，然后我决定让我自己的产品受到其他项目的启发，所以我使用了GoogleSketchup2017pro。每个部分都被设计成按特定顺序组装在一起。在组装之前，首先需要测试零件并选择合适的烙铁，这是通过绘制一个虚拟精加工项目作为我的指导来实现的。第2步：操作和安装在工作期间，我遇到了一些我们必须宣布的障碍。第一点是手臂太重，无法被小型步进电机支撑，我们在后续的激光切割打印中修复了这个问题。第二个问题则是，由于模型是塑料材质的，旋转底座摩擦力大，动作不流畅。之后我们提出的第一个解决方案是购买更大的步进电机，能够承受重量和摩擦，然后还重新设计了底座以适应更大的步进电机。然后我采取了彻底改变基础设计的方法，将带有金属齿轮的伺服电机安装在齿轮机构中。电压电压方面的话，Arduino板可以通过DC电源插孔(7-12V)、USB连接器(5V)或板的VIN引脚(7-12V)供电。通过5V或3.3V引脚提供电压绕过稳压器，我们决定从PC或任何电源购买​​支持5伏特的特殊USB电缆。因此，步进电机和其他组件只需5V即可正常工作，并确保零件免受我们修复降压模块的任何问题。降压模块是一个降压转换器（降压转换器）是一种DC-DC电源转换器，它降低从其输入（电源）到其输出（负载）的电压（同时提高电流）并保持稳定性或电压。第3步：修改经过一些修改后，我们通过减小臂尺寸改变了模型的设计，并为伺服电机齿轮制作了合适的孔，如图所示。在测试伺服电机的过程中，它成功地将重物旋转了180度，因为它的高扭矩意味着一个机构能够处理更重的负载。伺服机构可以输出多少转动力取决于设计因素——电源电压、轴速等。使用i2c也很好，因为它只使用两个引脚，并且您可以将多个i2c设备放在相同的两个引脚上。因此，例如，您最多可以在两个引脚上拥有多达8个LCD背包+LCD！但前提是您必须使用“硬件”i2c引脚。第4步：烙铁架或夹持器夹具我们采用金属齿轮伺服电机固定，以承受烙铁的重量。起初，我们遇到了一个障碍，那就是电机抖动和振动，直到我们找到了一个代码。因为并非所有伺服系统都具有完整的180度旋转，所以我们写了一个测试来确定机械极限在哪里。使用servo.write微秒而不是servo.write，因为它可以让你使用1000-2000作为基本范围。许多伺服系统将支持超出该范围，从600到2400。servo.attach(9,1000,2000);servo.write(constrain(angle,10,160));所以，我们尝试了不同的值，看看你在哪里得到了告诉你已经达到极限的嗡嗡声。然后只在你写作时保持在这些限制内。您可以在使用servo.attach(pin,min,max)时设置这些限制找到真正的运动范围，并确保代码不会试图将其推过终点站，constrain()Arduino函数对此很有用。第5步：编码Arduino使用库环境可以通过使用库来扩展，就像大多数编程平台一样。库提供用于草图的额外功能，例如使用硬件或操作数据。在草图中使用库。#includeAccelStepper.h#includeMultiStepper.h#includeServo.h#includeWire.h#includeLiquidCrystal_I2C.h步进电机代码：#include"AccelStepper.h"//AccelStepperSetupAccelStepperstepperX(1,2,3);//1=EasyDriverinterface//UNOPin2connectedtoSTEPpinofEasyDriver//UNOPin3connectedtoDIRpinofEasyDriverAccelStepperstepperZ(1,5,6);//1=EasyDriverinterface//UNOPin5connectedtoSTEPpinofEasyDriver//UNOPin6connectedtoDIRpinofEasyDriverAccelStepperstepperY(7,8,9);//1=EasyDriverinterface//UNOPin5connectedtoSTEPpinofEasyDriver//UNOPin6connectedtoDIRpinofEasyDriver//StepperTravelVariableslongTravelX;//UsedtostoretheXvalueenteredintheSerialMonitorlongTravelZ;//UsedtostoretheZvalueenteredintheSerialMonitorlongTravelY;//UsedtostoretheYvalueenteredintheSerialMonitorintmove_finished=1;//Usedtocheckifmoveiscompletedvoidsetup(){Serial.begin(9600);//StarttheSerialmonitorwithspeedof9600Bauds//PrintoutInstructionsontheSerialMonitoratStartSerial.println("EnterTraveldistanceseperatedbyacomma:X,Z");Serial.print("EnterMoveValuesNow:");//SetMaxSpeedandAccelerationofeachSteppersstepperX.setMaxSpeed(500.0);//SetMaxSpeedofXaxisstepperX.setAcceleration(500.0);//AccelerationofXaxisstepperZ.setMaxSpeed(250.0);//SetMaxSpeedofZaxisslowerforrotationstepperZ.setAcceleration(250.0);//AccelerationofZaxisstepperY.setMaxSpeed(250.0);//SetMaxSpeedofYaxisslowerforrotationstepperY.setAcceleration(250.0);//AccelerationofYaxis}voidloop(){while(Serial.available()>0){//CheckifvaluesareavailableintheSerialBuffermove_finished=0;//SetvariableforcheckingmoveoftheSteppersTravelX=Serial.parseInt();//PutFirstnumericvaluefrombufferinTravelXvariableSerial.print(TravelX);Serial.print("XTravel,");TravelZ=Serial.parseInt();//PutSecondnumericvaluefrombufferinTravelZvariableSerial.print(TravelZ);Serial.print("ZTravel,");TravelY=Serial.parseInt();//PutSecondnumericvaluefrombufferinTravelYvariableSerial.print(TravelY);Serial.println("YTravel");stepperX.moveTo(TravelX);//SetnewmovepositionforXStepperstepperZ.moveTo(TravelZ);//SetnewmovepositionforZStepperstepperY.moveTo(TravelY);//SetnewmovepositionforZStepperdelay(1000);//Wait1secondsbeforemovingtheSteppersSerial.print("MovingSteppersintoposition...");}//CheckiftheSteppershavereacheddesiredpositionif((stepperX.distanceToGo()!=0)||(stepperZ.distanceToGo()!=0)||(stepperY.distanceToGo()!=0)){stepperX.run();//MoveStepperXintopositionstepperZ.run();//MoveStepperZintopositionstepperY.run();//MoveStepperyintoposition}//IfmoveiscompleteddisplaymessageonSerialMonitorif((move_finished==0)&&(stepperX.distanceToGo()==0)&&(stepperZ.distanceToGo()==0)&&(stepperY.distanceToGo()==0)){Serial.println("COMPLETED!");Serial.println("");Serial.println("EnterNextMoveValues(0,0,0forreset):");//GetreadyfornewSerialmonitorvaluesmove_finished=1;//Resetmovevariable}}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：AhmedAzouz，如涉及侵权，可联系删除。

背景该项目的诞生是因为观察到在大多数汽车共享服务中，人们即使喝醉了也可以开车，因为没有检查他们的状况。事实上，要驾驶汽车，您只需使用移动应用程序打开它并拿到里面的钥匙。为了解决这个问题，我创建了一个基于云的物联网呼气测醉器，连接到一个包含汽车钥匙的盒子；如果测试返回负值，则该框将打开，否则将保持关闭状态。以下是更详细的分析：IoT设备架构、云层和IoT设备的RIOT-OS代码。物联网设备上图显示了传感器和执行器如何连接到SMTNUCLEO-f401re板。使用的传感器是超声波传感器和MQ-3酒精传感器；使用的执行器是伺服电机、三个LED（迷你交通灯）、一个按钮和一个蜂鸣器。超声波传感器（HCSR04）：它用于允许酒精传感器计算正确的测量值。事实上，它位于MQ3传感器附近，只有当传感器与人的距离小于5厘米时，MQ3模块才会在人呼气时开始测量人的血液酒精水平。通过发送触发信号和接收回波信号来估计距离；计算出的时间（以我们为单位）除以58是超声波传感器前方物体的距离（以厘米为单位）。可测量2-400厘米范围内的距离，测距精度可达3毫米。一旦通过移动应用程序打开汽车（通过为系统供电），超声波传感器就会进行定期感应（每5秒执行一次新的测量）。当装有钥匙的盒子被打开时，传感器停止采取措施。MQ3传感器：它测量空气中酒精的浓度。其检测范围从0.04到4mg/l酒精。它是一种金属氧化物半导体，通过改变电阻来检测周围是否存在酒精蒸汽。事实上，当酒精浓度变高时，传感器的电导率也会上升。电导率的这种变化被转换为指示酒精含量的输出值。特别是，当返回的值减去100大于450时，酒精含量被认为太高，并且框键将保持关闭状态。该传感器具有模拟输出和数字输出，但对于本项目，使用的是模拟输出。MQ3传感器仅在超声波传感器计算的距离小于5cm时进行测量，因此可以计算出正确的测量值。伺服电机：伺服电机用于打开或关闭装有汽车钥匙的盒子。如果酒精传感器返回的值小于或等于450，则该框将打开，以便取走钥匙。如果测量值大于450，框键将保持关闭状态。迷你红绿灯：它具有三个LED：红色、黄色和绿色。它们用于为超声波传感器测量的距离提供反馈。距离大于15厘米时红色LED亮；距离在5厘米至15厘米之间时黄色灯亮；当距离小于5厘米时，绿色会亮起。当绿色LED亮起时，表示该人距离传感器足够近，可以进行酒精测试，因此MQ3传感器被激活并可以测量酒精水平。按钮：它用于关闭框键。按下时，伺服电机被激活，框键将关闭。为了将按钮连接到电路板，它使用了一个10K欧姆的电阻器。蜂鸣器：它用于在呼气测醉器返回的值超出限制时提供反馈。当MQ3传感器测量的值大于450时，蜂鸣器开启1秒。为了将蜂鸣器连接到电路板上，它使用了一个1欧姆的电阻器。云级别云级别完全使用AWS生态系统开发。在下图中，有一个架构说明了所使用的AWS服务如何在整个系统中连接。物联网设备层和云端通过基于发布/订阅机制的通信协议交换消息。董事会使用MQTT-SN协议将酒精传感器采取的措施发送到Mosquitto代理。这些消息在“alcool_level”主题下发布。此外，该板订阅了主题“topic_in”以接收从外部发送的消息，这些消息用于关闭或打开包含密钥的框。Mosquitto使用MQTT通过透明桥与AWS生态系统交换消息，这是一个Python脚本，用作Mosquitto和AWSIoTCore之间的桥梁。实际上，它将“alcool_level”的消息从板发布到IoTCore，并将IoTCore在主题“topic_in”下发布的输入消息作为输入消息，这些消息被定向到板。然后，通过设置适当的规则，从板传到IoTCore的消息直接存储到DynamoDB。然后通过调用RESTAPI将它们显示在Web仪表板上，这会触发从数据库中获取数据的lambda函数（“get_data_from_db.py”）。从Web仪表板，可以通过在主题“topic_in”下发布消息“关闭”或消息“打开”来关闭或打开框键。消息通过调用使用另一个lambda函数（“publish_to_iotcore.py”）执行此操作的RESTAPI发布到IoTCore。AWSAmplify用于托管Web仪表板的所有静态Web内容。这会触发从数据库中获取数据的lambda函数（“get_data_from_db.py”）。从Web仪表板，可以通过在主题“topic_in”下发布消息“关闭”或消息“打开”来关闭或打开框键。消息通过调用使用另一个lambda函数（“publish_to_iotcore.py”）执行此操作的RESTAPI发布到IoTCore。AWSAmplify用于托管Web仪表板的所有静态Web内容。这会触发从数据库中获取数据的lambda函数（“get_data_from_db.py”）。从Web仪表板，可以通过在主题“topic_in”下发布消息“关闭”或消息“打开”来关闭或打开框键。消息通过调用使用另一个lambda函数（“publish_to_iotcore.py”）执行此操作的RESTAPI发布到IoTCore。AWSAmplify用于托管Web仪表板的所有静态Web内容。消息通过调用使用另一个lambda函数（“publish_to_iotcore.py”）执行此操作的RESTAPI发布到IoTCore。AWSAmplify用于托管Web仪表板的所有静态Web内容。消息通过调用使用另一个lambda函数（“publish_to_iotcore.py”）执行此操作的RESTAPI发布到IoTCore。AWSAmplify用于托管Web仪表板的所有静态Web内容。在网络仪表板上有：两个图表用于显示：过去7天内一天内打开盒子钥匙的次数（MQ-3传感器测量的值小于或等于450）和酒精测试返回阳性的次数过去7天内一天的价值；显示MQ-3传感器在当天采取的所有措施的表格；用于打开或关闭框键的两个按钮；关于过去7天计算的测试的一些统计数据：测试结果为阳性的最大时间段（8-12、12-17、17-20、20-24和00-8之间的值）；装有钥匙的盒子被打开的次数；呼气测醉器检测到超过限值的次数；阳性测试占总测试的百分比。RIOT代码的逻辑主要功能如下：intmain(void){intresult;sensor_init();mqtts_init();while(true){if(box_keys==0){dist=distance_ultrasonic();if(distset_led("verde");check_alcool();}elseif(dist>=5&&distset_led("giallo");}else{set_led("rosso");}}else{while(box_keys==1){result=gpio_read(box_pin);if(result>0){box_keys=0;/*closeboxkeys*/servo_set(&servo,SERVO_MAX);}xtimer_sleep(0.5);}}xtimer_sleep(5);}return0;}如果全局变量box_keys等于0，则意味着包含键的框已关闭，因此我们可以继续进行测量。函数distance_ultrasonic返回从超声波传感器计算的距离（以厘米为单位）。如果距离小于5厘米：通过set_led("verde")函数打开迷你交通灯的绿色LED，用户可以继续进行酒精测试。函数check_alcool管理与测试相关的所有部分（更多细节在下面解释）。如果距离在5厘米到15厘米之间，黄色LED灯亮，表示计算测试的距离差不多，但用户必须更靠近如果距离大于15厘米，红色LED会亮起，表示距离太远，用户必须更靠近传感器才能进行酒精测试。如果全局变量box_keys不等于0，则表示包含键的框已打开，因此我们进入“else”块。在其值等于1之前，每0.5秒读取一次连接到按钮的引脚。如果它返回一个大于零的值（当它被按下时它返回值256），通过用伺服电机锁定它来关闭盒子，并且变量box_keys设置为0以允许进入前面的“if”块下一轮while循环。如果box_keys等于0，则超声波传感器将每5秒感应一次，这是由于在mainwhile中的“if-else”块之外设置的计时器。下面将对main函数中前面提到的所有函数进行更详细的解释。sensor_init函数：在main函数开始时使用，用于初始化传感器和执行器的所有GPIO引脚，以及伺服电机。voidsensor_init(void){/*ultrasonic*/gpio_init(trigger_pin,GPIO_OUT);gpio_init_int(echo_pin,GPIO_IN,GPIO_BOTH,&call_back,NULL);distance_ultrasonic();/*firstreadreturnsalways0*//*mq3*/adc_init(ADC_LINE(0));/*trafficlight*/gpio_init(red_pin,GPIO_OUT);gpio_init(yellow_pin,GPIO_OUT);gpio_init(green_pin,GPIO_OUT);/*buttonboxkeys*/gpio_init(box_pin,GPIO_IN);/*buzzer*/gpio_init(buzzer_pin,GPIO_OUT);/*servoinit*/servo_init(&servo,DEV,CHANNEL,SERVO_MIN,SERVO_MAX);servo_set(&servo,SERVO_MAX);}用于引脚和伺服变量的所有变量都是全局的，因此它们是在函数之外定义的（您可以在项目的GitHub存储库中的代码中找到有关它们的更多信息）。对于MQ3传感器，它被初始化为板接收值的模拟线路。用于初始化伺服电机的常量DEV、CHANNEL、SERVO_MIN、SERVO_MAX在函数外部定义。check_alcool功能：它检查用户呼吸中的酒精含量并据此采取行动。voidcheck_alcool(void){intsample=0;charmsg[4];sample=read_mq3();sprintf(msg,"%d",sample);if(sample>450){gpio_set(buzzer_pin);xtimer_sleep(1);gpio_clear(buzzer_pin);}else{/*openboxkeys*/servo_set(&servo,SERVO_MIN);box_keys=1;}pub(TOPIC_OUT1,msg);}函数read_mq3返回MQ3传感器计算的值，如果大于450表示超过法定限制，因此无法驾驶汽车。包含按键的盒子将保持关闭状态，并激活蜂鸣器1秒钟（蜂鸣器用于向用户提供酒精测试阳性结果的反馈）。如果传感器返回的值小于或等于450，则打开盒子（通过伺服电机解锁盒子）并将全局变量box_keys设置为1。在这两种情况下，由Breathalyzer与主题“alcool_level”下的函数pub一起发布（这是常量TOPIC_OUT1的值）。read_mq3函数：返回MQ3传感器测量的值。intread_mq3(void){intsample=0;intmin=100;sample=adc_sample(ADC_LINE(0),RES);sample=(sample>min)?sample-min:0;returnsample;}如果传感器测量的值大于100，则返回减去100的值，否则返回0。distance_ultrasonic函数：返回超声波传感器测量的值。intdistance_ultrasonic(void){uint32_tdist;dist=0;echo_time=0;gpio_clear(trigger_pin);xtimer_usleep(20);gpio_set(trigger_pin);xtimer_msleep(100);if(echo_time>0){dist=echo_time/58;}returndist;}它向传感器发送一个脉冲并等待100毫秒以读取全局变量echo_time的值。如果该值大于0，则将其除以58以计算传感器前方物体的距离（以厘米为单位）。call_back函数：它与distance_ultrasonic函数一起用于计算超声波传感器测量的值。voidcall_back(void*arg){intval=gpio_read(echo_pin);uint32_techo_time_stop;(void)arg;if(val){echo_time_start=xtimer_now_usec();}else{echo_time_stop=xtimer_now_usec();echo_time=echo_time_stop-echo_time_start;}}当检测到回显引脚上的变化时，该功能被激活。它测量从发送超声波脉冲到接收回超声波脉冲的时间差。它将值存储在全局变量echo_time中，distance_ultrasonic函数使用该变量来计算传感器前方物体的距离（以厘米为单位）。echo_time_stop也是一个全局变量。set_led函数：用于根据传递给函数的参数设置迷你红绿灯的正确LED。voidset_led(char*str){if(strcmp(str,"verde")==0){gpio_clear(red_pin);gpio_clear(yellow_pin);gpio_set(green_pin);}elseif(strcmp(str,"rosso")==0){gpio_clear(yellow_pin);gpio_clear(green_pin);gpio_set(red_pin);}elseif(strcmp(str,"giallo")==0){gpio_clear(red_pin);gpio_clear(green_pin);gpio_set(yellow_pin);}}如果str为“verde”，则绿色LED亮起，其他LED熄灭。如果str为“giallo”，则黄色的打开，其他的关闭。如果str是“rosso”，则红色的打开，其他的关闭。mqtts_init函数：它初始化与MQTT-SN代理的连接，并使用函数sub订阅主题“topic_in”（常量TOPIC_IN的值）。staticcharstack[THREAD_STACKSIZE_DEFAULT];staticmsg_tqueue[8];staticemcute_sub_tsubscriptions[NUMOFSUBS];staticchartopics[NUMOFSUBS][TOPIC_MAXLEN];voidmqtts_init(void){/*themainthreadneedsamsgqueuetobeabletorun`ping`*/msg_init_queue(queue,ARRAY_SIZE(queue));/*initializeoursubscriptionbuffers*/memset(subscriptions,0,(NUMOFSUBS*sizeof(emcute_sub_t)));/*starttheemcutethread*/thread_create(stack,sizeof(stack),EMCUTE_PRIO,0,emcute_thread,NULL,"emcute");char*addr1="fec0:affe::99";add_address(addr1);con();sub(TOPIC_IN);}以下函数用于初始化部分：staticvoid*emcute_thread(void*arg){(void)arg;emcute_run(BROKER_PORT,"board");returnNULL;}staticintadd_address(char*addr){char*arg[]={"ifconfig","4","add",addr};return_gnrc_netif_config(4,arg);}staticintcon(void){sock_udp_ep_tgw={.family=AF_INET6,.port=BROKER_PORT};char*topic=NULL;char*message=NULL;size_tlen=0;ipv6_addr_from_str((ipv6_addr_t*)&gw.addr.ipv6,BROKER_ADDRESS);if(emcute_con(&gw,true,topic,message,len,0)!=EMCUTE_OK){printf("error:unabletoconnectto[%s]:%i\n",BROKER_ADDRESS,(int)gw.port);return1;}printf("Successfullyconnectedtogatewayat[%s]:%i\n",BROKER_ADDRESS,(int)gw.port);return0;}函数sub用于订阅作为参数传递的主题。staticintsub(char*topic){unsignedflags=EMCUTE_QOS_0;if(strlen(topic)>TOPIC_MAXLEN){puts("error:topicnameexceedsmaximumpossiblesize");return1;}/*findemptysubscriptionslot*/unsignedi=0;for(;(iif(i==NUMOFSUBS){puts("error:nomemorytostorenewsubscriptions");return1;}subscriptions[i].cb=on_pub;strcpy(topics[i],topic);subscriptions[i].topic.name=topics[i];if(emcute_sub(&subscriptions[i],flags)!=EMCUTE_OK){printf("error:unabletosubscribeto%s\n",topic);return1;}printf("Nowsubscribedto%s\n",topic);return0;}当在订阅的主题（在本例中为主题“topic_in”）下接收到消息时，函数on_pub对其进行管理：staticvoidon_pub(constemcute_topic_t*topic,void*data,size_tlen){(void)topic;char*in=(char*)data;printf("###gotpublicationfortopic'%s'[%i]###\n",topic->name,(int)topic->id);for(size_ti=0;iprintf("%c",in[i]);}puts("");charmsg[len+1];strncpy(msg,in,len);msg[len]='\0';if(strcmp(msg,"open")==0){if(box_keys==0){/*openboxkeys*/servo_set(&servo,SERVO_MIN);box_keys=1;}}elseif(strcmp(msg,"close")==0){if(box_keys==1){/*closeboxkeys*/servo_set(&servo,SERVO_MAX);box_keys=0;}}}如果收到的消息是“打开”，则通过伺服电机解锁包含钥匙的盒子，并将全局变量box_keys设置为1。如果消息是“关闭”，则使用伺服电机锁定盒子，并且全局变量box_keys设置为0。函数的第一部分用于通过在终端上打印收到的消息及其相关主题来获取反馈。函数pub用于发布消息。staticintpub(char*topic,char*msg){emcute_topic_tt;unsignedflags=EMCUTE_QOS_0;printf("pubwithtopic:%sandname%sandflags0x%02x\n",topic,msg,(int)flags);/*step1:gettopicid*/t.name=topic;if(emcute_reg(&t)!=EMCUTE_OK){puts("error:unabletoobtaintopicID");return1;}/*step2:publishdata*/if(emcute_pub(&t,msg,strlen(msg),flags)!=EMCUTE_OK){printf("error:unabletopublishdatatotopic'%s[%i]'\n",t.name,(int)t.id);return1;}printf("Published%ibytestotopic'%s[%i]'\n",(int)strlen(msg),t.name,t.id);return0;}特别是，该函数的第二个参数是您要发布的消息，第一个参数是相关主题的名称。本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：，如涉及侵权，可联系删除。

一、目的该项目的主要目标是使用三星ARTIKCloud监控游泳池的pH值和温度水平。二、ARTIK云设置第1步：创建您的新设备注册ARTIKCloud，转到开发人员站点并创建新的“设备类型”。输入您想要的显示和唯一名称创建新清单输入字段名称和其他描述单击保存，然后导航到激活清单选项卡单击ACTIVEMANIFEST按钮完成，您将被重定向到此处完成创建设备类型！接下来让我们创建将使用该设备的应用程序。第2步：创建您的应用程序导航到ARTIK云应用程序点击新应用输入所需的应用程序名称和身份验证重定向url。请注意，身份验证重定向url是必需的。它用于验证此应用程序的用户，因此如果需要登录，将重定向到此url。我们使用http://localhost/index/作为示例。现在将您的应用程序权限设置为读写，导航到您的设备然后保存。到这一步你已经拥有你的应用程序！现在让我们连接该应用程序。第3步：连接您的设备导航到我的设备，然后单击连接另一台设备。单击之前创建的新设备类型，然后单击连接设备。单击您连接的设备设置。请记下这些信息，因为您将在程序中需要它。现在导航到您连接的设备完成ARTIKCloud设置。硬件启动后，图表将包含数据。三、硬件传感器设置第1步：将温度和pH传感器连接到MKR1000温度GND到MRK1000GND温度输出到MKR1000数字引脚1温度VCC至MKR10005V将一个4.7K电阻连接到TempVCC和TempOUTpHGND到MRK1000GNDpHOUT至MKR1000模拟引脚1pHVCC至MKR10005V这是我的示例接线：如果您仔细观察，可以注意到我们添加了一个音频插孔，可以轻松拆卸温度传感器。但这是可选的。这是温度传感器与插孔的连接：第2步：设置所需软件转到ArduinoIDE并添加MKR1000板。搜索mkr1000并点击安装添加所需的库搜索要安装的库：ArduinoJson-我们将使用它来将JSON数据发送到ARTIKCloudArduinoHttpClient-用于连接API的主机OneWire-需要从温度传感器读取数字输入DallasTemperature-达拉斯温度传感器所需的库到此，你就完成了添加所需的软件步骤。第3步：上传程序现在将MKR1000插入您的PC/笔记本电脑更改以下信息：然后将软件代码上传到MKR1000并开始监控。注意：您的WiFi必须有互联网连接。四、试验我们已经对私人、公共和学校游泳池的硬件传感器进行了测试。从这些受访者的池中收集数据使我们能够分析硬件的能力。您可以将MKR1000和传感器放在一个盒子上，然后将其放在您的游泳池上，远离水污染。通过这样做，您可以监控水的质量并通过放置所需的化学物质来使其正常化。五、结果随着人们倾向于更多地关注提供的设施而不是检查它们的安全性，可能会促使对游泳池水质的认识不加重视。希望通过本教程能帮助大家自己DIY游泳池水质监测设备。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Jeff-Paredes，如涉及侵权，可联系删除。

该探测器可通过给定方向上的光强度评估太阳能的可能大小，以有效地为电池充电。背景为了用太阳能电池板为电池充电以在我的家庭办公室中运行一些设备，我根据我的预测将太阳能电池板放置在可能的最佳位置，而没有收集可靠的数据。因此，我思考了一种廉价且易于使用的机制，以根据给定方向的光强度确定太阳能电池板充电的理想位置。由于太阳能电池板产生的能量与太阳辐射量密切相关，因此我能够使用此设备更高效、更可持续地为电池充电。因此，我使用光强度值作为替代值来近似计算太阳能的大小。您可以在下面查看我用来计算太阳能的公式。在运行代码以计算由10毫米光敏电阻收集的光强度值的太阳能后，我对电池和太阳能电池板进行了实验，以确定太阳能充电性能水平的阈值：低、中、高。而且，为了显示性能水平，我为每个方向使用了不同的LED颜色——红色（低）、黄色（中等）、绿色（高）。毫不奇怪，将设备垂直放置以准确检测光强度至关重要，因此我使用了倾斜传感器（水银传感器）来检查设备是否移动到倾斜位置。而且，为了通知用户，当设备移动到倾斜位置时，我在设备上添加了一个蜂鸣器。在面包板上完成设计并测试代码后，我设计了一个具有独特圆形形状的PCB（带倾斜传感器的光强度和太阳能探测器），以创建一个支持四个方向的灵活且易于使用的设备。第1步：设计和焊接带有倾斜传感器PCB的光强和太阳能探测器首先，通过使用烙铁，我连接了接头、220Ω电阻、1K电阻、10mm光敏电阻、电源插孔、5mm红色LED、5mm黄色LED、5mm绿色LED、蜂鸣器和倾斜传感器（水银传感器）。PCB上的元件清单：A1（ArduinoNano接头）P1、P2、P3、P4（10mm光敏电阻）蜂鸣器（蜂鸣器）倾斜传感器（倾斜传感器）R（5mm红色LED）Y（5mm黄色LED）G（5mm绿色LED）R1、R2、R3、R4、R5、R6、R7、R8、R9、R10、R11、R12、R13（220Ω电阻）R14、R15、R16、R17、R18（1K电阻）J1（电源插孔）第2步：大约计算太阳能[E=A*r*H*PR]是我用来近似计算太阳能量级的公式，其中：A是太阳能电池板的面积，r是效率，H是平均太阳辐射，PR为性能比或系数（一般为0.75）。//Definethesolarpanel(SP)specificationswhichdifferamiddifferentbrands.So,changethesevariableswiththatofyoursolarpanel.#defineSP_area0.0088#defineSP_efficiency6.2#defineSP_coefficient0.75floatSolar_Panel_Energy(floatArea,floatEfficiency,intRadiation,floatCoefficient){//Calculatethepossiblemagnitudeofsolarenergybyusingthelightintensityvaluesasasubstituteforradiation.floatEnergy=Area*Efficiency*Radiation*Coefficient;returnEnergy;}不要忘记更改太阳能电池板规格——面积、效率和性能比——这可能因太阳能电池板品牌而异。为了计算太阳能的可能大小，我在公式中使用光强度值代替太阳辐射。当然，这种方法并不提供准确的太阳能值，而是一个指标，用于确定用于检测给定方向上的太阳能充电性能的阈值（低、中、高）。注意：我通过使用我的太阳能电池板进行测试来确定每个级别的阈值：我观察到在给定的光强度和估计的太阳能值下经过的时间来为3.7V锂聚合物电池充满电。第3步：对ArduinoNano进行编程为每个方向定义指示器（红色、黄色、绿色）。为每个方向定义LDR引脚以收集光强度值。定义蜂鸣器引脚和倾斜传感器引脚。定义不同品牌的太阳能电池板(SP)规格。所以，用你的太阳能电池板改变这些变量。通过实验定义阈值。在get_Light_Intensity()函数中，从光敏电阻收集光强度数据。在Tilt()函数中，如果设备移动到倾斜位置，则会收到通知。为每个方向启动阈值检测（低、中、高）。在Indicate_Thresholds()函数中：打印所选方向及其太阳能值。根据每个方向的太阳能值调整阈值指示灯(LED)。连接和调整//Connections//ArduinoNano://direction_1_LOW//D4---------------------------//direction_1_MODERATE//D3---------------------------//direction_1_HIGH//D2---------------------------//direction_2_LOW//D7---------------------------//direction_2_MODERATE//D6---------------------------//direction_2_HIGH//D5---------------------------//direction_3_LOW//D8---------------------------//direction_3_MODERATE//D9---------------------------//direction_3_HIGH//D10---------------------------//direction_4_LOW//D13---------------------------//direction_4_MODERATE//A4---------------------------//direction_4_HIGH//A5---------------------------//Buzzer//D11---------------------------//TiltSensor//D12---------------------------//direction_1_LDR//A0---------------------------//direction_2_LDR//A1---------------------------//direction_3_LDR//A2---------------------------//direction_4_LDR//A3---------------------------完成并将代码上传到ArduinoNano后，将其连接到板上。特征1)在串行监视器上显示每个方向的估计太阳能量2）对于每个方向，通过根据太阳能阈值（级别）调整的指标观察太阳能充电的性能：红色-低黄色-中等绿色-高3)最后如果设备移动到倾斜位置以使用垂直光束更有效地为电池充电，则会收到通知。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：KutluhanAktar，如涉及侵权，可联系删除。

我做了一个GPS追踪器来追踪我孩子上学后的位置，并且能够让他们随时发送接送请求，以此能让我做好去接他们放学的准备。背景我的双胞胎喜欢骑自行车在小径上骑行，而且他们已经到了可以骑得比我快得多的年龄。作为父母，我想鼓励他们自己探索，但我也想密切关注他们的位置，以防出现问题。我的孩子们对于手机的认知还不够，所以我试图尽可能避免再重复两个数据计划。虽然说市面上已经有很多商业儿童GPS追踪器可用，但几乎所有追踪器都需要支付一笔额外的每月订阅费。以上的这一切让我开始思考——作为一名软件开发人员，我应该能够为自己构建这样的东西。所以诞生了这个项目！我的自定义跟踪器每五分钟读取一次GPS读数并将其显示在地图上。此外，跟踪器包括一个按钮，孩子们可以按下该按钮通过短信将他们的位置发送给父母。在本文中，我将向您展示我如何构建自己的自定义GPS跟踪器，并教您如何自己复制此设置的部分，让我们开始吧。第1步：组装硬件我使用的大部分硬件都来自Swan的BluesWirelessFeatherStarterKit。FeatherStarter套件包含一个Notecard、一个NotecarrierAF和一个SwanMCU。让我们分解它们中的每一个。NotecardNotecard是一个小型系统级模块，可以为几乎任何物联网项目添加连接性。Blues生产蜂窝和Wi-Fi记事卡，但对于GPS跟踪，您需要使用蜂窝记事卡。我使用Notecard从外部天线（我将立即展示）收集GPS坐标，并通过蜂窝连接将这些坐标发送到云端。NoteAFNotecarriers是配套板，可以轻松地使用Notecard进行物联网项目的原型设计和部署。Notecarrier为您提供了一个方便的地方来连接Notecard、为其供电、访问嵌入式天线以及通过Qwiic端口连接到I2C外围设备。NotecarrierAF还包含与Feather兼容的接头，可以轻松嵌入任何与Feather兼容的设备以与Notecard一起使用。SwanNotecarrier可以轻松连接与Feather兼容的MCU，而我使用的MCU是Swan。Swan几乎可以驱动任何物联网项目，因为它拥有640KB的大容量RAM，可扩展至55个引脚以访问额外的I/O和总线，并内置对C/C++、Arduino和CircuitPython的支持。组装要组装此版本，您需要将Notecard和Swan都插入NotecarrierAF。Blues有一个很好的图片指南，如果您是第一次设置，我建议您遵循这些图片。组装好零件后，您将拥有一个看起来像这样的设置。为了完成构建，我确实添加了最后两件事。首先，我在NotecarrierAF的插座上添加了一个外部Molex天线。虽然NotecarrierAF有一个内置天线，但外部天线能够更快地接收GPS信号，这对我来说对这个项目很重要。接下来，我添加了一个小型Lipo电池，并将其BATTERY连接到NotecarrierAF上的JST连接器。当我在办公室外使用时，锂电池为设备供电。这是安装天线和电池后的设置：注意：Notecarrier-AF包括一个微型USB端口，如果您为该端口供电，您可以为连接的锂电池充电。最后，因为我不希望孩子们使用它时一堆松散的碎片四处飞扬，所以我将锂电池用胶带粘在NotecarrierAF的背面，并将Molex天线的粘性面也贴在背面（中间有一点纸板）。从长远来看，我想为该设备建造一个漂亮的外壳，但对于原型设计，这给了我一件我的孩子可以随身携带的物品。现在您已经看到了硬件的样子，接下来让我们看看如何设置云后端。第2步：设置云后端Notecard的一大优点是它知道如何将数据发送到云后端Notehub，开箱即用。Notehub是一种托管服务，旨在连接到Notecard设备并同步数据。如果您跟随并想自己构建这个项目，您需要在notehub.io上设置一个帐户，然后创建一个新项目。创建项目后，请确保复制新项目的ProductUID（参见下面的屏幕截图），因为您需要该标识符才能将Notecard连接到新的Notehub项目。第3步：编写代码如果您还记得第1步，我正在使用SwanMCU来执行驱动儿童跟踪器的代码。Swan支持CircuitPython和Arduino，因此您可以使用其中任何一个，但我选择了Arduino，因为它是我之前在Swan上多次使用过的平台。如果您是Swan新手，您需要先阅读Swan快速入门，这将帮助您设置开发环境。如果您想使用与我相同的环境，请完成使用ArduinoIDE部分。设置好开发环境后，您就可以继续编写代码本身了。在代码中，您需要处理三件主要的事情：配置记事卡配置获取GPS读数的频率处理按钮按下让我们依次解决这些问题。注意：该项目的完整源代码可在下方找到。配置Notecard我们的第一个编码任务是设置Notecard。Notecard的API是基于JSON的，因此配置Notecard就像发送几个JSON请求一样简单。您可以通过在线游乐场、CLI或Arduino、Python、C/C++或Go的SDK发送这些请求。在这种情况下，我们在SwanMCU上运行，因此我们将使用note-arduino，这是通过Arduino兼容的微控制器与Notecard进行通信的官方库。具体来说，您需要确保使用项目的安装说明在ArduinoIDE中安装库。note-arduino之后，您需要从Arduino草图中的以下代码开始：#include#defineserialDebugSerial#defineproductUID"com.blues.tj:kidtracker"Notecardnotecard;voidsetup(){serialDebug.begin(115200);notecard.begin();notecard.setDebugOutputStream(serialDebug);J*req1=notecard.newRequest("hub.set");JAddStringToObject(req1,"product",productUID);JAddStringToObject(req1,"mode","periodic");JAddNumberToObject(req1,"outbound",5);notecard.sendRequest(req1);serialDebug.println("Setupcomplete");}注意：如果您继续进行操作，请确保将“com.blues.tj:kidtracker”更改为您在上一步中复制的ProductUID。首先，它初始化Notecard(notecard.begin())并设置调试输出流(notecard.setDebugOutputStream(serialDebug))，这允许您使用ArduinoIDE的串行监视器查看日志。接下来，代码使用note-arduino库格式化新hub.set命令并将其发送到NotecardJ*req1=notecard.newRequest("hub.set");JAddStringToObject(req1,"product",productUID);JAddStringToObject(req1,"mode","periodic");JAddNumberToObject(req1,"outbound",5);notecard.sendRequest(req1);该hub.set命令控制您要将数据发送到哪个Notehub项目，并允许您为Notecard的工作方式设置一些基本配置。设置"mode"为"periodic"告诉记事本定期连接到蜂窝网络，设置"outbound"为5告诉记事本每五分钟尝试一次连接。Notecard也可以在连续模式下工作("mode":"continuous")，但保持蜂窝调制解调器连接的恒定会消耗大量电池。每五分钟发送一次数据已经相当耗电，但对于这个项目，我希望在孩子们骑自行车时经常看到数据，而且在两次使用之间为设备的锂电池充电也没有问题。如果您的项目需要在电池使用方面更加保守，您需要将该"outbound"值设置为相当高的数字。此时您可以将您的程序发送给Swan进行测试。如果一切顺利，您应该在Arduino串行监视器中看到以下内容：注意：如果您没有看到日志，您可以在while(!serialDebug)之后添加serialDebug.begin()，这会强制程序等到调试器可用后再继续。只需确保while(!serialDebug)在准备好部署设备时记得删除，因为如果在不存在串行调试器的情况下运行，它将导致无限循环。如果您返回到您的Notehub项目，您现在应该会看到您的设备已列出：此时，您的Notecard已连接到Notehub，这意味着您已准备好发送位置数据。接下来让我们看看如何配置Notecard以收集该位置信息。配置获取GPS读数的频率Notecard有许多请求，可让您准确配置应如何获取GPS读数。您需要向记事卡发送两个主要命令：card.location.mode和card.location.track.下面的代码（您可以在现有hub.set代码下添加）发出这两个请求。J*req2=notecard.newRequest("card.location.mode");JAddStringToObject(req2,"mode","periodic");JAddNumberToObject(req2,"seconds",300);notecard.sendRequest(req2);J*req3=notecard.newRequest("card.location.track");JAddBoolToObject(req3,"start",true);JAddBoolToObject(req3,"heartbeat",true);JAddNumberToObject(req3,"hours",12);notecard.sendRequest(req3);在card.location.mode通话中，设置"mode"to"periodic"告诉Notecard定期激活其GPS模块（而不是连续），设置"seconds"to300告诉Notecard尝试每300秒或五分钟读取一次GPS读数。该card.location.track请求启动实际的跟踪过程。在周期性GPS模式下，Notecard足够智能，仅在设备移动时才获取GPS读数（它使用内置的加速度计知道这一点）。将heartbeat选项设置为true告诉记事卡每12小时读取一次（因为我们设置"hours"为12），即使记事卡没有移动。简而言之，这些请求告诉Notecard开始获取GPS读数；如果设备正在移动，则每五分钟读取一次；如果没有，则每十二小时阅读一次。注意：如果您想了解有关如何将Notecard配置为资产跟踪器的更多信息，请务必阅读Notecard的资产跟踪综合指南。如果您将此程序发送到您的Swan，您应该会在串行监视器中看到以下输出：更重要的是，如果您查看Notehub项目中的“事件”选项卡，您应该会开始看到_track.qo进入的文件。如果您双击一个事件并转到下一页的JSON选项卡，您可以查看捕获的GPS信息。可能需要几分钟才能看到您的第一个事件，因为记事卡可能需要一些时间才能建立GPS连接。尽量将您的设备放置在对天空有清晰视线的位置，并尽可能避开地下室等狭窄地方。此外，请记住，Notecard仅在设备移动时才会获取新的GPS读数，因此您可能需要稍微摇晃设备才能_track.qo在测试期间看到后续文件进入。稍后我们将看看如何在地图上可视化您的GPS读数，但让我们首先结束这个项目的代码，看看如何让按下按钮发送带有位置的SMS消息。通知按钮我希望我的追踪器有一个孩子可以按下的按钮，并让该按钮向父母发送一条带有追踪器当前位置的短信。这是大多数商业儿童追踪器的一个功能，所以我相信这也是其他父母想要的。有很多方法可以处理IoT应用程序中的按钮按下，但Swan包含一个用户按钮(USER_BTN)，用于处理这种确切的场景。要使用此按钮，您可以#define先在草图顶部添加以下行。#defineBUTTON_PINUSER_BTN接下来，添加以下布尔值，您将使用它来跟踪用户是否请求了他们的位置。boollocationRequested=false;之后，将以下代码添加到现有setup()函数的末尾。此代码将中断附加到您的Swan按钮，并在触发时调用名为ISR.pinMode(BUTTON_PIN,INPUT_PULLUP);attachInterrupt(digitalPinToInterrupt(BUTTON_PIN),ISR,FALLING);您需要定义ISR（中断服务例程），您可以通过将以下函数添加到您的草图来完成。voidISR(void){serialDebug.println("Buttonpressed");locationRequested=true;}locationRequested当用户按下Swan的用户按钮时，您的程序现在会更改布尔值。要响应该更改，您需要在Arduinoloop()函数中监视该布尔值。您可以使用下面的代码来做到这一点。voidloop(){if(!locationRequested){return;}J*req=notecard.newRequest("card.location");J*resp=notecard.requestAndResponse(req);serialDebug.println("Location:");doublelat=JGetNumber(resp,"lat");doublelon=JGetNumber(resp,"lon");serialDebug.println(lat,10);serialDebug.println(lon,10);if(lat==0){serialDebug.println("TheNotecarddoesnotyethavealocation");//Waitaminutebeforetryingagain.delay(1000*60);return;}//http://maps.google.com/maps?q=,charbuffer[100];snprintf(buffer,sizeof(buffer),"Yourkidsarerequestingyou.https://maps.google.com/maps?q=%.8lf,%.8lf",lat,lon);serialDebug.println(buffer);J*req2=notecard.newRequest("note.add");JAddStringToObject(req2,"file","twilio.qo");JAddBoolToObject(req2,"sync",true);J*body=JCreateObject();JAddStringToObject(body,"message",buffer);JAddItemToObject(req2,"body",body);notecard.sendRequest(req2);locationRequested=false;serialDebug.println("Locationsentsuccessfully.");}这里有很多，所以让我们分解这段代码。首先，请注意这里的所有逻辑都由if(!locationRequested){return;}检查门控。也就是，如果用户没有按下按钮，在loop().如果用户请求了一个位置，我们接下来使用Notecard的card.location请求来获取当前位置并将其打印出来。J*req=notecard.newRequest("card.location");J*resp=notecard.requestAndResponse(req);serialDebug.println("Location:");doublelat=JGetNumber(resp,"lat");doublelon=JGetNumber(resp,"lon");serialDebug.println(lat,10);serialDebug.println(lon,10);Notecard可能还没有位置（项目启动时需要几分钟才能获取GPS位置），因此我们接下来检查是否card.location返回了有效位置。如果没有，我们会记录另一条消息，并等待一分钟后再重试。if(lat==0){serialDebug.println("TheNotecarddoesnotyethavealocation");//Waitaminutebeforetryingagain.delay(1000*60);return;}如果我们确实有一个有效的位置，我们接下来会格式化一条消息，其中包含指向跟踪器当前位置的Google地图链接。charbuffer[100];snprintf(buffer,sizeof(buffer),"Yourkidsarerequestingyou.https://maps.google.com/maps?q=%.8lf,%.8lf",lat,lon);serialDebug.println(buffer);之后，我们使用Notecard的note.add请求将消息发送到Notehub。J*req2=notecard.newRequest("note.add");JAddStringToObject(req2,"file","twilio.qo");JAddBoolToObject(req2,"sync",true);J*body=JCreateObject();JAddStringToObject(body,"message",buffer);JAddItemToObject(req2,"body",body);notecard.sendRequest(req2);最后，我们将布尔值翻转回false，因为我们现在已经完成了按钮按下的处理。locationRequested=false;serialDebug.println("Locationsentsuccessfully.");这样，您就完成了编写运行该项目所需的代码！在最后一次将代码推送到设备之前，进入ArduinoIDE的工具菜单，并将C运行时库切换到支持浮点打印和扫描的库，因为我们在放置纬度和经度的逻辑中使用它进入谷歌地图网址。完整代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：TJVanToll，如涉及侵权，可联系删除。

该项目的目的是检测车道上的运动并提醒屋内的用户。背景：我们项目的目的是在汽车驶入您的车道时提醒您。该项目通过在车道两侧使用运动传感器来检测运动。如果其中任何一个传感器检测到运动，它们就会向房屋内部发送信号，发出蜂鸣器并点亮灯以提醒房主有人到达。我们的项目使用三个ParticleArgon、一个LED灯、两个PIR运动传感器和一个蜂鸣器。如何运行：两个Argon设置相同，每个都连接到PIR运动传感器和LED灯之一。这些Argon将被称为“检测”Argon。首先，LED灯持续亮起，表明运动传感器正在寻找运动。当任一检测Argon通过运动传感器读取运动时，它会向云发送一个信号，表明运动已被检测到，并关闭LED灯和运动传感器。第三个Argon连接到蜂鸣器和LED灯。该Argon将被称为“警报”Argon。当此Argon读取其中一个DetectArgons发送的信号时，AlertArgon会短促地发出蜂鸣器并以相同的频率闪烁LED灯。当闪光灯和蜂鸣器完成后，AlertArgon将代码发布到云端，通知DetectArgons重新点亮其LED并再次开始等待动作。当Argon连接到互联网时，正在收集实时数据流并将其汇集到Google表格中。运动与时间的关系图如下所示，以及指向Google表格的链接。蜂鸣器代码：constintbuzzer=3;constintled=5;intcount=0;voidsetup(){Particle.subscribe("MotionSensor1",motionFunction1);//SubscribestothefirstmotionsensorParticle.subscribe("MotionSensor2",motionFunction1);//SubscribestothesecondmotionsensorpinMode(buzzer,OUTPUT);//SetsthebuzzerpinasanoutputpinMode(led,OUTPUT);//setstheledpinasaninput}voidmotionFunction1(constchar*event,constchar*data){if((strcmp(data,"MotionDetected1")==0)||(strcmp(data,"MotionDetected2")==0)){//DetermineifmotionisdetectedParticle.publish("Buzzer","On");//Publishesthatthebuzzerisoncount=25;while(count>0){//TurnonbuzzerandflashleddigitalWrite(led,HIGH);tone(buzzer,1700);delay(100);noTone(buzzer);digitalWrite(led,LOW);tone(buzzer,1800);delay(100);noTone(buzzer);count=count-1;}}elseif((strcmp(data,"Standby1")==0)||(strcmp(data,"Standby2")==0)){//DetermineifthemotionsensorisinstandybymodeParticle.publish("Buzzer","Off");//Publishesthatthebuzzerison}}voidloop(){}运动检测器代码：constchar*eventName="Buzzer";intOn=1;intOff=0;intinputPin=D2;intledPin=D7;intpirState=LOW;intval=0;intcalibrateTime=5000;voidsetup(){Particle.subscribe("Buzzer",buzzerFunction);//SubscribetotheargonwiththebuzzerpinMode(ledPin,OUTPUT);//LEDpinsetasoutputpinMode(inputPin,INPUT);//PIRmotionsetasinputdigitalWrite(ledPin,HIGH);//initiallyhaveLEDon}voidloop(){if(calibrated()){//CheckifPIRsensoriscalibratedreadTheSensor();//IfthesensoriscalibratedthenreadtheinputreportTheData();//Andpublishthestatusofthesensor}}voidreadTheSensor(){val=digitalRead(inputPin);//ReadtheinputfromthePIR}boolcalibrated(){returnmillis()-calibrateTime>0;//PIRcalibration}voidreportTheData(){//PublishesthestatusofthePIRsensorif(val==HIGH){if(pirState==LOW){Particle.publish("MotionSensor1","MotionDetected1");pirState=HIGH;}}else{if(pirState==HIGH){Particle.publish("MotionSensor1","Standby1");pirState=LOW;}}}voidbuzzerFunction(constchar*event,constchar*data){//ReadsthestatusofthebuzzerandtellstheLEDtoturnonoroffif(strcmp(data,"Off")==0){digitalWrite(ledPin,HIGH);publishOff();}elseif(strcmp(data,"On")==0){digitalWrite(ledPin,LOW);publishOn();}}voidpublishOn(){//Publishesdatatogooglesheetsifbuzzerisoncharbuf[128];snprintf(buf,sizeof(buf),"[%d]",On);Particle.publish(eventName,buf,PRIVATE);Log.info("published:%s",buf);}voidpublishOff(){//Publishesdatatogooglesheetsifbuzzerisoffcharbuf[128];snprintf(buf,sizeof(buf),"[%d]",Off);Particle.publish(eventName,buf,PRIVATE);Log.info("published:%s",buf);}如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：JoshLiang，如涉及侵权，可联系删除。

这个项目里我将向您展示如何使用ESP8266(12e)制作四轴飞行器，我们使用ESP8266作为飞行控制器。并且据说这架无人机可以爬墙，你是不是很震惊？开玩笑的，让我们继续往下看吧！飞控飞行控制器(FC)是四轴飞行器的大脑。它基本上是一个集成电路板，包括检测方向变化的传感器。它还接收用户命令并控制电机以使四轴飞行器保持在空中。市场上有许多飞行控制板。其中有些是开源的，有些不是。Esp8266四轴飞行器的耗材所需组件：Esp8266MPU6050加速/陀螺模块有刷电机螺旋桨500mAhlipo3.7vSi2302MOSFET(5x)铅笔无人机套件（可选）使用的工具：烙铁​飞行控制器飞控如同我们知道大脑是如何工作的，我们就会知道如何处理它。在这里，您有飞行控制器(FC)的部件。飞行控制器(FC)是四轴飞行器的大脑。它基本上是一个集成电路板，包括检测方向变化的传感器。它还接收用户命令并控制电机以使四轴飞行器保持在空中。几乎所有的飞行控制器(FC)都包括基本的陀螺仪和加速度计（Gyro和Acc）传感器。一些FC可能包括更高级的传感器，例如气压计和磁力计（指南针）。在这里，我使用ESP8266和MPU6050陀螺仪和加速度计（陀螺仪和加速度计）传感器制作了自己的飞行控制器。ESP8266是什么？基本上，ESP8266是一个Wi-Fi模块。它具有2.4GHzWi-Fi的能力，即802.11b/g/n。它支持WPA和WPA2。它是一个集成了32位处理器的片上系统，运行频率为80MHz（也可以超频至160MHz）。它有64KB的RAM和64KB的引导ROM。为什么我们使用ESP8266？ESP8266模块使微控制器能够连接到2.4GHzWi-FiESP8266功能ESP8266在物联网方面有很多应用。以下是该芯片的部分功能：网络：模块的Wi-Fi天线使嵌入式设备能够连接到路由器并传输数据数据处理：包括处理来自模拟和数字传感器的基本输入，以便使用RTOS或非OSSDK进行更复杂的计算P2P连接：使用IoTP2P连接在ESP和其他设备之间创建直接通信Web服务器：访问以HTML或开发语言编写的页面。ESP8266作为一个微控制器：低功耗、高度集成的Wi-Fi解决方案最少7个外部组件宽温度范围：-40°C至+125°CESP8285—8Mbit闪存嵌入无线电发射器和接收器以及偏航、俯仰、滚动无线电发射器向接收器发送信号，接收器接收到这个信号并根据来自发射器的命令进行操作。无线电控制器通常由发射器和接收器组成，它们通常在不需要低功率发射器许可的无线电频率上运行。偏航、俯仰、滚动无线电发射器向接收器发送信号。接收器接收到这个信号并根据来自发射器的命令进行操作。无线电控制器通常由发射器和接收器组成，它们通常在不需要低功率发射器许可的无线电频率上运行偏航、俯仰、滚动在空中向左或向右移动您的无人机，实际上是“滚动”您的无人机。向前或向后倾斜您的无人机。顺时针或逆时针旋转你的无人机，让你在空中画圈或图案。控制发送到无人机的电量，从而使无人机更快或更慢。在空中向左或向右移动您的无人机，实际上是“滚动”您的无人机。向前或向后倾斜您的无人机。顺时针或逆时针旋转你的无人机，让你在空中画圈或图案。控制发送到无人机的电量，从而使无人机更快或更慢。原理图这是这个无人机的示意图接线图非常简单您必须按照原理图将MPU6050模块引脚与Esp8266引脚连接起来，示意图如上所示。制作电路按照上图给出的示意图制作电路。软件部分如何安装Arduino桌面IDE？在ArduinoSoftware下载ArduinoDesktopIDE选择您的操作系统（Windows7、Windows10、Linux64位等）单击“仅下载”并按照给出的说明进行操作如果您没有管理员权限，请下载“用于非管理员安装的WindowsZIP文件”并将其解压缩到所需位置。启动ArduinoDesktopIDE（如果它没有自动启动或者您没有找到ArduinoIDE快捷方式，请单击arduino.exe）安装对ESP8266的支持选择“文件->首选项”添加http://arduino.esp8266.com/stable/package_esp8266...到“AdditionalBoardsManagerURLs”点击“确定”安装ESP8266WiFi.h库复制代码并将您自己的wifiSSID和密码放入代码中转到“爬墙无人机”并下载代码。更改ssid或通过：WiFi.begin("Diyprojectslab","romeooo");//Changessidandpassword在ArduinoIDE中打开提供的草图更新Esp826drone.ino文件中的WiFi凭据将其上传到您的ESP8266组装你的无人机安装所有电机发动机两台电机顺时针旋转，两台电机逆时针旋转（见图），如果电机不向正确方向旋转，只需切换电机的极性检查电池和电压检查所有螺旋桨是否连接牢固检查所有电机安装检查所有电机安装飞行后务必拔掉电池，只在飞行前几秒钟装上电池接下来，您只需要下载应用程序并安装应用程序启动你的ESP8266连接到应用程序现在，小心的把你的手指放在那两个操纵杆上飞（成果）最终如你所见，这是一个非常简单的飞行控制器。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：DIYProjectsLab，如涉及侵权，可联系删除。

伊甸园计划（ProjectEden）：智能花园ProjectEden是一个设备齐全的物联网站，能够监测土壤周围的湿度、湿度和温度。它还可以解析来自Willyweather（当地气象站）的数据，以确定是否正在发生降雨事件，如果发生，则联锁泵。我在node-red上设置了一个图形界面，以允许对工厂进行24/7监控、数据收集和控制。蠕动泵能够从桶中抽水，桶中包含一个浮子液位开关，以跟踪泵的可用水量。材料IP56等级接线盒WemosD1迷你版DHT11温度和湿度传感器土壤湿度传感器5V继电器电缆接头6VGrothen蠕动泵备用/废木5V电源跳线用于节点红色服务器的RaspberryPi或笔记本电脑乙烯基管构建首先让我们谈谈泵。6V蠕动泵是需要专用电源的感应负载。我使用了一个5伏电源并将其直接连接到泵继电器。土壤湿度传感器放置在滴水排放口下方，通过测量湿度作为电阻降低的函数来工作。DHT11传感器是arduino的直接输出，用于测量湿度水平，因为湿度会影响湿度传感器中的电容水平，它与输出成正比。这一切都连接到兼容wifi的微控制器，因为该组件允许互联网连接和随后访问节点红色服务器。请参阅下图，了解如何连接所有提到的部分。然后将组件焊接并安装到cirtui中，下面是电子元件的示意图：如何运作我决定使用我已经铺设的备用木材为接线盒创建一个木制支架。我将一根胶合木原木切成4块相同大小的块，然后使用落锯切割薄篮板。然后，我将这些组件拧在一起并将它们安装到我从当地五金店的园艺部门购买的花园桩上。然后我将j-box滑入框架并将5V电源连接到延长线。我正在使用一个水桶来供水，我发现它非常有用，所以雨水会充满水桶，因此，我几乎不需要用自己的自来水加满它。然后我将泵安装到桩上并将浮子开关放在桶中。将它连接到我的树莓派并拥有节点红色MQTT服务器的绝妙之处在于，我可以从世界任何地方修改泵控制，而无需连接到arduino。目前，有一种使用2个虚拟开关控制泵的手动方法。在自动模式下，我会根据所需的土壤湿度让泵给植物浇水，并在下雨时让泵联锁。要复现此项目，请打开Project_Eden.ino并将其上传到开发板，使用您的计算机和迷你USB电缆。任何希望将此项目扩展到实时服务器的人也可以使用node-red流程。最后，非常感谢：alex-controlx，他对如何使用SVG处理图形界面以及如何在接收/发送数据时更改图形界面提供了很好的解释。请在此处查看SteveCope，他有很多关于使用SQL数据库和在node-red之间传输数据的视频。我发现他的视频非常有用，并使用了他的部分节点红色流程来为ProjectEden开发我的SQL数据库。请在此处查看本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：EngineeringDads，如涉及侵权，可联系删除。

随着疫情的常态化，核酸检测早已成为我们日常生活的一部分。那么我们能不能用简单的设备做一台简单的核酸采样机呢？设置步骤图1、取样机底座部分：2、取样机主要部分：边正面背面高角度拍摄3.爪子：边高角度拍摄4.身体与爪子结合5.访问传感器分线板超声波传感器6.完成施工7、加辅助材料：棉签、纸杯程序1、打开http://microbit.makecode.org编程平台。要编程，我们需要添加一个库：点击MakeCode底部的'Extensions'，在对话框中搜索'nezha'，然后点击2、拖动舵机的积木，设置舵机的扭矩和角度为360°。爪上的舵机接S1接口，角度10°；控制爪子上下运动的舵机以170°的角度连接到s2接口；控制齿轮转动的舵机以50°角连接到S2接口。3、接下来准备超声波传感器。将超声波接入哪吒的J1接口，当超声波感应距离小于等于20时，调整三个舵机的角度，并设置暂停时间。完整的程序如下：这些是核酸取样机制的完整步骤。你也可以想象把它改造成自动送料机等作品。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：ELECFREAKS，如涉及侵权，可联系删除。

当我们提到“农场自动化”或“智慧农业”时，土壤状况监测和灌溉算是农场最基本所需的条件。而农场土壤状况监测和灌溉需要以下功能：1、多点土壤状态监测。土壤状况，基本上是湿度和温度，以及土壤质量数据，如PH/氮/磷/钾，需要根据农场特点和植物需求在多个点进行监测。2、多点灌溉，或其他一些执行器，如风扇，以控制/调节多点环境，包括湿度/温度。3、易于安装。在农场，由于环境潮湿和潜在的昆虫和老鼠，很难安装电线。因此需要远程无线监测和控制，以便传感器/灌溉可以轻松安装。带着这些需求，我用LoRa演示了这个土壤监测和灌溉，以解决农场或家庭花园中的上述要求。一、LoraLora代表远程无线电，它灵活适用于农村或室内用例，例如智能农业和智能城市，主要针对M2M。理论上，LoRa在市区可以排到几公里，在农村可以排到10多公里（不过我没测试这么长，测试的最大距离在3公里左右）。LoRaWAN是一种软件协议，用于处理LoRa消息以及与互联网的来回通信。LoRaWAN需要更强的控制器能力来处理协议，还需要LoRaWAN路由器来连接互联网。在我的演示中，需要LoRaWAN。所以我们直接使用LoRa，无需互联网连接。二、仪器介绍2.1土壤监测对于土壤监测仪，核心规格：●土壤规格检查，主要是：湿度/温度；如有必要，高级规格：PH/氮/磷/钾。●无线数据传输，使用寿命长●防腐MakerfabsLoRa土壤湿度传感器和工业级土壤远程监测器：Makerfabs土壤湿度传感器测量土壤湿度（采用电容机制，详细信息）和温度，并每1小时通过LoRa发送数据。它是防腐涂层的。使用2节AAA电池，使用寿命可达2年。它带有预程序固件，用户可以安装电池然后直接使用。有关更多详细信息，请查看Wiki。但请注意，对于湿度，它的输出是“相对湿度”，这不是“真实湿度”，而是反映湿度变化的数值。例如值800表示非常干燥。此外，根据传感器的安装方式，它会略有不同。工业级土壤远程监测仪更专业，可检测温度、水分、PH值、氮/磷/钾的真实参数，可用于分析环境和植物，主要​​用于研究或这些领域的现场应用规格很重要，需要。传感器是防水的，它监控规格并通过RS485传输到控制器板，然后控制器（ESP32）板可以在0.93英寸OLED上本地显示，或者通过LoRa或Wifi远程传输（如果有Wifi网络）。但请注意，该模块出厂时没有任何预编程，需要用户自己编码，主要用于创客开发。2.2LoRa执行器这种便宜且易于使用的LoRaMOSFET可用于控制多个执行器，例如风扇/阀门/电磁锁/电机……最大电流为2A。它附带Makerfabs默认固件（代码可在GitHub上找到），用户无需任何编码/编程即可使用它。它接收LoRa消息并充当命令（PWM为0%~100%），并将其状态反馈给其他LoRa模块。我们可以使用这个模块最多控制4个阀门，然后控制4个点的灌溉。2.3ESP32TFTTouch与LoRa扩展ESP323.5英寸带LoRa扩展的显示器作为控制台工作，它从多个点接收土壤状态，并向LoRaMOSFET发送命令，以控制阀门的打开/关闭。您还可以使用此套件获得所有组件：Lora土壤监测和灌溉套件。3.安装3.1将LoRa扩展板插入ESP32显示分线板，并使用GitHub上的代码对其进行编程。在SD卡中设置Wifi连接参数。ESP32显示屏上电，logo显示3秒后，进入工作页面。通过正确的WiFi设置，ESP32从NTP获取实时信息，并在显示屏上显示：3.2我们使用简单的LoRa土壤湿度传感器，从包装中取出传感器，用2节AAA电池为传感器供电。电池槽上有传感器ID号（机械箱上也有），如ID010040：按下ESP32显示屏上的“加湿按钮”，即可输入ID。设置完成后，ESP32显示屏将收到来自LoRa土壤湿度传感器的LoRa消息。由于传感器将每1小时输出一次数据，要验证连接，请按“重置”按钮以获取即时消息：显示的ADC数据表示湿度传感器输出，数值越低，湿度越高，检查典型输出。传感器数据和时间戳显示在显示屏上，每1小时更新一次。实际上，它还会在SD卡中添加一个日志以供进一步检查。最多可以添加和监控8个LoRa湿度传感器。3.3将阀门连接到LoRaMOSFET输出那里的值，它有一个进水口和一个输出口，将输入口连接到你的水箱（我用一个大矿泉水瓶作为水箱），输出到植物。我们采用一进四出端子，方便安装。按下ESP32显示屏中的addMOS，输入MOSFETID，如ID060000，给LoRaMOSFET上电：LoRaMOSFET将向ESP32显示屏报告其状态，您现在可以控制MOSFET连接的阀门。按MOSX后，将其从OFF更改为ON，然后按发送。连接的阀门状态改变。尝试控制其他执行器，例如FANS/DC。实际上，您也可以通过LoRa发送指令，改变PWM占空比，控制连接的FANS/DC速度。最多可以添加2个MOSFET（8个执行器）。3.4将传感器和阀门安装到您的农场/植物该项目使用基本模块远程监控土壤状态/控制灌溉，可用于现场应用。但是由于我的时间安排和编程经验也很差，这只是一个LoRa使用的演示，展示了如何创建一个现场应用程序。对于熟悉编码的制造商，还可以添加更多规范：1.通过互联网进行远程监控。由于ESP32连接到Wifi，所有传感器数据都可以通过MQTT重新路由到互联网或远程控制阀门。2.更多LoRa传感器，现在支持8个土壤点和2个支持8个阀门的MOSFET，理论上可以添加无限个传感器，但由于LoRa单向数据传输不安全，传感器质量差时可能会丢失数据较大。LoRawan可以确保安全连接，但我没有这样做。而且，更多的执行器。3.配备工业级湿度传感器，进行更详细的土壤监测。4.连接执行器的PWM占空比控制，以控制负载速度如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：LuoZeqing，如涉及侵权，可联系删除。

我一直在从事一个项目，通过该项目我可以整理来自MQ-135空气质量传感器的空气质量信息，以检测我工作场所空气质量恶化的情况。然而，MQ-135空气质量传感器的位置在从传感器收集原始信息时具有巨大的重要性。因此，我决定通过开发一个用户友好的界面，通过选定的角度制作一个可移动的传感器底座。为了实现这一目标并添加一些确凿的功能（例如可调节背景光），我使用Python中的guizero模块为我的RaspberryPi开发了一个GUI，名为AirQualityModule。通过空气质量模块，您可以通过选择给定角度之一-0、30、45、90、135、180-来控制连接到迷你云台套件的两个伺服电机，并以RGB格式调整背景光-255，255,255.而且，最重要的是，您可以监控MQ-135传感器生成的当前空气质量范围：如果空气质量恶化，GUI会通过警告消息通知您。本项目中提到的一些产品和组件：树莓派3板壳3B树莓派4B/3B+SD卡32GB树莓派3BMicro-HDMIVGA转换器电缆补给品：树莓派3型号B+×1DigitSpaceRaspberryPi3板壳×1SD卡32GB×1DigitSpaceRaspberryPi3BMicro-HDMIVGA转换线×1AdafruitMCP3008×1MQ-135空气质量传感器×1PimoroniPan-Tilt帽子×1SG90微型伺服电机×2RGB扩散共阳极×1SparkFun可焊接面包板-迷你×2电阻220欧姆×3跳线（通用）×1在这个项目中，你将学到：如何使用RaspberryPi的角度控制伺服电机如何使用RaspberryPi调整RGBLED的颜色如何使用MCP3008和RaspberryPi读取模拟传感器如何使用guizero模块开发GUI如何编写范围函数来排列值，如Arduino中的map函数第1步：使用MCP3008读取模拟传感器与Arduino相比，RaspberryPi没有内置的ADC（模数转换器），我们可以通过它轻松地从模拟传感器收集信息。因此，我们需要在我们的电路中实现一个外部ADC，以整理来自模拟传感器（如MQ-135空气质量传感器）的数据。我使用了MCP30088通道ADC，因为它效率高且使用简单。我使用RaspberryPi上的AdafruitCircuitPythonMCP3xxx库来读取带有MCP3008的模拟传感器。但是，您需要安装在Python中提供CircuitPython支持的Adafruit_Blinka库才能使用上述库。sudopip3installadafruit-blinka如果需要，您必须在执行命令之前在RaspberryPiConfigurationSettings上启用SPI。完成后，从命令行运行以下命令来安装AdafruitCircuitPythonMCP3xxx库。sudopip3installadafruit-circuitpython-mcp3xxx然后，按如下方式进行引脚连接。尽管在项目原理图和代码中对引脚连接进行了很好的解释，但除此之外，我将保留MCP3008的以下引脚连接原理图。MCP3008CLK转PiSCLKMCP3008DOUT转PiMISOMCP3008DIN转PiMOSIMCP3008CS转PiD5MCP3008VDD至Pi3.3VMCP3008VREF至Pi3.3VMCP3008AGND到PiGNDMCP3008DGND到PiGNDMCP3008CH0到模拟传感器的信号引脚CH0指的是MCP3008上的第一个输入引脚-从0到7。第2步：开发GUI（空气质量模块）和编程RaspberryPi为了能够在Python中创建GUI，您需要在RaspberryPi上安装guizero模块。然后，您可以使用模块提供的所有小部件和事件。从您的命令行运行以下命令来安装guizero模块。sudopip3installguizero导入所需的库和模块。不要忘记包含所有GUI小部件-App、Box、Text、TextBox、PushButton、ButtonGroup、MenuBar、info、yesno、warn。创建SPI总线、cs（片选）和mcp对象。创建连接到MCP3008输入引脚的模拟输入通道——我只使用了通道0。定义GPIO引脚设置-GPIO.setmode(GPIO.BCM)。定义RGB引脚并设置PWM频率-100。在100-OFF处启动RGBPWM引脚。定义伺服电机引脚并设置PWM频率-50。在0-OFF处启动伺服底座和臂销。定义菜单栏选项命令（功能）：在Tutorial()函数中，如果需要，打开一个yesno消息以转到项目教程页面。在Components()函数中，打开一条信息消息以显示组件。在About()函数中，打开一条信息消息以显示电梯间距。定义小部件命令和功能：在_range()函数中，复制Arduino映射函数以在Python中排列给定范围内的值。在evaluateSensorValue()函数中，从测试范围内的MQ-135空气质量中获取空气质量值-从0-60000到0-1023。测试您的模块，然后在本例中定义0到60000之间的值范围。如果超过阈值(300)，则通过警告消息通知-空气质量恶化-并将状态更改为危险。在adjust_color()函数中，通过使用ChangeDutyCycle()更改PWM频率（在0到100之间）来调整RGBLED的颜色。将输入的颜色值从0-255排列到0-100。在base_tilt_move()和arm_tilt_move()函数中，通过选择的角度控制伺服电机-0,30,45,90,135,180-运行ChangeDutyCycle(selected_angle)。2到12之间的循环值精确地适用于0到180之间的角度。调整伺服电机位置后不要忘记执行以下行以关闭伺服PWM引脚。改变工作周期（0）创建名为AirQualityModule的GUI应用程序。定义菜单栏选项-教程、组件、关于。使用box小部件设计界面RGB颜色接口使用布局网格对齐部件。将相关命令（功能）分配给调整按钮-adjust_color。空气质量界面定义传感器和状态文本变量。使用repeat()函数每秒更新MQ-135空气质量传感器生成的传感器值。注意：在执行app.display()函数时，While循环不起作用。迷你云台底座接口在按钮组小部件中定义角度-0、30、45、90、135、180。分配相关命令（函数）-base_tilt_move。迷你云台臂接口在按钮组小部件中定义角度-0、30、45、90、135、180。分配相关的命令（函数）——arm_tilt_move。启动循环app.display()。特征1)改变仪器的背景颜色（RGB）。2)通过选择中间角度-0、30、45、90、135、180来调整迷你云台套件上伺服电机的位置。3)当传感器(MQ-135)检测到空气质量恶化时收到通知-状态：危险。在菜单栏上：4)进入教程页面。5)检查组件。6)显示电梯间距。连接引脚连接在代码和下面的项目示意图中得到了很好的解释。将树莓派连接到屏幕。将MCP3008和RGBLED连接到迷你面包板上。在将MCP3008连接到RaspberryPi之前，我使用了一个电位器来测试值范围。组装迷你云台套件并将MQ-135空气质量传感器粘在迷你云台套件（臂）上。总结完成所有步骤后，我将所有部件固定在一个旧塑料盒上，并将设备放在我的桌子上，以收集空气质量数据并使用树莓派上的空气质量模块(GUI)调整其背景颜色示意图代码#RaspberryPiAdjustableAirQualityDetectorControlledviaGUI##RaspberryPi3B+##ByKutluhanAktar##LearnhowtodevelopaGUI,namedAirQualityModule,tocontrolaminipan-tiltkitandgetinformationfromanMQ-135AirQualitySensor.#Also,youcanchangethebackgroundlight(RGB)viatheGUI.##Getmoreinformationontheprojectpage:#https://theamplituhedron.com/projects/Raspberry-Pi-Adjustable-Air-Quality-Detector-Controlled-via-GUI/fromguizeroimportApp,Box,Text,TextBox,PushButton,ButtonGroup,MenuBar,info,yesno,warnfromtimeimportsleepfromsubprocessimportcallimportRPi.GPIOasGPIOimportbusioimportdigitalioimportboardimportadafruit_mcp3xxx.mcp3008asMCPfromadafruit_mcp3xxx.analog_inimportAnalogIn#CreatetheSPIbusspi=busio.SPI(clock=board.SCK,MISO=board.MISO,MOSI=board.MOSI)#Createthecs(chipselect)cs=digitalio.DigitalInOut(board.D5)#Createthemcpobjectmcp=MCP.MCP3008(spi,cs)#CreateanaloginputsconnectedtotheinputpinsontheMCP3008.channel_0=AnalogIn(mcp,MCP.P0)#DefineRGBpinssettingsandPWMfrequenciesGPIO.setmode(GPIO.BCM)red_pin=2green_pin=3blue_pin=4GPIO.setup(red_pin,GPIO.OUT)GPIO.setup(green_pin,GPIO.OUT)GPIO.setup(blue_pin,GPIO.OUT)red_value=GPIO.PWM(red_pin,100)blue_value=GPIO.PWM(blue_pin,100)green_value=GPIO.PWM(green_pin,100)red_value.start(100)blue_value.start(100)green_value.start(100)#DefineservomotorpinsettingsandPWMfrequenciesservo_base_pin=20servo_arm_pin=21GPIO.setup(servo_base_pin,GPIO.OUT)GPIO.setup(servo_arm_pin,GPIO.OUT)servo_base_value=GPIO.PWM(servo_base_pin,50)servo_arm_value=GPIO.PWM(servo_arm_pin,50)servo_base_value.start(0)servo_arm_value.start(0)#Definemenubaroptions'commands(functions).defTutorial():#Opentheprojectpageifrequested.go_to_tutorial=yesno("OpenTutorial","Getmoreinformationabouttheproject!")ifgo_to_tutorial==True:command="chromium-browserhttps://theamplituhedron.com/projects/"call([command],shell=True)print("ProjectTutorial!")else:warn("Close","Returntotheapplication!")defComponents():info("Components","RaspberryPi3B+\nMQ-135Sensor\nMiniPan-TiltKit\n2xServoMotor\nRGBLED\n2xMiniBreadboard\nMCP3008")defAbout():info("About","DevelopaGUI,namedAirQualityModule,tocontrolaminipan-tiltkitandgetinformationfromanMQ-135AirQualitySensor.Also,youcanchangethebackgroundlight(RGB)ontheGUI.")#Defineapplicationcommandsandfeatures:def_range(x,in_min,in_max,out_min,out_max):returnint((x-in_min)*(out_max-out_min)/(in_max-in_min)+out_min)defevaluateSensorValue():#Testyourmodule,thendefinethevaluerange-inthiscasebetween0and60000.sensorValue=_range(channel_0.value,0,60000,0,1023)sensor_value.value=sensorValue#Thresholdif(sensorValue>300):status_text.value="Status:DANGER"status_text.text_color="yellow"warn("!!!DANGER!!!","AirQualityDeteriorating!")else:status_text.value="Status:OK"status_text.text_color="green"defadjust_color():red=_range(int(r_input.value),0,255,1,100)green=_range(int(g_input.value),0,255,1,100)blue=_range(int(b_input.value),0,255,1,100)red_value.ChangeDutyCycle(101-red)blue_value.ChangeDutyCycle(101-blue)green_value.ChangeDutyCycle(101-green)defbase_tilt_move():#Cyclevaluesbetween2and12areworkingprecisely:selected_angle=2+(int(base_angle.value)/18)servo_base_value.ChangeDutyCycle(selected_angle)sleep(0.5)servo_base_value.ChangeDutyCycle(0)defarm_tilt_move():selected_angle=2+(int(arm_angle.value)/18)servo_arm_value.ChangeDutyCycle(selected_angle)sleep(0.5)servo_arm_value.ChangeDutyCycle(0)#CreatetheGUIapplication.appWidth=1200appHeight=500app=App(title="AirQualityModule",bg="#eb2e00",width=appWidth,height=appHeight)#Definemenubaroptions.menubar=MenuBar(app,toplevel=["Tutorial","Components","About"],options=[[["View",Tutorial]],[["Inspect",Components]],[["About",About]]])#Designtheinterfaceusingtheboxwidget.top=Box(app,width="fill",height=appHeight/2,align="top")bottom=Box(app,width="fill",height=appHeight/2,align="bottom")color_interface=Box(top,width=appWidth/2,align="left",layout="grid",border=True)quality_interface=Box(top,width=appWidth/2,align="right")base_interface=Box(bottom,width=appWidth/2,align="left")arm_interface=Box(bottom,width=appWidth/2,align="right")#RGBColorInterfacecolor_header=Text(color_interface,text="AdjustRGBBackgroundColor",color="#002699",size=20,grid=[0,0])r_label=Text(color_interface,text="R:",color="#1a53ff",size=15,grid=[0,1])r_input=TextBox(color_interface,grid=[1,1])r_input.bg="#ff5c33"r_input.text_color="#1a53ff"g_label=Text(color_interface,text="G:",color="#1a53ff",size=15,grid=[0,2])g_input=TextBox(color_interface,grid=[1,2])g_input.bg="#ff5c33"g_input.text_color="#1a53ff"b_label=Text(color_interface,text="B:",color="#1a53ff",size=15,grid=[0,3])b_input=TextBox(color_interface,grid=[1,3])b_input.bg="#ff5c33"b_input.text_color="#1a53ff"adjust_button=PushButton(color_interface,grid=[2,4],width="20",text="Adjust",command=adjust_color)adjust_button.bg="#002699"adjust_button.text_color="white"#AirQualityInterfacequality_header=Text(quality_interface,text="AirQualitySensor",color="#002699",size=20,align="top")sensor_value=Text(quality_interface,text="TEST",color="#002699",size=120)status_text=Text(quality_interface,text="Status:OK",color="green",size=15,align="bottom")#Updatethesensorvalue.sensor_value.repeat(1000,evaluateSensorValue)#MiniPan-TiltBaseInterfacebase_header=Text(base_interface,text="Pan-TiltBase",color="#002699",size=20)base_angle=ButtonGroup(base_interface,options=["0","30","45","90","135","180"],selected="0",width=20,command=base_tilt_move)base_angle.text_size=15base_angle.text_color="white"#MiniPan-TiltArmInterfacearm_header=Text(arm_interface,text="Pan-TiltArm",color="#002699",size=20)arm_angle=ButtonGroup(arm_interface,options=["0","30","45","90","135","180"],selected="0",width=20,command=arm_tilt_move)arm_angle.text_size=15arm_angle.text_color="white"#Starttheloop.app.display()*以上内容翻译自网络，原作者：KutluhanAktar，如涉及侵权可联系删除。

前不久我在浏览新闻时，偶然看到这样一则消息：一位90岁的年迈老人非常喜欢夜间闲逛，但与此同时，她的健康状况在90岁这个情况也每况愈下。就在最近，她在夜行中不小心跌倒在地，并且她的家人花了一个晚上最终打电话报警才得意找到她。上周末，我LAHacks上与同一个团队的朋友分享了这个故事。集思广益后，我们想，为什么不设计一款可穿戴设备，可以检测老年佩戴者的健康紧急情况，并向他或她的家人和朋友发出警报呢？这个项目Cura正是由此而来。研究在我的研究中，我发现很多老年人，都对健康紧急问题有共同的担忧。两种主要的紧急情况是跌倒和心律失常（不寻常的心率），由身体和器官恶化引起。根据疾病预防控制中心的数据，每年约有3600万老年人跌倒，导致300万急诊科治疗和32,000多人死亡。而据NHANES称，70%的老年人患有高血压，导致中风、心力衰竭，甚至猝死。此外，BMCEmergencyMedicine的一项研究表明，如果给予医疗护理，创伤后60分钟是最大的生存机会。这证明了我们的想法可以通过及时报告他们的健康紧急情况来挽救老年人的生命，因此我们开始构建它。构建我们使用MPU6050加速度计、脉冲传感器、ESP-826612-eWiFi模块、按钮、LED灯泡和3.7V电池，MPU6050和脉冲传感器需要先焊接。检测跌倒我们使用加速度计来检测坠落，因为坠落是自由落体的“较低版本”，它给我们提供了比平常更小的重力加速度（G我们通过合并该项目的代码使跌倒检测更加准确并避免错误警报。加速度计在跌倒时必须接收到较低的G，在撞击地面时G的反向尖峰，并且在一段时间内G没有变化，表明用户已经跌倒并静止在地面上。检测心律失常我们使用脉搏传感器来测量佩戴者的心率。研究结果表明，心率高于200或低于27次每分钟(BPM)会危及生命。考虑到佩戴者可能正在运动或睡觉，无论佩戴者的运动状态如何，在这个危险范围内的心率都是不正常的。紧急按钮由于中风和心脏病发作的紧急情况可能没有明显的心率变化，我们增加了一个紧急按钮，让佩戴者在感到不适时直接发送警报。当上述三个中的任何一个触发紧急情况时，紧急LED灯泡就会亮起。灯光指示佩戴者周围的潜在人处于紧急情况，不要与佩戴者正在睡觉或只是躺下的信念相混淆。发送带有位置的短信提醒一旦触发紧急情况，主板会向ESP8266输出一个HIGH引脚，ESP8266然后会向佩戴者的紧急联系人发送一条短信，告知佩戴者的位置。Twilio短信APITwilio支持使用ESP8266通过WiFi连接发送SMS。我们按照这个文档来实现这个功能。UnwiredLab地理定位API通过研究，我们发现WiFi定位系统(WPS)允许我们使用来自连接网络的信息来获取佩戴者的当前位置。UnwiredLab提供了一个GeolocationAPI，它利用WPS返回位置。给定短信中的位置，紧急联系人可以在佩戴者的生命迹象恶化之前找到佩戴者。未来的改进可能使用ArduinoNanoR3和ESP8266-01使设备尺寸更小为硬件组件添加3D打印外壳再次按下紧急按钮可取消紧急情况并发送另一条短信添加由加速度计测量的步数和运动时间等健康功能添加监视器或实施Blynk应用程序以查看健康数据、过去的紧急警报并编辑紧急联系人如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Jeffreythecoder，如涉及侵权，可联系删除。

大家好，在这个教程中，您将学习如何在家中几乎不花钱制作FLEX传感器。这类传感器在市场上的成本很高，从60到200元不等。它们在行业层面上很有用，但对于在家制作DIY技术项目来说，成本太高了。因此，我为您带来了传感器的替代解决方案，我将向您展示如何在家中轻松构建一个。第1步：故事、研究和工作1.1弯曲传感器弯曲传感器或弯曲传感器是测量偏转或弯曲量的传感器。它也被称为灵活电位器。它根据电阻原理工作，并根据电阻的变化给出各种值。它的工作非常简单。由于传感器中存在的导电颗粒之间的距离非常短，因此它在保持笔直时具有低电阻。当它弯曲时，颗粒之间的距离会增加，从而导致更高的电阻和更低的电流通过传感器。这样我们就可以很容易地使用像Arduino这样的微控制器板，因为我们需要做的就是使用传感器作为输入，我们将得到一个介于0和1023之间的值，其中0表示笔直，1023表示弯曲.有关flex的更多信息，传感器从Sparkfun电子产品中阅读此pdf！1.2入侵传感器：现在我们将在这里做的是我们将用铅笔完全遮蔽的纸替换内部的电阻碳元素。铅笔芯导电，我们将利用它来发挥我们的优势。对于传感器的主要导电板，我们将使用两条锡箔/铝箔，因为它们的导电性非常好，而且我们将再次使用这些在每个家庭中都可以找到的易于使用的材料，这对我们有利。传感器将有两个终端，我们可以很容易地将它连接到Arduino板。柔性传感器具有广泛的应用：汽车控制医疗设备工业控制电脑周边健身产品乐器测量设备虚拟现实游戏消费产品物理治疗等这一切都是关于一个简单的柔性传感器，以及我们将如何破解传感器以满足我们的需求，并使用易于访问和低成本的材料大幅降低成本！现在，让我们继续收集所需的材料，真正开始构建它！第2步：收集所需的东西2.1所需材料：2x纸板条（10厘米x1.5厘米）1x纸条(10cmx1.5cm)2x锡箔/铝箔条(9cmx1cm)一些胶水铅笔2x小跳线2.2工具（可选）：热胶枪收集上面的东西，然后继续下一步！第3步：将锡箔条粘贴到纸板条上这是一个非常简单的步骤。您在这里需要做的只是将两条锡纸条粘贴到您之前剪下的两条纸板条上。您可以使用任何类型的胶水将锡箔条粘在纸板条上。确保锡纸条相对于纸板条居中，并且不会伸出条的边缘。这有一个非常重要的原因，您稍后会看到！您甚至可以使用上面的图像来跟随。现在继续下一步！第4步：为纸条着色这一步也很容易。我重复这个声明的原因是这个项目确实很容易制作，任何人都可以在没有任何技术经验的情况下完成它。现在来到这一步，我们只需要在两边遮住我们之前采取的纸条。您可以使用任何类型的铅笔。只要确保你把纸条遮得很暗。我敢肯定，在你到处都用黑色碳打印完成后，会变得一团糟，但我想这没关系:)事不宜迟，让我们继续前进！第5步：将线端连接到条带现在我们需要做的是我们需要“创建”传感器终端，使用这些终端传感器实际上能够与其他电子元件进行交互。我们只需要两根电线。我拿了两根母头跳线并在母线接头附近切断它们，以便稍后我们可以将两根跳线插入传感器端子。您也可以根据需要使用任何普通的导线。现在我们只需要将这些线端粘贴到我们之前准备的每个卡片箔条上。您可以像我一样使用热胶，也可以使用一些胶带来完成任务。只需确保将电线末端正确地压在锡箔上，因为如果没有适当的传导，它将无法正常工作。继续下一步！第6步：堆叠材料现在我们只需要将之前制作的单个组件组合在一起。堆叠将按以下顺序：任何卡片箔条阴影纸任何卡片箔条但是，请确保卡片箔条朝内。现在只需使用一些热胶或胶带确保两端连接在一起，这样传感器就可以牢固地固定在一起并且不会散开。第7步：最终外观这就是构建这个DIYFlex传感器的过程。确保在完成制作后将其弯曲几次，然后查看热胶是否停留在应有的位置，因为有时可能会发生弯曲传感器时热胶可能会撕裂的情况。正如您在上面的图片中看到的，我们的传感器非常整洁。如果你有艺术的天赋，你也可以去定制美化它现在是最后一部分的时候了。测试第8步：构建测试电路现在我们需要测试传感器，看看它是否真的值得制造。我们需要一个Arduino板和一个LED来测试我们的柔性传感器。我们还需要一个22kΩ电阻。如果我们使用面包板会更好，因为这将使电路构建过程变得简单快捷。我附上了所有必需的资源，如原理图和代码，它们将帮助您测试自己的柔性传感器并查看它是否有效。只需按照电路图使用我的代码或自己编写并希望它有效。代码：//////////////////////////////////////////////////////////DIYFlexSensor////ByAaravGarg-TechNuttiez////////////////////////////////////////////////////////////definingledandflexsensorpins#defineled_pin9#defineflex_pinA0//variablesforflexsensorreadingsandledbrightnessoutputintflex_reading;intled_brightness;voidsetup(){//putyoursetupcodehere,torunonce:Serial.begin(9600);//setupserialmonitor}voidloop(){//putyourmaincodehere,torunrepeatedly:flex_reading=analogRead(A0);Serial.println(flex_reading);led_brightness=map(flex_reading,0,300,0,1023);analogWrite(9,led_brightness);delay(200);}FlexSensor_TechNuttiez.ino（点击下载）最后，如果您的传感器不起作用，请尝试执行以下一些操作作为故障排除措施：尝试使用质量更好的锡纸确保电线末端牢固地压在条带上，您甚至可以进行小型传导测试来测试它们。确保两个箔条不相互接触。确保您已将纸张用铅笔涂得很暗。*以上内容翻译自网络，原作者：AaravG，如涉及侵权，可联系删除。

该项目将借助KV260上的PYNQ-DPU覆盖，从而能够使我们在LiDAR点云上进行3D对象检测比以往任何时候都更加高效！背景在构建自动驾驶汽车、自动导航机器人和其他现实世界的应用程序时，环境感知起着不可或缺的作用。为什么要在点云上进行3D对象检测？虽然基于深度学习的相机数据二维对象检测显示出很高的准确性，但它可能不是有效的活动，如定位、测量对象之间的距离和计算深度信息。LiDAR传感器生成的点云提供对象的3D信息，以更有效地定位对象并表征形状。因此，点云上的3D对象检测正在各种应用中出现，尤其是在自动驾驶方面。尽管如此，设计基于LiDAR的3D对象检测系统仍具有挑战性。首先，此类系统需要在模型推理中进行大量计算。其次，由于点云数据是不规则的，处理管道需要预处理和后处理才能提供端到端的感知结果。KV260与3D物体检测系统完美匹配。模型推理的昂贵计算可以卸载到KV260的可编程逻辑部分并由其加速，而KV260强大的ARM内核能够处理预处理和后处理任务。设计概述我们现在讨论选择的用于点云上3D对象检测的深度学习模型以及包括软件和硬件的系统概述。网络架构作为对现有工作的完整性检查，我们选择了基于ResNet的关键点特征金字塔网络（KFPN），这是第一个在KITTI基准上具有最先进性能的单目3D检测实时系统。特别是，我们采用了它在点云上的开源PyTorch实现，称为SFA3D。KV260上的PYNQ-DPU之所以我们使用Xilinx开发板的UbuntuDesktop20.04.3LTS而不是Petalinux作为KV260上的操作系统，是因为Ubuntu是一个很好的开发环境，用于安装预处理点云和后处理结果所需的软件包。另一方面，KV260对Pynq和DPU覆盖的支持避免了从头设计高效的DPU，使我们能够在python环境下工作。这在很大程度上简化了基于CPU/GPU的深度学习实现向KV260的迁移。设置环境按照官方指南将Ubuntu镜像安装到KV260，然后参考Github在Ubuntu操作系统中安装Pynq。Git通过执行以下命令克隆所有必需的文件并将所需的包安装到板上。gitclonehttps://github.com/SoldierChen/DPU-Accelerated-3D-Object-Detection-on-Point-Clouds.gitcdDPU-Accelerated-3D-Object-Detection-on-Point-Cloudspipinstall-rrequirements.txt在这里，我们需要Pytorch1.4，因为PynqDPU的VART是v1.4。数据准备需要下载的数据包括：Velodyne点云(29GB)对象数据集的训练标签(5MB)对象数据集的相机校准矩阵(16MB)对象数据集的左侧彩色图像(12GB)（仅用于可视化目的）要使用3D框可视化3D点云，让我们执行：cdmodel_quant_compile/data_process/pythonkitti_dataset.py模型训练pythontrain.py--gpu_idx0该命令使用一个GPU进行训练，但它支持分布式训练。此外，您可以选择fpn_resnet或resnet作为目标模型。训练后的模型将存储在名为“Model_restnet/fpn_resnet_epoch_#”的检查点文件夹中。根据您的硬件，epoch可以从10到300，精度越高越好。模型量化和编译同样，由于Pynq的VART是V1.4，我们需要VITISAIv1.4而不是最新版本（V2.0）来进行模型量化。#installthedockeratfirst(ifnotstalled)dockerpullxilinx/vitis-ai-cpu:1.4.1.978#runthedocker./docker_run.shxilinx/vitis-ai-cpu:1.4.1.978然后我们使用以下命令量化模型：#activatethepytorchenvironmentcondaactivatevitis-ai-pytorch#installrequiredpackagespipinstall-rrequirements.txt#configurethequant_modetocalibap.add_argument('-q','--quant_mode',type=str,default='calib',choices=['calib','test'],help='Quantizationmode(calibortest).Defaultiscalib')#here,itquantizetheexamplemodel:Model_resnet_18_epoch_10.pthpythonquantize.py#configurethequant_modetotestap.add_argument('-q','--quant_mode',type=str,default='test',choices=['calib','test'],help='Quantizationmode(calibortest).Defaultiscalib')#here,itoutputsthequantizedmodel.pythonquantize.py接下来，我们将编译模型：./compile.shzcu102build/不要介意zcu102与KV260共享相同的DPU架构。您将看到成功编译的以下消息：到目前为止，我们得到了可以在DPU上执行的编译xmodel，在KV260上过度执行。接下来，我们将其部署在板上并开发应用程序代码。KV260部署按照官方指南，我们先在KV260上搭建好Ubuntu操作系统。然后，我们按照PYNQ-DPUGitHub在板上安装python。搭建好板子后，我们需要安装git，将代码克隆到板子上，并将编译好的xmodel复制到文件夹中。应用程序代码设计这里我们将介绍如何调用并与DPU接口进行推理。我们首先加载DPU覆盖和自定义的xmodel。然后，重要的是，必须知道输入和输出张量信息才能与数据集协调。在这里，我们只有一个张量作为输入，五个张量作为输出。相应地分配输入和输出缓冲区。#loadmodelandoverlyoverlay=DpuOverlay("dpu.bit")overlay.load_model("./CNN_zcu102.xmodel")dpu=overlay.runner#gettensorinformationinputTensors=dpu.get_input_tensors()outputTensors=dpu.get_output_tensors()shapeIn=tuple(inputTensors[0].dims)outputSize=int(outputTensors[0].get_data_size()/shapeIn[0])shapeOut=tuple(outputTensors[0].dims)shapeOut1=tuple(outputTensors[1].dims)shapeOut2=tuple(outputTensors[2].dims)shapeOut3=tuple(outputTensors[3].dims)shapeOut4=tuple(outputTensors[4].dims)#allocateinputandoutputbuffers.#Notetheoutputisalistoffivetensors.output_data=[np.empty(shapeOut,dtype=np.float32,order="C"),np.empty(shapeOut1,dtype=np.float32,order="C"),np.empty(shapeOut2,dtype=np.float32,order="C"),np.empty(shapeOut3,dtype=np.float32,order="C"),np.empty(shapeOut4,dtype=np.float32,order="C")]#theinputisonlyonetensor.input_data=[np.empty(shapeIn,dtype=np.float32,order="C")]image=input_data[0]一次性推理的过程封装在下面的函数中。在这里，我们将输入张量置换为DPU输入张量的形状，并将张量置换为后处理所需的形状。这对于正确的结果至关重要。defdo_detect(dpu,shapeIn,image,input_data,output_data,configs,bevmap,is_front):ifnotis_front:bevmap=torch.flip(bevmap,[1,2])input_bev_maps=bevmap.unsqueeze(0).to("cpu",non_blocking=True).float()#dopermutationinput_bev_maps=input_bev_maps.permute(0,2,3,1)image[0,...]=input_bev_maps[0,...]#.reshape(shapeIn[1:])job_id=dpu.execute_async(input_data,output_data)dpu.wait(job_id)#converttheoutputarraystotensorsforthefollowingpost-processing.outputs0=torch.tensor(output_data[0])outputs1=torch.tensor(output_data[1])outputs2=torch.tensor(output_data[2])outputs3=torch.tensor(output_data[3])outputs4=torch.tensor(output_data[4])#dopermutationoutputs0=outputs0.permute(0,3,1,2)outputs1=outputs1.permute(0,3,1,2)outputs2=outputs2.permute(0,3,1,2)outputs3=outputs3.permute(0,3,1,2)outputs4=outputs4.permute(0,3,1,2)outputs0=_sigmoid(outputs0)outputs1=_sigmoid(outputs1)#post-processingdetections=decode(outputs0,outputs1,outputs2,outputs3,outputs4,K=configs.K)detections=detections.cpu().numpy().astype(np.float32)detections=post_processing(detections,configs.num_classes,configs.down_ratio,configs.peak_thresh)returndetections[0],bevmap在KV260上执行通过运行以下命令，将在DPU上执行演示数据的推理：pythondemo_2_sides-dpu.py然后运行以下命令：pythondemo_front-dpu.py性能范围从10到20FPS，比在服务器级CPU（IntelXeonGold6226R）上的执行速度快100到200倍。结论总之，我们展示了在KV260上使用AMD-XilinxDPU来加速基于点云的3D对象检测是多么容易。为了进一步提升性能，我们计划通过使用多个DPU实例来优化模型推理阶段，以及通过使用多线程和批处理来优化预处理和后处理阶段。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：XinyuChen，如涉及侵权，可联系删除。

本文要介绍的是一个智能播种机，它能有助于检测植物何时过冷/过热，是否获得足够的光照，以及是否需要浇水。它是什么：智能播种机可检测植物何时过冷/过热、光照不足以及是否需要浇水。这是使用Grove温度传感器、Grove湿度传感器和Grove光传感器实现的。连接好后，播种机氩气会将数据发送到Ubidots以进行绘图以及其他两个通过串行输出数据的氩气（参见下图）。当三个传感器中的任何一个低于或高于设定的温度、湿度或光照限制时，设备将向用户发送电子邮件。这可以通过Ubidots事件轻松完成。在这个项目中，我们使用了GoldenPothos，并相应地设置了我们的值。如果温度低于10°C或高于32°C、湿度高于50或光照水平低于47，我们会收到警报。可以解决什么问题？在室内种植植物可能很困难，尤其是对于初学者而言。通常人们得到一株植物只是在几天后看着它死去，却不知道为什么。我们提出智能播种机的原因很简单，因为大多数植物会因为浇水不当、暴露在低于理想的温度或没有获得足够的光照而死亡。在这个项目的帮助下，SmartPlanter将监控这三个方面的需求，并在他们需要进行补给时向您发送电子邮件。它有什么用处？这个项目非常有用，因为它可以防止人们不得不去频繁地购买新植物来替换死的植物，从而节省金钱和时间。它还减少了护理垂死植物的时间，因为从一开始项目就会监控三种基本植物需求，并且可以从您的面前看到。这个项目的价值我们相信每个热爱植物生命的人都应该研究这个项目。它非常具有成本效益，因为所需的组件价格低廉，底座是3D打印的，而且当旧植物死亡时，您无需不断购买新植物。一旦一切都设置并完成，您不必担心您的植物在没有任何解决方案的情况下会死亡。了解您的植株需要什么可以更容易地照顾。花盆本身也很容易制作，因为它不需要焊接技能。创新点我相信这个解决方案在目前来说，算是比较新颖的，因为它可以满足您工厂的三种需求，而不仅仅是一种。同时它也是独一无二的，因为它会向您的电子邮件发送消息，这意味着您不必在时刻在家关注就能知道它的具体情况。注意：如果没有微控制器来收集和发送所需的数据，这个项目就不可能实现。这个项目在制作的过程中，还帮助我们团队彼此成为了更好的队友，因为如果我们遇到问题，我们会互相协作并确保问题得到解决。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：BrittanyCurrie，如涉及侵权，可联系删除。

Bolt团队最近更新了BoltIoT-Arduino-Helper库，我认为值此机会正好可以尝试一下。该库现在有关于如何将DHT传感器与BoltCloud接口的示例，而这个项目就是基于此而做的。硬件设置：当我使用Boltduino（ArduinoUnor2的定制版本）时，可以使用ArduinoUno轻松完成该项目。我使用ArduinoUNO为那些Boltduino的制造商制作了Fritzing图。第1步：将螺栓连接到Boltduino(Arduino)这一步对我来说相当容易，因为Boltduino有一个固定BoltWiFi模块的引脚。然而，对于计划使用Arduino的制造商来说，这意味着使用4公对公bergepin线连接Bolt模块。第2步将DHT11传感器连接到Boltduino(Arduino)第3步安装所需的库对于此项目，您将需要BoltIoT-Arduino-Helper、Adafruit_Sensor和DHT-Sensor-libraryArduino库。要安装库，只需转到上面的链接，然后单击克隆或下载按钮。然后单击下载ZIP按钮。将下载包含该库的zip文件。下载库后，转到ArduinoIDE的工具栏，Sketck>IncludeLibrary>Add.ZIPLibrary选择您之前下载的库文件，然后单击选择。注意：请记住安装所有3个库。第4步上传代码进入ArduinoIDE的工具栏，File>Examples>BoltIoT-Arduino-Helper>DHT2CloudDHT库示例将在新的ArduinoIDE窗口中打开将您的Boltduino连接到PC，然后单击上传注意：对于ArduinoUno用户，请记住在上传代码时断开Bolt模块与Arduino的连接。软件设置：围绕BoltWiFi模块开发的项目已经不少，相信读者已经在BoltCloud上创建了一个Account，并将他们的BoltWiFi模块与Cloud帐户关联起来。步骤1)在BoltCloud上创建一个新产品确保选择“输入设备”和“UART”选项。步骤2)配置产品我已经分享了软件配置的代码。完成后保存并退出产品配置视图。步骤3)将Bolt设备链接到您的新产品链接设备后，请记住单击“部署配置”按钮。步骤4)查看您的设备云每5分钟轮询一次设备以获取数据，因此最好让系统等待20到25分钟后再进行检查。到此，项目就完成了。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：VinayakShantaramJoshi，如涉及侵权，可联系删除。

AMG8833热像仪基于Panasonic的AMG8833Grid-EYE传感器，我通过将传感器模块连接到ArduinoUno（4线）构建了一个简单的热像仪。使用VirtualPanel作为显示和控制面板，很容易构建一个可用的相机。部分挑战是在内存和处理能力有限的ATMega328（Uno，Nano）上进行这项工作。我想我成功了，尽管帧速率可能会更好。AMG8833传感器AMG8833Grid-EYE传感器以60°图像视角测量8x8像素的温度。指定的温度范围为-20°C至+140°C。精度在此范围内变化，并且还取决于热敏电阻ref指示的工作温度。温度。请参阅：下面链接的Panasonic文档。热敏电阻参考传感器有一个测量传感器（环境）温度的热敏电阻。该值显示在主屏幕上。传感器中使用热敏电阻温度来确定测量值。测量的准确性取决于此温度。比例设置温度/色标的最高温度。与刻度的底部温度一起定义了温度到颜色的映射。刻度▲和刻度▼按钮设置刻度顶部的温度。这在显示屏中显示为“刻度”简单的构建我从一个简单的Uno连接开始，但后来我构建了一个非常简单的单元，只有一个（fero）印刷板作为底盘（无外壳），这使它更容易处理。你可能会想到一个更强大、更方便的结构，但这对我来说已经足够了。镜子控制水平显示方向。适用于所有图像模式，也适用于静止模式左正常-右后视镜原始8x8原始8x8像素图像模式。在原始模式下，只有传感器直接测量的温度以8x8像素格式显示。在这种模式下，每秒可以显示大约10帧。从传感器读取的值未经过滤，可能会显示噪声。插值29x29插值29x29像素模式。在这种插值模式下，传感器测量的温度由微控制器插值以放大至29x29像素。因此需要更多的计算，并且需要将更多的像素写入面板。这导致约1fps的较慢帧速率。同时，这允许使用传感器平均功能创建超过10次测量的滚动平均值（对于每个像素）。插值64x64插值64x64图像模式。在这种插值模式下，传感器测量的温度由微控制器插值以放大到64x64像素。结果当然是更细粒度的图片，但渲染速度也更慢，下降到大约0.25fps（每4秒1帧）静止模式检索一张图像并冻结图像检索。此图像可以在所有图像模式和镜像模式下渲染。由于渲染可能需要一些时间，这由橙色LED指示。渲染完成后，LED变为绿色。Point-Click在静止状态下，可以单击图像以显示单击位置的温度。在插值模式下，选择并显示最近的测量点。测得的温度以黄色显示在刻度下方，前面有一个圆圈。开机/关机开始和停止图像渲染。在关机模式下，传感器进入睡眠模式。关机时只显示刻度。温度/色标相机功能中的一个关键项目是温度到颜色的映射。选择了一系列颜色来代表一组从低到高的温度。可以根据测量的温度范围选择与颜色相关的温度。色标有8种颜色。最低的颜色（深蓝色）表示所有温度都低于设定的刻度底部。最高颜色（红色）代表所有高于标尺设定顶部的温度。高温和低温在图表面板中，每帧中测量的最高和最低值分别显示在刻度的顶部和底部。圈◯温度刻度正下方显示圆温度(◯..°C)。在渲染中，这个圆圈被放置在中心位置。可以在静止模式下更改此位置，以使用点击选择显示中的任何测量点。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：JaapDanielse，如涉及侵权，可联系删除。

超声波测距仪是各种现实生活和机器人应用中的有用工具，例如避障和距离测量系统。超声波测距仪通过发射一个40KHz的超声波脉冲来测量距离，该脉冲在空气中传播直到它击中一个物体，然后它测量反射信号的延迟并向其他单元发送适当的命令。我使用了一个SRF05超声波传感器和一个ATtiny85微控制器。距离数据显示在128*64OLED屏幕上，以厘米和英寸为单位。此外，水平条形图提供了距离的视觉估计。MCU代码是使用ArduinoIDE开发的。为了设计原理图和PCB，我使用了AltiumDesigner22和SamacSys组件库（Altium插件）。为了获得高质量的PCB板，我将Gerber发送到PCBWay，并使用componentsearchengine.com购买了原始组件。为了检查电路的电流消耗，我使用了SigilentSDM3045X万用表。规格输入电压：6-24VDC电流消耗：24mA检测范围：2-400cm（见正文）距离数据：厘米、英寸、条形图显示：128*64-黄蓝OLED下载Gerbers电路分析图1为超声波测距仪装置示意图。很明显，该电路由四个主要部分组成：传感器、电源、MCU和显示器。我分别解释每个部分。图1-超声波测距仪（Altium）示意图SRF05超声波传感器我在电路中使用了SRF05超声波模块。市面上的SRF05模块有很多种，我用的是图2所示的那个。模块的质量可能会有所不同，因此无法保证最大检测范围。其中一些有蓝色阻焊层，一些是绿色的，不同的制造商也提供这样的模块。根据SRF05模块数据表：“SRF05是SRF04的进化步骤，旨在提高灵活性、扩大范围并进一步降低成本。因此，SRF05与SRF04完全兼容。射程从3米增加到4米。一种新的操作模式（将模式引脚接地）允许SRF05使用单个引脚来触发和回波，从而节省控制器上宝贵的引脚。当模式引脚未连接时，SRF05使用单独的触发和回波引脚运行，如SRF04。SRF05在回波脉冲之前包含一个小延迟，以便为较慢的控制器（例如BasicStamp和Picaxe）提供时间来执行它们的脉冲命令。”图2-SRF05超声波模块（蓝色阻焊层）电源供应电源的主要元件是TS2937CW50[1]稳压器（REG1）。它是一个+5VSOT-223LDO稳压器。根据TS2937数据表：“TS2937固定电压单片微功率稳压器专为广泛的应用而设计。该器件是电池供电应用的绝佳选择。此外，静态电流在压降时略有增加，从而延长了电池寿命。该系列固定电压稳压器具有极低的接地电流（典型值200uA）和极低的压降输出电压（典型值在轻负载时为60mV，在500mA时为600mV）。这包括2%的严格初始容差、0.05%典型值的极好线路调节以及非常低的输出温度系数。”FB1和C5降低输入电压噪声。D1是蓝色0805LED，用于指示电源连接正确，R2限制D1的电流。C4和C6用于降低+5V电源轨的噪声。P1是一个XH-2P母连接器，用于将电源线连接到电路板。微控制器IC1是一个ATtiny85MCU[2]，它是电路的核心。我选择了这款芯片的贴片封装。根据Tiny85数据表：“ATtiny25/45/85提供以下特性：2/4/8K字节系统内可编程闪存、128/256/512字节EEPROM、128/256/256字节SRAM、6个通用专用I/O线、32个通用工作寄存器、一个8位定时器/计数器（带比较模式）、一个8位高速定时器/计数器、通用串行接口、内部和外部中断、一个4通道、10-位ADC、带内部振荡器的可编程看门狗定时器和三种软件可选的省电模式。空闲模式停止CPU，同时允许SRAM、定时器/计数器、ADC、模拟比较器和中断系统继续工作。掉电模式保存寄存器内容，禁用所有芯片功能，直到下一次中断或硬件复位。ADC降噪模式会停止CPU和除ADC之外的所有I/O模块，以最大限度地减少ADC转换期间的开关噪声。该器件采用Atmel的高密度非易失性存储器技术制造。片上ISP闪存允许程序存储器通过SPI串行接口、传统的非易失性存储器编程器或运行在AVR内核上的片上引导代码在系统内重新编程。”C1、C2和C3是去耦电容，用于降低噪声。R1是一个上拉电阻，用于避免不必要地触发MCU的RESET引脚。OLED显示器该显示器由一个0.96”128*64OLED模块和一个SSD1306控制器芯片组成。模块的数据/命令接口为I2C。图3显示了该模块的图片。I2C由需要使用两个电阻上拉的SDA和SCL线组成。该模块已经实现了上拉，因此无需在线路上添加更多电阻。图3-设备OLED显示屏（0.96”,128*64,I2C）PCB布局图4显示了电路的PCB布局。它是一个两层PCB板，所有组件都是SMD。显示器应位于PCB上方几毫米处，以保持组件与显示器背面之间的距离，以避免短路等。PCB设计紧凑且易于使用。图4-超声波测距仪（Altium）的PCB布局当我决定为这个项目设计原理图和PCB时，我意识到我的组件库存储中没有REG1[3]和IC2[4]的组件库。因此，像往常一样，我选择了IPC级SamacSys组件库，并使用免费的SamacSys工具和服务安装了缺少的库（原理图符号、PCB封装、3D模型）。导入库有两种方法：您可以访问componentsearchengine.com并手动下载和导入库，或者您可以使用SamacSysCAD插件并自动将库导入/安装到设计环境中。图5显示了所有支持的电子设计CAD软件[5]。很明显，所有著名的球员都得到支持。我使用AltiumDesigner，所以我使用SamacSysAltium插件安装了缺少的库（图6）[6]。图5-SamacSys插件支持的所有电子设计CAD软件图6-SamacSysAltium插件中的选定组件库图7-PCB板的3D视图和两个组装图代码MCU的代码编写如下。您需要安装ATtinyCoreBoardManager[7]并从菜单中选择ATtiny25/45/85（无引导加载程序）（图8）。然后选择芯片为ATtiny85并选择8MHz(Internal)作为时钟源（图9）。然后您需要安装NewPing[8]和Tiny4KOLED[9]库。之后，只需转到“Sketch”菜单并选择“Exportcompiledbinary”（图10）。就是这样。您可以在与您的代码相同的文件夹中找到已编译的HEX文件。只需使用AVRISP编程器（例如USBasp或其他）使用PCB背面的可用引脚（GND、RESET、MISO、MOSI、SCK）对芯片进行编程。按照程序对保险丝位进行编程，如图11所示。从板上断开编程器和电线，就是这样:-)。代码在这里#include#includeunsignedlonguS=0;#defineTRIGGER_PIN3#defineECHO_PIN4#defineMAX_DISTANCE41NewPingsonar(TRIGGER_PIN,ECHO_PIN,MAX_DISTANCE);unsignedintCM=0,IN=0;unsignedcharcnt=0;voidsetup(){oled.begin(128,64,sizeof(tiny4koled_init_128x64br),tiny4koled_init_128x64br);oled.on();oled.setCursor(0,1);oled.setFont(FONT8X16);oled.clear();oled.print("ULSRangeFinder");}voidloop(){uS=sonar.ping();CM=sonar.convert_cm(uS)+CM;IN=sonar.convert_in(uS)+IN;cnt++;if(cnt==10){oled.setCursor(0,2);oled.print(CM/10);if(CM/10{oled.setCursor(9,2);oled.print("Centimeter");}else{oled.setCursor(17,2);oled.print("Centimeter");}oled.setCursor(0,4);oled.print(IN/10);if(IN/10{oled.setCursor(9,4);oled.print("Inches");}else{oled.setCursor(17,4);oled.print("Inches");}switch(CM/10){case0:oled.setCursor(0,6);oled.print("[outofrange]");break;case1...4:oled.setCursor(0,6);oled.print("==");break;case5...9:oled.setCursor(0,6);oled.print("====");break;case10...14:oled.setCursor(0,6);oled.print("=====");break;case15...19:oled.setCursor(0,6);oled.print("=======");break;case20...24:oled.setCursor(0,6);oled.print("=========");break;case25...29:oled.setCursor(0,6);oled.print("===========");break;case30...34:oled.setCursor(0,6);oled.print("=============");break;case35...39:oled.setCursor(0,6);oled.print("===============");break;case40...41:oled.setCursor(0,6);oled.print("================");break;}CM=0;IN=0;cnt=0;}delay(10);}图8-从菜单中选择合适的芯片系列（ATTiny25/45/85（无引导加载程序））图9-ATtiny85时钟源选择（8MHz，内部）图10-找到和导出HEX文件（草图菜单）图11-使用AVRISP编程器对电路板进行编程组装和测试图12显示了组装好的PCB板。我在显示器和PCB之间放了一块双面胶带，以避免任何可能的短路。从图片中可以清楚地看到，OLED屏幕上的文字非常鲜艳生动。图12-超声波测距仪的组装PCB板如果您计划使用电池为电路板供电，则设备的电流消耗很重要。所以我使用了SiglentSDM3045X台式万用表[10]并测量了24mA的电流。图13显示了万用表屏幕。图13-超声波测距仪电路的电流消耗材料清单图14显示了该项目的材料清单。图14-材料清单*以上文章翻译自PCBWAY，原作者：HesamMoshiri,AnsonBao，如涉及侵权，可联系删除。

本文将介绍如何通过RaspberryPi设置CE电流监视器，从而使用Web界面来显示电路的电流读数的项目搭建步骤。介绍在本文中，我们将通过RaspberryPi监控家庭或企业中某些电路的能耗（电流）。RaspberryPi将连接到来自www.controleverything.com的12通道电流监测板，并在网页上显示这些电流读数。这将使我们能够通过网络浏览器从网络上的任何设备实时查看特定电路的绘制量。我们将在此处组合的Web界面是一个简洁的界面。它只会以黑白显示每个电路的当前读数，你可以自主编辑Web界面并以您认为合适的任何方式以对其进行美化。甚至可以在界面上标记每个电路，例如客厅灯、冰箱等。步骤1.1Pi设置首先，我们需要让我们的RaspberryPi完成所有设置并准备就绪。对于这个项目，我在我的Pi上运行当前最新版本的Raspbian。如果您有其他版本的Raspbian或其他Linux操作系统，请记住对操作说明的一些更改可能对您有所不同。RaspberryPi在此处提供了一些关于在您的Pi上安装Raspbian的重要说明。一旦您的Pi启动并运行，我们将首先通过SSH连接到它。此处提供了通过SSH连接到您的Pi的说明。默认用户名通常是pi，密码是raspberry。步骤1.2Apache安装/设置在这一步中，我们要做的第一件事是安装Apache，它是一个Web服务器，它将为用户提供我们的Web界面。为此，请在SSH终端中输入以下内容：sudoapt-getinstallapache2-y这应该在您的RaspberryPi上安装Apache。很酷的是，安装运行后它就可以工作了！在您的计算机上打开Web浏览器并输入Pi的IP地址。您应该会受到默认网页的欢迎。接下来，我们需要修改Apache中的一些设置，所以让我们继续：回到你的SSH终端到Pi输入以下内容：sudonano/etc/apache2/apache2.conf这将打开一个我们需要添加一些信息的文件。向下滚动，直到看到一些目录标签。我们需要在那里添加一个额外的内容：Options+ExecCGIAddHandlercgi-script.py屏幕截图：按ctrl+x退出。当提示保存时说是。当提示输入文件名时，请保持原样。回到终端输入：sudoa2enmodcgi步骤1.3I2C工具设置现在我们需要安装一个名为I2C工具的包和另一个名为Python-SMBus的包。这两个包一起将允许我们的Python脚本与ControlEverything.com当前监控板进行通信。在SSH终端中输入：sudoapt-getupdate更新apt-get软件包安装程序，因此我们可以确保获得最新的软件包。接下来在SSH终端中输入：sudoapt-getinstall12c-tools安装该软件包后，输入：sudoapt-getinstallpython-smbus安装该软件包后，最好重新启动pi，因此在SSH终端中输入：sudoreboot等待几秒钟让Pi重新启动并重新与网络关联，然后通过SSH重新连接到Pi。让我们测试i2c-tools以确保一切正常。确保电流监控板使用随附的I2C电缆连接到Pi，并使用12VDC电源供电。然后在SSH终端中输入：i2cdetect-y1Pi能够识别我们的当前监控板，该板将注册在地址0x2a这就是您应该在终端中看到的内容：如果您看到那里列出的控制器，那么很幸运，到这一步仍然是正确的。步骤1.4将Web界面/Python文件上传到Pi我们将使用sftp将我们的文件上传到Pi。您将需要一个ftp客户端来执行此操作。如果您还没有ftp客户端，我强烈推荐filezilla。可以在这里获取（一定要获取客户端而不是服务器）。他们提供有关FTP的文档，但这很容易。下载并安装后，我们就可以继续了。我们需要更改Apache文件目录的一些权限，以便将我们的文件上传到Pi，所以回到SSH终端输入：sudochown-Rpi:www-data/var/www/html现在打开Filezilla并连接到Pi。输入Pi的IP地址作为主机，pi作为用户名，raspberry作为密码，22作为端口。连接的？伟大的！让我们把一些文件塞进去！这些文件可以从我们的githubrepo获取：https://github.com/ControlEverythingCom/Pi-Current-Monitor-Web-1在Filezilla中导航到您下载/克隆这些文件的本地目录。在Pi的Filezilla的RemoteSide窗格中，导航到/var/www/html目录并在那里上传文件。回到终端，通过输入以下命令移至/var/www/html目录：cd/var/www/html现在输入：pythonCurrentMonitor.pyPython应用程序应将当前读数打印到控制台，如下所示：步骤1.5最终配置设置我们现在需要更改html目录中所有文件的所有者。在SSH终端中输入：sudochown-Rpi:www-data/var/www/html现在我们需要更正CurrentMonitor.py上的权限来执行此操作：sudochmodg+x/var/www/html/CurrentMonitor.py现在，由于Apache将运行Python脚本来连接Pi上的i2c端口，我们必须确保允许Apache(www-data)执行此操作。所以我们将www-data添加到i2c组，如下所示：sudousermod-a-Gi2cwww-datasudoreboot关闭该SSH终端。步骤2接线并安装电路板我们必须在这里注意，您将在这里弄乱120VAC接线，触电可不是什么好笑的事情。如果您对此不满意，请聘请注册电工为您执行此步骤。他们知道该做和规避些什么。在继续之前，您必须使用主关闭开关关闭断路器面板的所有电源。如果可能，我们强烈建议还关闭为面板供电的杆/箱上的断路器。在继续之前，请务必测试断路器面板中所有点的电压。为了安全起见，我还建议关闭面板中的所有断路器电流监控板监控交流电路的热腿。这根电线通常是3芯电缆中的黑腿。白色通常是中性的，裸色或绿色通常是磨光的。因此，通过每个板载电流监控传感器运行您要监控的每个电路的黑腿，如下所示：在所有电线都穿过板载传感器并连接回面板中的断路器后，将USB电源连接到RaspberryPi，并将稳压12VDC电源连接到电流监控板。如果这些电源因所有电路关闭而关闭，请不要担心。如果Pi和电流监控板稍后通电，它不会有任何伤害。现在是时候重新启动所有设备了。当心！！！！对所有事情再做一次健全性检查，确保每个人都远离该区域，并且一切都正确连接。如果您在安装过程中将其取下，请确保将其盖在电路板上。重新打开杆/箱的电源。然后回到电路面板并打开那里的主电源开关。现在一次打开面板中的每个断路器。如果所有断路器都打开而没有跳闸，并且房屋/企业中的一切都通电，那么恭喜你！此刻你可以随意以任何你认为合适的方式庆祝了。步骤3验收你的成果确保您的Pi重新连接到网络。请注意，如果路由器重新启动，它的IP地址可能已更改，因此请务必检查。知道Pi的IP后，请确保您的计算机、手机或平板电脑与Pi在同一网络上，然后在Web浏览器中输入Pi的IP地址。您现在应该看到您连接的每个电路的实时电流水平。结束笔记虽然整个过程很有趣，但几天后你可能会发现自己有点无聊。在这一点上，我强烈建议为Pi定制Web界面，从中获得一些乐趣。你可以在那里做一些非常酷的事情。您可以做的其他一些事情是在网络上为Pi注册一个静态IP地址，这样它就不会改变（DHCP）。我通常在我的路由器上保留IP，因为我觉得这是最安全的事情，如果你的路由器支持它，这非常容易。您还可以在路由器防火墙上打开一个端口以允许外部访问，这样您就可以在离家时监控一切。您真的可以在这里全力以赴并设置DNS。如果您决定这样做，请务必考虑安全性。还有一个可能的扩展：你可以具体监控到每个电路的电流并计算电路的千瓦时使用量。这是绝对可以做到的，但有点复杂。本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：ControlEverything，如涉及侵权，可联系删除。

我在我们的房子里添加了各种传感器。我希望能够检测到门窗不仅是关闭的，而且是锁定的。为此，我设计并3D打印了几个磁铁支架，它们固定在窗户和推拉门的把手上。提供的STL文件仅供参考，它们适合我们家的把手，您的可能会有所不同。由于磁铁和传感器之间的空间有限，我选择使用比传感器提供的更小的钕磁铁。磁铁：10x5x3毫米传感器：Aqara，但可以使用其他品牌的传感器，只要传感器安装在框架、磁铁和手柄之间即可。前门和后门解决方案需要对传感器的簧片开关进行一些焊接和重新定位。补给品：推拉门磁铁架.stl窗口磁铁支架.stl第1步：窗口设置将手柄设置在“解锁”位置。从3d打印支架上的“手臂”上取下支撑。如图所示，将支架滑到手柄上。挤压环并将磁铁推入支架。一直滑动支架，直到它停在手柄底部。第2步：连接支架和传感器合上把手，观察只有在窗户完全关闭且把手处于锁定位置时才检测到“锁定”。第3步：推拉门将磁铁插入滑动门磁铁支架。第4步：放置传感器将磁铁支架滑到手柄上（磁铁不可见）。放置传感器，使其仅在门完全关闭且把手处于锁定位置时才检测到“关闭”。第5步：前门设置在锁定棘爪的尖端放置一块磁铁。第6步：准备门框在门框上钻一个5mm的孔，使其对齐，使簧片开关位于锁定爪孔的底部。确保门锁上时，锁爪顶端的磁铁有足够的空间。第7步：修改传感器拆卸传感器单元（注意复位引脚的位置）并小心地将簧片开关从pcb上的2个焊盘上拆下。（抱歉没有这些步骤的图片）。将一根细线焊接到每个焊盘上，然后弯曲导线，使它们垂直于另一侧的pcb。重新安装pcb并确保复位引脚可以触发开关。在pcb盖上钻一个孔，然后用突出孔的电线重新安装盖。测量孔的深度并将电线切割成一定长度，以便在传感器安装在门框上时正确放置簧片开关。将电线焊接到之前未焊接的簧片开关上的引脚上。第8步：传感器放置将簧片开关滑入孔中并将传感器单元安装在门框上。以上就是这个方案的全部内容了，有问题欢迎留言交流。*以上内容翻译自网络，原作者：poulanker，如涉及侵权可联系删除。

特殊时期，你需要让坏病毒远离你的安全区。构建您自己的实时热视觉设备，以检测门口不受欢迎的访客。背景正如世界卫生组织（WHO）建议的那样，防止感染传播包括“定期洗手，咳嗽和打喷嚏时捂住口鼻，彻底煮熟肉类和鸡蛋。避免与任何出现呼吸道疾病症状的人密切接触，例如咳嗽和打喷嚏”。在通过机场旅行时安装热扫描仪以发现可能受感染的旅客，这已成为一种常见的做法。自制热探测器虽然我们面临着在当前情况下继续远程工作作为保护层的挑战，但我们应该避免与他人接触，直到情况得到控制。主要想法是构建一个热像仪探测器，该探测器可以轻松部署在您的房屋/实验室/办公室/班车外，这样您就可以在安全区域内受到保护。输入传感器网格眼“与传统的热传感器只测量某个接触点的温度不同，Grid-EYE基于松下的MEMS技术，可以在没有任何接触的情况下测量整个指定区域的温度；换句话说，它是一种“接触-less热电堆阵列传感器”。64像素在硅透镜提供的60°视角内产生准确的温度测量。Grid-EYE使用I²C通信接口，能够以1或10帧/秒的速度测量温度。中断功能也可以。”尺寸：11.6x4.3x8.0毫米（长x高x宽）工作电压：3.3V或5.0V（取决于P/N）测量对象温度范围：-20°C至100°C（取决于P/N）视场（FoV）：60°像素数：64（垂直8x水平8）外部接口：I²C（快速模式）帧率：10帧/秒或1帧/秒是什么让这款传感器非常适合从1.5米的距离进行人体检测，并且目标距离为5/7米。桥我们还需要一个触发器，因为我们还想在检测到运动时激活热像仪。因此，PIR传感器是完美的选择。“PIR传感器检测到距离传感器约10m范围内移动的人。这是一个平均值，因为实际检测范围在5m到12m之间。PIR基本上由热电传感器制成，可以检测红外辐射水平.对于许多需要发现个人何时离开或进入该区域的重要项目或物品。PIR传感器令人难以置信，它们是平面控制和最小的努力，具有广泛的镜头范围，并且易于连接。把东西加在一起如下：连接完成后（见下图）准备输入传感器的盒子，如下所示：视觉和声音输出RGBLED我们希望通过基本的RGBLED获得即时温度反馈，当我们进入热像仪时，这些LED将被编程以显示一些颜色。蜂鸣器当温度超过正常的37'C时，我们会发出声音警报，以通知您可能存在的危险。最终测试：当温度正常并且检测到存在时，我们会显示绿灯//differentcolorscanbeestablishedif(tempCsetColor(0,0,255);//blue}elseif(tempCsetColor(80,0,80);//cyan}elseif(tempCsetColor(0,255,255);//aqua}elseif(tempCsetColor(0,255,0);//green}elseif(tempCsetColor(255,255,0);//yellow}elseif(tempCsetColor(255,20,20);//magenta}要触发声音警报和红色，请使用蒸汽熨斗正确测试它，这是后来在做一些家务时偶然发现的。您可以在NodeJS界面中查看温度，并通过与此终端应用程序的串行连接从Arduino获取数据。本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：MariusDima，如涉及侵权，可联系删除。

风速计或风速测量装置是一种常见的气象站仪器。因为在网上购买成品非常的贵，所以我打算自己动手做一个！概述前几天，我正与我的朋友讨论物联网项目。我们正在准备运行之前项目中使用的一堆传感器。在清单中，我们还需要准备一个风速传感器设备，但如果是在线成本的话，需要接近80美元！对于这个项目经费来说，没有占比这么重的必要。因此，在文档中我们没有提到要购买哪个传感器，而是提到了“自定义”。综上所述，本篇所要讲的就是我的自定义风速计。它基于一个简单的原理，我第一次使用直流电机制造发电机。直流电动机将电能转换为机械能，而直流发电机将机械能转换为电能。因此，如果电能可以转动直流电机，那么机械能应该可以发电。我需要捕获风能来转动我的直流电机，这应该产生电力，我可以使用Arduino进行确认，之后转换成规模并使用。我从之前的项目里拿了一辆遥控车并且拆了一个直流电机供本次项目使用，并将一个LED连接到直流电机的两根电线上，然后旋转电机轴，这时LED灯成功亮了！然后我将直流电机的+ve引脚连接到Arduino上的模拟0端口，将直流接地连接到arduino接地。现在我有了一个基本的概念证明。我开始研究最终产品。以下图片捕捉了各个阶段。之后我用4个相同的塑料勺子，把两两粘在一起。然后我将这对双勺相互垂直地粘贴在电机轴的两端，这形成了我的风速计的核心组件。接下来，我将这个组件安装在一支长铅笔上，并将其固定在一个小铅笔架上。我安排将我的Arduino板安装在这个支架上。我还在PWM引脚9或Arduino上添加了一个LED，这样我就可以在风旋转时点亮它。我编写了以下Arduino代码来从A0读取模拟数据并将其绘制在图表上。我将传感器值打印到串行控制台并启动Arduino的绘图仪来查看结果。Arduino代码intledPin=9;voidsetup(){Serial.begin(9600);}voidloop(){intsensorValue=analogRead(A0);//Map0-1023todiscrete0-50-100...250valuesforLEDanalogWrite(ledPin,sensorValue*(51.0/1023.0)*50);if(sensorValue>0){Serial.println(sensorValue);Serial.print("");}}思维拓展：由于5v电机使用强大的磁铁，因此需要更强的风才能使其移动。需要使用更小更轻的电机，例如无人机中使用的电机。里面应该有永久磁铁。低转速电机会在低转速下产生更高的电压。因此它是可取的。但是，通过在驱动电机轴的风扇轴中使用更大的齿轮，我们可以使直流电机在较低的风速下旋转得更快。低压直流电机（如3v电机）是安全的，因为在最高速度下产生的最大电压不会达到5v，因此不会伤害Arduino板。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：AchindraBhatnagar，如涉及侵权，可联系删除。

本文将介绍使用AWSRekognition和Pi-Timolo的RaspberryPi的面部识别系统。描述Pi-detector与Pi-Timolo一起使用，通过利用AWSRekognition在运动生成的图像中搜索面部匹配。在其当前状态下，匹配项被写入event.log。通过一些额外的改造和工作，你可以利用它发送通知或允许/拒绝其他人访问房间，并且这只需稍微进行修改。安装脚本会将适当的文件放在/etc/rc.loal中以在启动时启动。构建要求树莓派（使用Rpi3测试）PicameraAWSRekognitionAccess（提供免费套餐选项）作为替代方案，可以修改这组脚本以查看包含图像的任何目录。例如，如果您从另一台相机收集静止图像并将它们保存到磁盘，您可以更改图像路径以对创建的任何新照片运行面部识别。AWS识别在安装之前，最好在AWS上启动并运行。对于我的项目，我使用的是AWS免费套餐服务。使用它可以让您每月进行5000次API调用，这对于这个项目来说已经足够了。登录到您的控制台并创建一个具有Rekognition管理权限的新IAM用户。用户组的视图您需要做的是复制您的aws_access_key_id和aws_access_key_secret。要获取此信息，请单击“安全凭证”选项卡（来自上图中的IAM用户页面）。如果这是您的第一次使用，您可能需要生成一个新密钥。启动安装脚本后，系统将询问您此信息。安装使用RaspbianJessie设置RaspberryPi通过SSH连接到您的Raspberrypi（或将其连接到监视器并使用pi作为用户名和raspberry作为密码登录）。不要忘记将下面的IP地址更改为您的pi的IP。如果您需要帮助在网络上查找它，请使用nmap(nmap-sn192.168.1.0/24)sshpi@192.168.1.120克隆repo并安装：在安装过程中，系统将提示您输入之前设置的aws凭据。询问时，输入您的AWS密钥ID、AWS秘密访问密钥，并将区域设置为us-east-1（调整以匹配您之前设置AWSRekognition时选择的区域）。示例输出类似于下图：入门首先，您需要在AWSRekognition上创建一个新集合。创建一个“Home”集合，例如：接下来，将图像添加到pi-detector/faces文件夹。一个人的图像越多，您将获得更好的检测结果。我会在不同的灯光下推荐几个不同的姿势。之后我发现最好的方法是在相机放置的同一区域拍照，并使用picam。如果你准备这样做，还可以创建一个小的python脚本来拍摄一张延迟10秒的照片，然后将它放入pi-detector/faces文件夹中。要使用它：完成后，您可以返回并重命名文件并重复上述步骤以将您的图像添加到AWSRekognition。创建新集合或添加新图像后，将创建两个参考文件作为未来参考。如果您计划在将来删除图像或集合，这些将非常有用。此时，设置已准备就绪。您可以在Rpi上设置Wi-Fi，并将相机放置在您家中的任何位置。插入Rpi后，它应该开始工作，无需用户进行额外工作。要检查您的日志，只需ssh进入Rpi并检查event.log文件夹以获取对您的检测的引用。要从您的收藏中删除人脸，请使用以下命令：如果您需要查找图像ID或集合名称，请参考您的faces.txt和collections.txt文件。要删除集合：请注意，上述操作也会删除您存储在AWS中的所有面孔。最后一个脚本是facematch.py​​。如果您更新了图像并且只想针对您存储在AWS上的人脸测试静态照片，请执行以下操作：结果会打印到屏幕上，包括相似性和置信度的百分比。实物照片本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Anton，如涉及侵权，可联系删除。

本文将介绍如何创建一个支持HDMI输入到输出的图像处理平台。这可以用作基于HLS的图像处理演示的基础。概述该项目将演示如何基于XilinxZynq创建一个简单的图像处理平台。然后，该项目将用作后续开发的基础，这些开发侧重于基于高级综合的开发，允许使用行业标准OpenCV库。为了创建这个示例，我使用ZyboZ7，因为它提供HDMI输入和输出，以及用于MIPI相机的CSI-2接口，我们也可以将其用于未来的开发。除了Zybo-Z7，我们还将使用：HDMI摄像头，例如Apeman1080P运动摄像头HDMI输入和输出端口的相关电缆HDMI显示为了创建应用程序，我们将使用以下开发工具和库：维瓦多2017.4赛灵思SDK2017.4DigilentVivado库要创建此示例，我们需要执行以下准备步骤：将DigilentVivado库下载并解压到您的计算机安装DigilentBoard定义，如果您不确定如何执行此操作，请单击此处创建一个针对Zybo-Z7的新Vivado项目在Vivado中创建新的框图构成在Vivado框图中，我们需要添加以下IP：Zynq处理系统-这将提供图像处理系统的配置和控制，同时它的DDR也用作帧缓冲区以确保以下配置PL时钟0=200MHzPL时钟1=100MHzHP0Slaveenabled-这将用于将图像传输到PSDDR或从PSDDR传输图像GP0Masterenabled-用于配置图像处理链DVI2RGB-这将HDMI视频流转换为具有适当垂直和水平同步的24位RGB总线。AXIGPIO-用于断言HDMI源上的热插拔检测的单个输出，未能断言这可能意味着没有接收到视频。视频定时控制器-配置为检测，这将检测从HDMI源接收的视频的模式。视频输入到AXIS-这会将并行视频和同步转换为AXI流。与TDATA上的图像数据一起，帧的开始由TUser信号标识，而行尾由TLast信号标识。将此配置为具有独立时钟，以便像素时钟和AXI流时钟不同。AXIS子集转换器-此组件将24位视频输出的格式重新映射为正确的RGB格式。其中两个在VDMA之前和之后使用。视频直接内存-写入通道将AXI流视频移动到AXI内存映射形式，以便存储在PSDDR内存中。而读取通道访问PSDDR并将AXI内存映射格式转换为AXI流以供输出。确保启用两个方向。视频时序控制器-配置为时序源，配置所需的时序取决于输入视频时序。这被AXIS用于视频输出以生成输出并行视频和同步RGB2DVI-这将输出并行视频和垂直和水平同步转换为HDMI为了支持动态配置输出时钟，使用了DigilentVivado库中的动态时钟发生器。这允许使用AXIlite根据接收到的视频格式来改变像素时钟频率。Vivado项目将所有这些放在一起可以创建一个Vivado项目，如下所示。然后可以构建Vivado项目并将其导出到XilinxSDK以使我们能够创建应用软件。在XilinxSDK中，我们需要编写我们的软件应用程序来执行以下操作：断言连接到HDMIIN热插拔检测的GPIO-断言此信号后，处理器等待5秒以确保HDMI源生成视频。配置视频定时控制器（检测器）以报告传入视频模式。配置视频时序控制器（生成器）以根据检测视频模式生成时序。配置动态时钟将VDMA配置为从PSDDR读取和写入数据运行应用程序SW应该可以让您看到所选HDMI源上的图像。实物总而言之，这个项目为我们提供了一个想法平台，我们可以在未来使用它来展示我们基于HLS图像处理的应用程序。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：AdamTaylor，如涉及侵权，可联系删除。

将BME280传感器连接到NodeMCU要将BME280传感器（I2C设备）直接连接到NodeMCU，您只需要四根电线。或者您可以使用无焊面包板插座。将esp8266包安装到ArduinoIDE好消息是您可以使用您最喜欢的ArduinoIDE（1.6.4及更高版本）来开发此项目。您只需添加ESP8266板：单击文件->首选项并将http://arduino.esp8266.com/stable/package_esp8266com_index.json复制到“附加板管理器URL”，然后单击确定。之后转到工具->板->板管理器并安装esp8266。最后选择NodeMCU板：到这一步，您已经可以验证是否能够与NodeMCU通信：voidsetup(){Serial.begin(9600);Serial.println("NodeMCUtest");}voidloop(){Serial.println("NodeMCUtest");delay(1000);}从BME280传感器读取数据首先，我们必须确定传感器I2C地址。我建议您使用I2cScanner或者大致思考一下，因为只有0x76或0x77两个选项。现在您已可以测试读取传感器数据。单击文件->示例->AdafruitBME280库->bme280test。默认I2C地址为0x77，因此如果您的设备具有地址0x76，则必须添加它：现在只需上传它，然后单击到串行监视器。你应该可以看到这样的内容。数据存储和可视化恭喜，到这一步您已可以成功读取BME280传感器的数据。我的目标是进行具有悠久历史的实时监控，我可以从任何地方访问。同时我想要一个可以与朋友分享的私人仪表板，我花了很多时间寻找最佳解决方案，我意识到只有时间序列数据库才能正确解决这个用例。我决定选择最好的InfluxdDB。在可视化工具方面，我使用了Grafana——SpaceX公司使用的相同工具。通常你有两种选择：购买公共IP地址并在您自己的(Pi)服务器上安装/配置InfluxDB和Grafana购买虚拟机并安装/配置Grafana和InfluxDB。这两种选择都很昂贵，性能不好，而且正确的安全配置也不容易。我发现新的初创公司Corlysis可以解决这个问题。为您的酷项目提供负担得起的InfluxDB和Grafana托管。将传感器数据发送到时间序列数据库创建Corlysis帐户并一键创建新的InfluxDB数据库。如果您有免费帐户，您的数据只会存储两周。将下面提供的代码复制到您的ArduinoIDE并更新这些行：//Wi-Fisettingsconstchar*ssid="YOUR-SSID";constchar*password="YOUR-PASSWORD";//Sensorsettingsconstuint8_tsensor_address=0x76;//CorlysisSetting-clicktothedatabasetogetthoseinfoconstchar*db_name="YOUR-DB_NAME";constchar*db_password="YOUR-DB-PASSWORD";constunsignedlongdelayTimeMs=10000;将该代码上传到NodeMCU就可以。现在，您可以通过HTTPSPOST将数据从传感器发送到时间序列数据库InfluxDB同时还能轻松地为不同的传感器更新此脚本。可视化传感器数据我们的数据库中有bme280数据，每10秒就有新数据出现。转到Corlysis应用程序，然后单击顶部菜单中的Grafana。您的数据库已预先配置为数据源，因此您只需单击以创建新仪表板和新图表，然后选择您的测量值和字段名称即可查看例如温度图表。完成了，您可以在任何地方享受令人惊叹的交互式图表。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：MichalKren，如涉及侵权，可联系删除。

该项目的目的是创建一个由arduino微控制器驱动的自动售货机，使用本地商店提供的“任何便宜且容易获得”的组件。目标：自动售货机必须接受一定数量的钱（硬币），然后才能让客户选择他们的产品，当然还有交付产品。项目完成后就可以运行流程：支付/硬币测试、产品选择和产品交付。所以，这就是我为实现这个目标所做的事情：第1步：勾勒概念概念：这张草图是我对我可能建造的东西的第一个想法。它将是一个小吃自动售货机，接受硬币支付，并使用亚克力外壳。选择和成熟你的概念，试着去想任何事情，任何场景，任何条件。我们需要构思好实际在项目开始之前，试着把所有的东西都画出来。第2步：创建3D模型也许这一步并不是对每个人来说都必需，但对我来说，对这个项目来说，它是至关重要的一步。我创建了一个solidworks模型，在此我指的是真正完整的模型。同时我需要确定产品的尺寸，首先我们制作的是零食包。容纳硬币的大小，吐出硬币的大小，投币口的大小，硬币坡道的大小，按钮的大小，几乎所有东西的大小。此步骤还包括比较、挑选和测量所使用的Arduino微控制器的尺寸。使用什么传感器，或者将来可能使用什么传感器，放置在哪里，尺寸和尺寸是什么，接受的硬币去哪里，我还考虑应该在哪里放置单色LCD（但这不是必需的）。最后在完善Solidworks模型时，不要忘记为每个零件创建螺钉孔。外壳由亚克力材料制成，并通过激光切割方法切割。这就是为什么我尽可能详细和准确地创建模型，因为我的模型越准确，我就会得到更精确的案例。第3步：设计硬币槽要过滤硬币，首先我需要清楚硬币尺寸。通过设计一个类似具体硬币，我可以确定允许进入机器的硬币尺寸。然后是第二个过滤器，我需要确定允许接受的硬币尺寸并滚动到硬币架。因为通过重力作用，如果硬币尺寸（直径）小于硬币坡道/轨道的长度，那么它会掉下来并无法正常实现吞吐。在上图中，左边的硬币不会进入老虎机硬币。中间的硬币会掉落并被拒绝。右边的硬币是接受的硬币，下降到硬币持有人。第4步：准备和测试每个组件准备好Arduino和所有需要的东西。测试每个组件、LCD按钮、继电器、LED，尝试将所有内容组合起来并学习不同的逻辑和编码，之后测试极限，找到具体阈值，避免超过这个值。在实际演示中，红外线传感器在阳光直射下表现非常糟糕且不正常（我以前知道这一点，但直到亲眼见识到才真正感受到具体影响）。我想出的解决方案是使用一些胶带在红外传感器的接收器部分周围隔离，如图所示。第5步：构建螺旋机制这是自动售货机上最重要的部分之一：交付机制。我使用的是螺旋机构，用铝线（线径2毫米），在直径9厘米的PVC管的帮助下手动塑造成螺旋形。使用电缆扎带将螺旋线绑在车轮上。直流电机开启时，车轮旋转，螺旋线旋转。旋转螺旋实际上是将旋转转化为产品的线性运动。第6步：建立硬币识别机制第一张照片是硬币传感器编号1，它使用接近传感器或感应电磁传感器。当接受的硬币通过此传感器时，它将触发arduino开始计数时间（以毫秒为单位）。当接受硬币通过2号硬币传感器（距离中断传感器）时，arduino将停止计时，并获取该特定硬币从1号传感器到2号传感器所需的时间。使用附在硬币坡道旁边的磁铁，可以识别不受磁场影响的硬币和受磁场影响的硬币。受磁场影响的硬币滚动速度会变慢（大约慢300到500毫秒），但这又取决于沿硬币坡道连接的磁铁数量。不要使用太多磁铁，因为它会卡住并使硬币停在硬币坡道的中间。我们不希望这种情况发生，因为我们需要计算每个硬币的时间，以获得传感器编号1和编号2之间的“行程时间”。这个“行程时间”（以毫秒为单位）用于arduino来确定接受的硬币。第7步：建立产品检测机制当产品被螺旋机构推动/移动时，我使用3个红外传感器进行产品检测。当产品跌落时，它会触发红外传感器，向直流电机发送OFF信号（通过继电器）。所以基本上我们想要的是，当产品掉落时，螺旋机构简单地停止旋转。第8步：使用LCD获取信息在这个项目中，每次客户输入硬币时，我都会在LCD上显示有关可接受硬币价值的信息。它还将显示接受硬币的总余额，以及有关逐步操作这台机器的其他一般说明。机器开机时：MAINdisplay="请输入硬币"。IF硬币输入=“显示硬币价值和总余额”。如果硬币没有进入=保持主显示。硬币识别成功后:如果总余额大于或等于产品价格=“请选择产品”。如果总余额低于产品价格=“请输入更多硬币”。螺旋机构开启后（传送发生）IF产品检测机制触发=“谢谢”，交易完成。延迟，然后返回主显示。第9步：完成和测试最后，自动零食售卖机就完成了。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：Sevenmojoe，如涉及侵权，可联系删除。

该项目为智能垃圾箱装置，集成了多个传感器来监控垃圾的状态。良好的垃圾管理已成为全世界的一个重要问题。在公共和自然空间中，许多人经常不注意而留下垃圾。因为当没有可用的垃圾回收场景时，将垃圾留在现场比将它们带走更简单，所以基于这种原因，甚至一些所谓的保存空间也被垃圾所污染。为了保护自然区域，提供管理良好的垃圾回收点很重要：为了防止它们溢出，必须定期升高垃圾箱。重点就在于确定这个定期的时间。如果太快，垃圾桶会清空；但太晚的话，垃圾桶会溢出。在一些垃圾箱难以普及放置的地方（像一些山间小径和农家田园），这个问题就会更加严重。在这种合理的垃圾管理中，分类可能是一项重大挑战。有机废物可以直接在大自然中处理，用于堆肥；而非有机物废物则必须收集以通过特定工艺进行处理。项目目的我们项目的目的是为智能垃圾箱提供监管装置，并集成了多个传感器来监控垃圾的状态。液位传感器：基于超声波系统，用于通过提醒垃圾收集团队来防止溢出。温湿度传感器：用于监测垃圾环境。这可用于管理有机堆肥的状况，并在某些特定情况下防止污染（非常潮湿或炎热的条件，非常干燥的条件下的火灾风险）火焰传感器：有些可能会沉积白炽废物（如烟头）或可能故意点燃垃圾箱。垃圾火灾会对环境产生巨大影响（例如，它可能会引发森林火灾）。火焰传感器可以提醒监督团队该问题。湿度传感器：对于堆肥过程，保持堆肥材料中的一定湿度水平很重要。我们项目中包含的湿度传感器将测量堆肥的湿度水平。开启感应器：垃圾桶盖上会安装开启检测器，用于统计垃圾使用情况并检测是否关闭。定位系统：必须对垃圾进行识别和本地化，以帮助垃圾收集团队对其进行管理。它将在垃圾位置管理上提供更多的灵活性，并可以部署临时垃圾箱（例如，夏季在海滩和远足径上，冬季在滑雪场，在音乐节体育比赛等特殊活动中）该项目通过带有两个隔间的垃圾箱充分体现了其意义：一种用于非有机废物。一种用于堆肥处理的有机废物。Sigfox用法垃圾将被安装在孤立的区域。电力将由电池提供，可能连接到太阳能电池板。对我们来说，Sigfox接缝是一个非常好的解决方案：Sigfox通信系统具有广泛的覆盖范围：它允许大规模部署项目。Sigfox系统为我们的用例提供了足够的通信能力。Sigfox可以提供100m定位解决方案：无需在垃圾箱上添加GPS屏蔽。Sigfox是一种低功耗解决方案，它允许设备自主运行很长时间。项目详情硬件设计方法项目步骤第1步：了解SigfoxSigfox是一种在物联网范围内连接设备的解决方案。它目前在超过45个国家和300万台设备上运营。消息最长可达12个字节，每天最多140个上行链路和4个下行链路。第2步：硬件查找使用的硬件：ArduinoMKR福克斯1200微型微动开关HC-SR04-超声波传感器DHT11-温湿度传感器KY-026-火焰传感器模块湿度传感器（定制）-可以使用普通的湿度传感器，但使用几个月后，探头的两条两条腿会腐蚀，腿上的薄铜层会完全被腐蚀掉。因此，我们使用定制的由铜制成的湿度传感器，使其在腐蚀前的使用寿命更长。树莓派3B型第3步：硬件连接和布局连接到ArduinoMKRFox1200微动开关->ArduinoMKRFox1200C->接地NC->引脚3DHT11->ArduinoMKRFox1200VCC->5V接地->接地数据->引脚2HC-SR04->ArduinoMKRFox1200VCC->5V接地->接地触发器->引脚9回声->引脚10KY-026->ArduinoMKRFox1200VCC->5V接地->接地数据->引脚A0湿度传感器（定制）->ArduinoMKRFox1200VCC->5V接地->接地SIG->A1第4步：Arduino代码安装ArduinoIDE：从此链接安装arduinoIDE：https://www.arduino.cc/en/Main/Software获取代码：https://github.com/honhon01/Smart-Waste-BinArduinoSAMD板（32位ARMCortex-M0+）库：要安装库，请转到“Sketch>IncludeLibrary>ManageLibraries”。库类别：Arduino低功耗用于MKRFox1200的ArduinoSigfoxDHT传感器库Adafruit统一传感器驱动程序https://github.com/adafruit/Adafruit_SensorRTCZero查看代码：#include：用于管理Sigfox模块并从设备发送或接收值。#include：用于使模块进入睡眠状态并节省电池寿命。#include:通常，用于DHT11工作。职能：setup()：在这个函数中，我们检查Sigfox是否已经开始。此外，设置DHT11和超声波传感器引脚。loop()：在这个函数中，我们检查按钮是否被按下，这意味着bin是否关闭。如果未按下按钮，Sigfox将不会发送值，但是，如果按下按钮，它将从所有传感器获取值并将其发送到sendPayload()函数。sendPayload()：此函数将启动Sigfox模块并将所有值作为字节发送到SigFox。然后它将结束Sigfox模块运行代码：在您了解代码的工作原理之后。尝试编译并上传代码。不要忘记选择板到ArduinoMKRFox1200和端口到您的设备端口。第5步：激活您的设备获得设备后，请转到此链接以激活设备https://buy.sigfox.com/activate。然后，填写信息，您将安装设备。第6步：发送数据尝试再次运行ArduinoIDE，这一次设备将能够将数据发送到SigFox。您可以检查您是否在SigFox后端收到数据。第7步：应用服务器RaspberryPi3ModelB用作应用程序服务器。其中包含Node-RED、MariaDB和Web应用程序。第8步：使用Node-RED的后端安装Node-RED：按照此链接中的说明进行操作：https://nodered.org/docs/getting-started/installationNpm需要：节点-红色-节点-mysql要从SigFox获取数据，我们需要创建自己的服务器来接收数据。我们使用Node-RED作为从SigFox获取数据的工具。第9步：数据库-MariaDB安装MariaDB：RaspbianRaspberryPi:https://howtoraspberrypi.com/mariadb-raspbian-raspberry-pi/其他操作系统：https://mariadb.com/downloads第10步：前端应用程序（网站）这是我们项目的前端。该网站显示从设备发送的信息和数据。如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：KwanchanokRodwang，如涉及侵权，可联系删除。

背景我们房子周围有一些盆栽植物，因为它们所处的位置有点偏僻，所以往往并不能及时的受到养护。正巧我的实施清单上有一个完整的花园监控项目，但在此之前，作为朝那个方向迈出的一小步，我想我会从几个基于ESP8266的模块开始，然后尝试使用AWSIoT将它们整合在一起。系统总览初始系统由三个主要部分组成：基于电池供电的WeMosD1mini盆栽土壤湿度监测器一个基于AdafruitFeatherHUZZAHESP8266的监视器模块，带有一个NeoPixelFeatherWing，用于一目了然的显示用于发布和检索传感器数据的AWSIoT除了AWSIoT方面的一个小例外，一切都按预期进行。在我最初想使用MQTT发布和订阅传感器数据的地方，我不得不退回到RESTAPI，因为ESP8266无法处理AWSIoTMQTT连接的特定要求。稍后，让我们从硬件开始。土壤湿度传感器大多数设备工作都在传感器方面。项目没有使用很多传感器，但添加了一些开关以帮助提高可用性。土壤湿度传感器模块的大脑是基于ESP-8266EX的漂亮小巧的WeMosD1mini。我在这里焊接了WeMos随附的堆叠接头，并且它足够小，可以在两侧使用面包板端子。土壤湿度传感器本身是SparkFun的一个非常简单的传感器。我焊接了几根电线以将其连接到WeMos。我还添加了两个开关以帮助提高可用性：第一个开关是启用/禁用土壤湿度检查和数据发布，以防我不希望启用传感器和/或激活wifi连接和数据发布过程。关闭模块后，模块会在配置的时间内重新进入深度睡眠。要立即（重新）启用传感器，请重新打开开关并按下WeMos上的重置按钮。第二个开关是将WeMos置于闪光模式，因此我们需要在设备进入深度睡眠模式之前尝试对其配置。当开关“打开”或朝向WeMos时，模块已准备好进行正常操作。当“关闭”或远离WeMos时，模块已准备好闪烁。在上传固件时，可以将开关重新“打开”，以便在上传后重置模块即可正常使用。一旦传感器模块全部连接好，就该让它闪烁了。土壤水分显示显示器比传感器模块简单得多，部分原因是我只显示各种湿度水平的颜色（红色->黄色->绿色->蓝色），还因为这完全是使用AdafruitFeather组件构建的，所以它是几乎只是一个简单的焊料，即插即用。NeoPixelFeatherWing需要默认的封闭跳线切割和另一个焊接（与FeatherHUZZAHESP8266#15引脚对齐）。NeoPixels的亮度足以引起任何人的注意，即使在最低亮度时也是如此。在进入固件之前就差不多了。但首先，需要为AWSIoT传感器和用户进行一些设置，因为我们需要从那里获取一些信息才能正确连接。物联网如果您还没有设置这一步，则需要“开始”使用AWSIoT：https://aws.amazon.com/iot/当您可以看到AWSIoT仪表板，我们就可以添加一个“事物”。首先，单击“创建资源”。然后单击“创建事物”。将事物命名为“soil-sensor-one”，然后单击“创建”。单击您刚刚添加的“事物”以查看其详细信息并记下详细信息窗格顶部的“RESTAPI端点”。正如我之前提到的，MQTT端点不能真正与ESP8266一起使用，因为它无法执行所需的基于证书的身份验证。相反，我们可以使用带有版本4签名的RESTAPI。因此，为了使用RESTAPI，我们需要添加一个拥有AWSIoT权限的新用户。为此，请单击页面顶部的“服务”，然后单击左侧的“IAM”。点击“用户”然后“创建新用户”输入用户名，然后单击“创建”。创建用户后，单击“显示用户安全凭据”并记下密钥和秘密。稍后固件中的keys.cpp文件将需要这些，不要与任何人分享这些内容！如果需要，也可以下载凭据，然后单击“关闭”（如果您不下载，它会在关闭时发出警告）。现在需要授予新用户访问AWSIoT的权限。单击新创建的用户。单击“附加策略”。在过滤器中输入“iot”，选择“AWSIoTDataAccess”，然后单击“AttachPolicy”。之后可以赋予用户以下权限。{"Version":"2012-10-17","Statement":[{"Effect":"Allow","Action":["iot:Connect","iot:Publish","iot:Subscribe","iot:Receive","iot:GetThingShadow","iot:UpdateThingShadow"],"Resource":"*"}]}'UpdateThingShadow'和'GetThingShadow'将用于RESTAPI访问。准备刷新固件又名，安装Arduino板，安装USB驱动程序和了解通用设备特定的Arduino配置。WeMosD1mini入门页面非常清晰，但建议的上传速度似乎不起作用，因此请尝试使用115200而不是921600。AdafruitFeatherHUZZAHESP8266Arduino设置信息很棒，无需更改AFAIK。该页面上提到，某些版本的ArduinoIDE可能会导致一些困难，但我对1.6.7没有任何问题（它比那些被挑出来的可能难以使用的版本更新）。刷新固件首先，您需要一个适用于ESP8266的AWSIoSArduino库。这个特别是从AmazonWebServices-Labsorg开始的，但是为了获得一些ESP8266支持和一些小的改进，它分叉了一个叉子。使库可用于ArduinoIDE的一种方法是下载此分支https://github.com/heskew/aws-sdk-arduino/archive/iot-get-shadow-and-cleanup.zip，将其解压缩到驱动器上的某个位置并将src/esp8266文件夹符号链接到~/Documents/Arduino/libraries（在OSX上——位置可能因操作系统而异）。然后获取传感器代码https://github.com/heskew/things-aws-iot-soil-monitor/tree/master/sensor，添加一个keys.cpp并为keys.h中的所有内容添加值。使用https://github.com/heskew/things-aws-iot-soil-monitor/tree/master/monitor对监视器执行相同操作，并对那里的keys.cpp执行相同操作。闪存每个设备，可能需要对“端口”和“上传速度”进行一些调整，仅此而已。默认情况下，传感器模块将读取读数，连接到wifi并使用标准化值（0-100刻度）更新传感器阴影，然后休眠30秒（并重复）。在编写本文时，监视器模块将每5秒读取一次，并根据值更新NeoPixel颜色（使用当前组成的一组范围为红色->黄色->绿色->蓝色刻度）。基本上：红色：植物可能正在受伤黄色：植物可以用水绿色：植物在水位上表现良好蓝色：植物濒危本文中所用到的一些代码如果您对此项目有任何想法、意见或问题，请在下方留言。以上内容翻译自网络，原作者：NathanHeskew，如涉及侵权，可联系删除。

该项目是一个易于构建的简单气象站，可通过WiFi和Blynk连接到您的智能手机。背景实际上，有很多应用程序可以让您将智能手机连接到物联网，在此期间我尝试了很多，不过带来的结果通常都让我很失望。但Blynk不是这样！它非常灵活，拥有漂亮的用户界面，适用于各种物联网平台，并且可以在Android和iPhone上运行。爱好者也可以免费使用！所以这是一个相对简单的物联网项目，让我可以使用Blynk进行探索。硬件这个项目的硬件相当简单。我们使用ArduinoNano33IoT、一个将温度、湿度和气压全部集成在一个单元中的BME280传感器板，以及一个1英寸的OLED显示屏。这三个部件都在3.3V电压下运行良好。显示方面是可选的-目标是让气象站显示在您的手机上。但是，在处理Blynk和您的智能手机之前，我们首先得让OLED显示屏上启动和运行所有内容。下面的示意图显示了硬件是如何互连的。传感器和显示接口均采用I2C。理论上，一个I2C可以支持多个设备，但是传感器和显示器的库有一些冲突，所以我最终得到了两个不同的I2C端口。传感器在模拟引脚4和5处使用正常的默认I2C端口。显示器使用在数字引脚4和5处设置的辅助I2C端口。（是的，它们是相反的-SDA是数字引脚5））硬件封装在一个前面清晰的小塑料外壳中，以便我们可以查看内容，同时。它需要相对防风雨，传感器通过底部的1/2"孔暴露在外部天气中，使传感器的连接使其正好位于该孔内。我将所有东西都安装在外壳内胶水，但如果你打算在夏天炎热的时候把它放在外面，你可能还想用环氧树脂代替。该项目通过USB电缆供电。它通过开箱即用的单根电缆进行编程或供电。该电缆可以在编程时连接到您的计算机，或者在用作气象站时连接到插入式USB电源。软件在Arduino上运行的软件不仅仅是传感器、显示器和Blynk库示例的混搭。涉及的库还有传感器的Adafruit_BME280_Library、显示器的ss_oled库和Blynk的Blynk库。这三个都可以直接从Arduino的库管理器下载。Blynk有很多关于如何配置硬件以与其交互的示例：https://examples.blynk.cc/但它没有将Nano33IoT列为其支持的Arduino之一。但Blynk确实支持WiFiNINA，它被Nano33IoT和其他几个Arduino处理器使用。所以添加这两个包含解决了这个问题：#include和#include您将在我的代码中看到的另一项添加是：#include这是将传感器输出的数字转换为适合在OLED显示屏上显示的字符串所必需的。起初，我向Blynk发送了与我发送到OLED相同的字符串。这可以很好地显示数字，但是当我添加图表时完全失败了。为了让图表发挥作用，Blynk显然需要实际的数字。注意-大气压力通常报告为校正到海平面。在较高海拔处，大气压力明显下降，因此要将传感器的值校正为海平面上的等效读数，您必须在每1000英尺海拔的测量值中添加一个大约1英寸汞柱的值。在我自己的附加代码中，你会看到我添加了1.3来补偿我自己海拔1300英尺的高度。您将需要更改此值以匹配您自己的高度。每1000英尺1英寸汞柱只是一个粗略的估计。如果你想要一个精确的修正，网上有表格可以为你提供精确的海拔修正。此时，您可以设置硬件，并使用我的附加软件在OLED显示屏上显示天气数据。只需在Setup中注释掉Blynk.begin()行，即可让气象站自行运行。（如果您不注释掉Blink.begin()，没有与Blynk的有效连接，则草图将停止或挂起。）在BlynkBlynk很容易安装在你的iPhone或Android上，并附带详细的文档：http://docs.blynk.cc/但是那里有太多的信息和太多的选项，一开始我发现文档有点混乱，所以我会在这里提供我自己的如何开始使用Blynk的版本。我在iPhone上使用了Blynk，但我认为与Android的使用情况非常相似，您可以按照我的说明使用其中任意一个。在拥有应用程序后，您需要创建一个帐户。从那里，在应用程序中，您创建一个新项目。您的项目提供了一个身份验证代码，用于将您的硬件与您的项目链接。你需要做的第一项工作是通过WiFi将您的硬件连接到您的Blynk项目。您可以使用示例.blynk.cc上名为BlynkBlink的Blynk默认草图/程序来完成此操作并进行测试，它允许您打开和关闭Nano33IoT上的板载LED。但我的建议是，在尝试让气象站与Blynk合作之前，先尝试一下并让它工作。我们已经讨论了一些关于配置我们的软件以使我们的Nano33IoT与Blynk一起工作的内容。如果您打开examples.blynk.cc，它默认为ESP8266板。找到#include和#include并将它们替换为#include和#include除了为Nano33IoT添加WiFiNINA支持外，正如我们已经讨论过的，您需要添加WiFi凭据和Blynk项目的身份验证代码。首先，检查连接。正确配置并运行BlynkBlink草图后，打开Arduino的串行监视器，您应该能够看到与Blynk云服务器的连接。此时，我们可以搁置硬件，在手机上使用Blynk应用程序。我发现Blynk应用程序的界面有些混乱：左上角的图标允许您在项目之间进行选择，也可以注销您的帐户；右上角允许您进入和退出编辑项目模式。中间那个做什么取决于你在哪里。要控制我们的板载LED，我们需要在应用程序中进入编辑模式。然后您将看到一个空白屏幕。如果您向左滑动，它将移到一边以显示小部件工具箱。通过单击选择一个按钮，它现在将出现在主屏幕上。在此处单击它，它将打开以进行配置。将其从推送模式移至切换模式。使用引脚选择来选择板载LED-Nano33IoT上的数字引脚13。现在点击确定，然后点击右上角的图标退出编辑模式。您的按钮现在应该控制LED。带有Blynk的气象站我们现在准备将我们的气象站链接到我们的Blynk项目。打开我附加的软件，在设置中取消注释Blynk.begin()行，添加您的项目身份验证代码和WiFi凭据，然后上传到Arduino。在手机上打开Blynk。如果您按照本篇进行操作，您的按钮仍然存在，并且应该仍然能够打开和关闭板载LED。进入编辑模式，单击按钮进行配置，然后使用最底部的Delete将其删除。现在转到工具箱并选择一个标签值。它在显示下方的列表中。返回显示页面，单击标签值显示进行配置。单击pin，然后选择VirtualpinV3。我们将在下一段中解释虚拟引脚。现在对于标签，它说“例如温度”类型“温度/pin.#/deg.F”。.#告诉应用程序显示小数点后一位。选择大文本大小，并将刷新间隔保留为推送，文本颜色保留为绿色。现在单击确定。您的标签值现在几乎可以显示温度了，但它的显示界面太窄了，我们需要慢慢选择它-足够慢以至于它不会重新进入配置模式。标签的轮廓将亮起。现在可以拉伸它以显示整行。它也可以四处移动，尽管我们不会在这里这样做。将其拉伸到屏幕上大约3/4的位置。然后退出编辑模式，您应该会看到手机上显示的温度。在我们完成配置Blynk之前，有必要解释一下我们刚刚在设置温度显示时看到的一些事情。Blynk使用了一个有点独特的功能，称为虚拟引脚。显示值小部件可以设置为读取我们处理器上的模拟引脚，或设置为读取数字引脚是高电平还是低电平。但更多时候，我们想要显示变量的内容。我们通过为该变量分配一个虚拟引脚号来做到这一点，从那时起，Blynk应用程序将通过它的虚拟引脚号引用该变量。因此，在我的软件中，您将看到我将华氏温度分配给虚拟引脚V3的位置。另一个值得一提的Blynk想法是我们在Push模式下留下的RefreshInterval。这意味着Arduino草图正在持续输出数据，在我们的例子中，每分钟更新一次温度、湿度和气压。但Blynk也支持Pull方法，其中Blynk应用程序设置间隔并询问硬件以获取新数据。所以现在让我们完成在Blynk上显示我们的气象站。您将需要另外两个标签值显示，一个用于湿度百分比（虚拟引脚V4），另一个用于“英寸汞柱”或英寸汞柱（虚拟引脚V5）的压力。对于湿度，我显示小数点后一位；对于压力，我显示了小数点后两位。如果您现在有显示温度、湿度和气压的三个标签值显示，您可以添加所有三个的图表。这是通过添加SuperChart小部件来完成的。首先，将其向下拉伸，使其充满屏幕的其余部分。然后点击它进行配置。我打开了显示x轴值，并选择了实时分辨率、1小时、6小时、1天、1周、1个月。和3个月。我们需要三个数据流——一个用于我们的3个变量中的每一个。要配置每个数据流，请单击其右侧的图标。我们需要再次为每个选择虚拟引脚。对于y轴缩放，选择高度。然后对于温度，将高度设置为67-100。对于湿度，将高度设置为34-66。对于压力，将高度设置为0-33。设置颜色以匹配标记值。打开显示Y轴。就是这样。退出编辑模式，你的手机显示应该和我的一样。图表需要一点时间才能开始。要获得快速结果，请查看实时或1小时分辨率。您可能想了解的Blynk的另一项功能是与其他智能手机共享您完成的Blynk项目，以便不止一部手机可以查看气象站。要启动共享，请将您的项目置于编辑模式，然后单击项目设置的顶部中间图标。打开共享，然后生成一个链接。它会给你一个二维码，你可以通过电子邮件发送或以其他方式分享。新用户需要Blynk应用程序，但不需要Blynk上的帐户。未注册用户的应用程序有一个链接，用于加载另一个人的Blynk项目的二维码。这是对Blynk的一个非常有限的介绍，但应该会带给你一个很好的使用起点。如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。

理念该项目的主要想法是通过在基于网络的地图上绘制路线来控制基于步进电机的机器人，只需在移动屏幕上触摸您的手指，机器人就可以将您的货物运送到目的地。在这个项目中，我制作了一辆不使用反馈传感器的简单汽车。因此，位置误差会随着时间的推移而累积。这个项目可能会启发我们可以通过使用某种反馈传感器来纠正位置误差，以此来制造一个完美的搬运机器人。如果与Dijkstra算法等路由算法结合使用会更方便。如何运作我们需要一张办公室地图的图像。地图的大小必须与实际大小具有相同的纵横比。提示：如果根据地砖绘制地图，在纵横比方面会更准确，地图图像被缩放以适合移动屏幕。当手指触摸基于网络的地图时：XY坐标（以像素为单位）被重新缩放为图像的坐标，然后作为目标位置发送到PHPoC。PHPoC将像素坐标转换为真实坐标（以毫米为单位）。MAP_IMG_WIDTH是地图图像的宽度，以像素为单位。MAP_REAL_WIDTH是您办公室的实际宽度，以毫米为单位。PHPoC计算方向（旋转角度）和距离基于：当前位置、先前方向和目标位置PHPoC将旋转角度转换为电机必须移动的步数，并向步进电机控制器发送命令以移动电机。HALF_STEP_ANGLE是半步驱动模式下每步的角度。WHEEL_RADIUS是车轮的半径。PHPoC将距离转换为电机必须移动的步数，并向步进电机控制器发送命令以移动电机。WHEEL_PERIMETER是车轮的周长HALF_STEP_NUM是半步驱动模式下电机每转一圈的步数，添加了距离传感器以检测障碍物。硬件设置步进电机控制器设置由于汽车使用两步电机，因此需要使用两步电机控制器。该命令通过专用端口和称为SPC协议的协议从PHPoC发送到特别是步进电机控制器（通常是智能扩展板），我们需要做的是在PHPoC上堆叠两步电机控制器。此外，由于PHPoC上最多可以堆叠14个智能扩展板，为了识别每个板，我们需要为每个板提供地址（称为从ID）。每个板的寻址是通过设置一个DIP开关来完成的。（见图）在我的例子中，我将两步电机控制器的地址（从站ID）设置为13和14。你可以查看源代码，你会看到一些带有这些从站ID的命令，例如：注：顺序并不重要。将步进电机连接到步进电机控制器首先，根据该说明将每个电机连接到每个控制器。（不关心哪个电机连接到哪个控制器）。当我们运行源码时，如果方向反转，只需切换slaveID（13->14和14->13）。在这种情况下，我没有使用数字输入端口。将距离传感器连接到PHPoC超声波距离传感器用于检测和避开障碍物。参数设置现在查看源代码，看看我们需要更改哪些参数以适应您的汽车。车参数task0.php您需要手动测量参数。轨道：见上图WHEEL_RADIUS是车轮的半径。WHEEL_PERIMETER是车轮的周长电机参数您将从电机规格中获得FULL_STEP_ANGLE。然后我们可以计算剩余值HALF_STEP_ANGLE=FULL_STEP_ANGLE/2FULL_STEP_NUM=360/FULL_STEP_ANGLEHALF_STEP_NUM=360/HALF_STEP_ANGLE地图参数task0.phpMAP_IMG_WIDTH是地图图像的像素宽度（检查图像的属性）MAP_REAL_WIDTH是与地图对应的区域的真实值。它需要手动测量。提示：只需测量砖块的大小并计算您所在地区的砖块数量。index.php中汽车初始位置初始位置是PHPoC启动或复位时汽车的位置。它必须相同：真实位置（您放置汽车的位置）、task0.php和index.php中的位置设置在我的设置中，我将汽车设置在位置（第15块砖，第20块砖）（见下图）在task0.php（第227、228行）中，初始位置以毫米为单位（450是砖的宽度）在index.php（第59.60行）中，初始位置以像素为单位（25和34分别是砖的宽度和高度数）如果您对此项目有任何想法、意见或问题，请在下方留言。原文链接丨以上内容来源网络，如涉及侵权可联系删除。