登录社区云,与社区用户共同成长
邀请您加入社区
本文设计了一种基于K210与STM32单片机的人脸识别门禁系统。系统采用K210芯片进行高效人脸识别处理,结合STM32单片机实现外设控制,构建了包含人脸识别门禁、温湿度检测、夜间检测、人脸测温等多功能模块的智能安防系统。通过分层架构设计实现了数据采集、处理和执行的一体化流程,并采用深度学习算法优化识别准确率。测试结果表明系统在识别速度、准确率和稳定性等方面均达到设计要求,具有较高的实用价值。该系
AM8268N集成图像/视频后处理器和显示引擎提供强大的图像处理能力,如无缝放大/缩小、裁剪、旋转、颜色空间转换、伽玛校正,边缘增强、抖动、亮度、对比度和饱和度调整。支持的分辨率:VGA (640x480)、 SVGA、 SXGA、 WXGA、 WXGA+、 WSXGA+、全高清 (1920x1080)、QWXGA、 WQXGA (2560x1600) 和 4k UHD (3840x2160)多格
🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的毕设题目缺少创新和亮点,往往达不到毕业答辩的要求,这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设,学长分享优质毕业设计项目,今天要分享的是🚩毕业设计 stm32人脸识别门禁系统(源码+硬件+论文)🥇学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:4分🧿
该文介绍了一种基于STM32单片机的智能语音识别垃圾分类系统,旨在解决传统人工分类效率低、错误率高的问题。系统采用STM32F103ZET6为核心控制器,通过LD3320语音识别芯片实现非特定人语音指令识别,支持2000+种垃圾名称查询,响应时间<1秒,准确率>90%。硬件包含语音采集、识别处理、多模态提示等模块;软件采用C语言开发,实现语音唤醒、分类匹配、动态词库更新等功能。相比传统方式,该系统
本文介绍了一种基于STM32的人脸识别门禁系统设计方案。系统采用下位机(STM32)采集人脸图像并通过WiFi传输至上位机(PC),上位机使用Python的OpenCV、Dlib等库完成人脸识别,并将结果返回下位机控制门禁开关。硬件部分包含主控模块、摄像头、显示器等组件;软件设计采用模块化思路,包含初始化、图像采集、数据传输和门禁控制等功能。该系统实现了人脸录入、检测、识别全流程,具有较好的实用性
基于STM32单片机的智能垃圾桶集成语音识别、垃圾分类、WIFI/蓝牙无线通信功能,通过传感器与算法实现自动化垃圾分拣,支持远程监控和数据管理。
非常详细的视频和文字教程,讲解常见的openmv教程包括 巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目openmv教程合集 openmv入门到项目开发 openmv和STM32通信 openmv和opencv区别 openmv巡线 openmv数字识别教程LCD想看openmv教程线上文档可以看 这个文档所在合集openmv供电必知USB连接open
成功将音频识别与 ESP32 集成,利用 API 进行语音到文本的转换,实现语音控制智能功能。
随着智能驾驶与电气化发展,高算力(如AI加速)、高集成度(域控制器)及车云协同(V2X)将成为下一代汽车芯片的核心竞争力。高级控制(如ADAS、域控制器):≥ 10,000 DMIPS(多核Cortex-A/R + GPU/NPU)。等级(如ASIL-B/D),通过硬件冗余、ECC内存、锁步核(Lockstep Core)等机制实现。温度等级Grade 0(-40°C ~ +150°C)、Grad
计算机技术发展十分迅速,三十年前,一间房子大小的小型机的算力,到现在还比不上大家手机CPU的算力。令人吃惊的是,有这么一种38年前的技术,现在还在大家的电脑中运用十分广泛,甚至它的控制器在计算机中的个数在过去五年中增长了两倍,这项技术就是I2C (Inter-Integrated Circuit,IIC)总线。就在某些新入行的同学还在纠结I2C和计算机中另一个相似总线SMBus的区别的时候,另一种
本次实验围绕嵌入式系统中定时器精准定时与PWM波形生成两大核心功能展开,通过实际编程与硬件验证,深入理解了嵌入式多任务并发与模拟信号输出的实现逻辑,收获颇丰。1.定时器多任务并发实验的理解与收获在第一个实验中,我们采用定时器(Timer)替代传统的循环延时或 delay 函数,实现了多任务的“并发”运行。传统延时方式会让CPU陷入“空等”,浪费算力;而定时器则像给CPU设置“闹钟”,平时CPU可处
基于Xilinx UltraScale+16 nm VU3P芯片方案基础上研发的一款双口100 G FPGA光纤以太网PCI-Express v3.0 x16智能加速计算卡,该智能卡拥有高吞吐量、低延时的网络处理能力以及辅助CPU进行网络功能卸载的能力,达到最大化地节约CPU算力,降低CPU占用同时也降低功耗。光纤连接器为QSFP28,支持100G支持以太网等协议。在35°C下90%不凝结相对湿度
人工智能三大核心要素:算法、算力、数据。除了算法、算力外,最重要核心因素是数据。实现人工智能有两个阶段,即准备数据与训练模型。数据准备工作量占比达 70% 以上,但更重要的数据背后的人工,即数据预处理、模型选择与参数调整。数据预处理过程中的需要在个人PC端进行大量的数据传输,这种传输很容易照成数据的泄露,通过网络的接入、网络的外发等各种行为都可轻易的将大量的数据外带,通过各种网络传输方式都是轻易将
摘要: 《Arduino 手册(思路与案例)》栏目提供丰富的电子制作与智能控制内容,涵盖Arduino BLDC、IoT、PID控制等多项技术,并包含近4000篇案例博客。重点介绍的ESP32 DeepSeek 智能安防监控系统采用边缘-云端协同架构,结合AI模型实现多模态分析,支持家庭、商业及工业场景,具备低功耗、高可靠性及隐私保护特性。系统通过轻量化模型优化(如YOLOv5s-ESP32)和动
今天学了个新的知识点:空闲中断感觉比我上一篇文章的环形队列方便多了,有了这个工具,就不用每次接收一位数据都进入一次中断,而且不用判断数据是否接收完毕。降低了cup算力的消耗。本次主要介绍空闲中断。
在边缘计算场景中,国产交换机厂商需要突破哪些关键技术才能与国际巨头竞争?
HUSKYLENS 2(二哈识图2)是一款多功能AI视觉传感器,搭载6TOPS算力芯片,支持20余种预置AI模型,包括人脸识别、目标检测等,并可扩展自定义模型。文章重点介绍了其在表情识别领域的应用,详细解析了表情的定义、分类及人工智能识别原理,展示了该设备在情绪分析、教育反馈等场景的实际测试效果。通过动态GIF和静态图像,直观呈现了设备对不同表情的识别能力,验证了其作为人机交互工具的实用价值。
SEMI-e 第六届2024国际半导体展·深圳站,2024年06月26-28日将在深圳国际会展中心(宝安)开展,展会展出面积60000平方米,汇聚全国超800+家参展企业、同期将举办40场行业论坛。展品覆盖芯片设计、晶圆制造与封装、半导体专用设备&零部件、第三代半导体、电子元器件、汽车半导体/车规级先进封装、AI与算力、算法、存储、CPO共封装等。深圳唯创知音电子有限公司(简称:唯创知音)将以参展
本文介绍了亚博K210摄像头的使用教程,包括开发环境搭建、固件烧录、神经网络训练和串口通信。K210是一款基于RISC-V的MCU,具有0.8TFLOPS的KPU算力。开发环境使用CanMV IDE,通过kflash_gui烧录固件。神经网络训练在Maixhub平台完成,以人脸检测为例,详细说明了数据集准备和模型部署流程。最后介绍了如何通过CH340模块实现K210与下位机的串口通信,包括引脚连接
HUSKYLENS 2是一款多功能AI视觉传感器,搭载6TOPS算力芯片,支持20余种预置AI模型,包括手势识别、目标检测等功能。手势识别技术通过摄像头捕捉手部动作,分析手势类型并转换为控制指令。传感器提供丰富的参数设置选项,包括检测/识别阈值、NMS阈值等,可优化识别效果。用户可导出/导入模型配置,实现参数迁移。该设备兼容主流开源硬件平台,适用于教育、创客等领域,提供便捷的人机交互体验。
2025年5月15日和17日,STM32峰会将通过线上主题演讲、线上训练营等形式,展示意法半导体“在中国,为中国”战略、STM32最新产品、应用及生态,探索前沿技术。AI技术正迅速渗透至智能家居、工业自动化等多领域,但传统MCU算力不足,难以满足实时AI处理需求。如今,意法半导体(ST)推出的STM32N6,作为全球首款集成NPU的MCU,如今,意法半导体(ST)推出的STM32N6,作为全球首款
台风“贝碧嘉”在上海浦东临港新城登陆了,外面刮着怒吼的狂风,倾盆的大雨宣泄着“贝碧嘉”的威力。瑟瑟发抖的人类,蜷缩在呜呜作响的出租屋的角落,看着抢购一空的奥乐齐货架,失望地关掉微信小程序,默默地掏出了开发板。感谢Intel的“走近开发者”活动,给了我这个试用的机会。之前是玩树莓派,还有行空板。但苦于他们俩的计算性能实在赶不上现在LLM大模型的变态算力需求。我也一直在寻找替代方案,正巧这时候参加了I
与Microchip的SAMV71Q21 RT系列MCU相比,AS32S601的总剂量耐受能力(>150 krad(Si))略低于前者的300 krad(Si),但主频180 MHz高于SAMV71的150 MHz,在算力与成本间取得了平衡。值得注意的是,TY29星搭载的AS32S601型MCU同样表现稳定,其在轨SEU监测数据表明,Flash ECC纠错触发频率约0.02次/天,远低于设计阈值,
本文提出了从传统MCU+AT架构向OpenCPU平台平滑迁移的四阶段策略:1)逻辑剥离,将通信模块独立至模组;2)功能整合,逐步迁移外设控制;3)完全一体化,模组成为主控;4)生态升级,建立云端工具链。同时指出OpenCPU将推动物联网从"设备联网"向"设备智能"转型,模组算力提升、边缘智能下沉和开发标准化将成为趋势。该迁移方案既保持现有系统稳定,又为未来智
本文提出从传统MCU+AT架构向OpenCPU平台迁移的四阶段策略:首先剥离通信逻辑至模组,逐步整合外设控制功能,最终实现模组一体化控制,并构建云端工具链生态。文章指出OpenCPU将推动物联网进入"设备智能时代",模组算力提升将支持边缘智能和标准化API发展,建议企业通过OpenCPU降低复杂度、提升稳定性,开发者则可专注于业务逻辑开发。该架构变革将使模组成为物联网设备的默认