Kyle_Cyh-CSDN博客

原创 STM32出现I2C通信问题如何解决

I2C（Inter-Integrated Circuit）总线的历史可以追溯到20世纪80年代初期，由荷兰飞利浦半导体（现今NXP Semiconductors）公司开发设计。最初的目的是为了简化音频和视频设备内部集成电路之间的通信，减少引脚数量并简化布线，从而降低系统设计的成本和复杂性。I2C总线作为一个两线制同步串行总线，只需要两条线进行通信：一条双向的数据线SDA（Serial Data Line）和一条时钟线SCL（Serial Clock Line）。

2024-04-19 15:29:30 1450

原创 STM32几种库的比较，HAL、标准库、LL库！

HAL库适合快速开发和易用性要求较高的应用，LL库适合对性能和实时性要求较高的应用，而标准库适合通用的数据处理和算法实现。其中包括HAL库、LL库和标准库（C标准库）。当涉及到STM32微控制器的软件开发时，选择合适的库取决于项目的需求和开发者的偏好。例子：假设我们要编写一个程序，控制STM32微控制器上的LED灯，同时读取来自外部温度传感器的数据，并通过串口发送到计算机上进行显示。例子：假设我们要编写一个程序，控制STM32微控制器上的电机，以特定的时序和延迟进行旋转，并实时监测电机的位置和速度。

2024-04-17 18:02:20 3120

原创关于Cortex-M3单片机出现Fault故障，应该如何判断和解决

Cortex-M3单片机出现Fault故障可能是由于多种原因引起的，包括软件错误、硬件故障或者外部环境因素等。：Cortex-M3处理器有多种Fault类型，包括Hard Fault、Bus Fault、Memory Management Fault和Usage Fault等。首先，查看发生的具体Fault类型可以帮助定位问题所在。：在出现Fault时，处理器会保存一些状态信息，例如堆栈指针、程序计数器等。通过查看这些状态信息，可以了解出现Fault时处理器的上下文，从而有助于定位问题。

2024-04-15 20:01:55 1460

原创基于STM32F103C8T6的小四轴无人机悬停代码

加速度计测量的是重力加速度，根据物体受到的加速度以及重力加速度的方向，可以估算物体的加速度。在一个简单的例子中，我们可以假设没有任何速度和位移的情况下，加速度计测量到的加速度值应该接近于重力加速度，并且以此为基础来估算高度。这个例子假设你已经有了一个能够读取陀螺仪和加速度计数据的函数，以及一个能够控制电机速度的函数。我想使用STM32F103C8T6为核心制作一个四轴无人机，下面提供芯片资源配置的代码以及无人机悬停的代码。之间的速度值，并将其转换为相应的PWM信号来控制电机的转速。

2024-04-14 15:13:40 722

原创 51单片机、STM32连接串口助手常遇到的问题有哪些，具体应该如何解决

如果选择了错误的串口号，会导致无法连接或通信失败。解决方法是确认单片机或STM32连接到电脑时所使用的串口号，并在串口助手中选择相应的串口号。解决方法是确认单片机或STM32与电脑之间所使用的波特率，并在串口助手中设置相同的波特率。在这个例程中，我们假设使用的是51单片机的UART0串口和STM32的USART1串口进行通信。解决方法是确认其他串口设备是否在占用相同的串口资源，如有冲突，可以更换串口号或断开其他串口设备。解决方法是安装正确的串口驱动程序，通常可以从芯片厂商的官方网站上下载到相应的驱动程序。

2024-04-13 19:14:16 2556

原创如何使用Arduino IDE对STM32F103C8T6进行编程

使用Arduino IDE对STM32F103C8T6进行编程调试，你需要进行一些准备工作和设置。

2024-04-06 18:44:18 1981 3

原创 K210编程调试常见错误提示及解决方法

在编程过程中，及时保存并备份代码是很重要的，有助于快速恢复到之前的工作状态，并减少意外错误造成的影响。同时，善用调试工具和技术，如打印调试信息、使用调试器等，可以帮助定位和解决问题。在K210编程过程中，常见的错误类型包括语法错误、逻辑错误、硬件连接错误以及编译和运行时错误等。

2024-04-05 16:13:17 746

原创说一说K210 芯片常见的通信问题及解决方法

K210芯片是一款由中国企业寒武纪科技（Cambricon Technologies）开发的低功耗人工智能芯片，主要应用于嵌入式AI场景。在使用K210芯片时，常见的通信问题可能涉及与外部设备的数据传输、与其他设备或模块的通信等方面。以下是一些可能出现的通信问题及相应的解决方法。

2024-03-31 16:13:05 1649 1

原创探索传统机器学习算法：原理、示例与应用场景

传统机器学习算法在各种应用场景中都发挥着重要作用，它们具有简单易懂、高效稳定等优点，在一些特定问题上甚至能够超越深度学习模型。因此，在探索机器学习领域时，了解并掌握这些传统算法的原理和应用是非常重要的。

2024-03-30 18:44:32 829 1

原创 20240329-科技咨询：比亚迪第五代DMi；央视AI《周处除三害》；带屏幕苹果耳机爆火

近日，比亚迪举行了2023年财报投资人沟通会。会议纪要显示，比亚迪董事长王传福在会上透露，今年5月将推出第五代DMI混动技术，预计馈电油耗将降至2.9升/百公里，而满油满电续航将达到2000公里。王传福表示，目前由于车型供不应求的局面，公司计划逐步根据市场情况在5月份推出第五代DMI车型。他认为，第五代DMI车型的热度有望持续1~2年。值得一提的是，比亚迪即将发布的全新中型轿车秦L将首次采用第五代DM-i混动技术，并搭载代号为“P5”的全新混动专用底盘，预计百公里亏电油耗将低于4升。

2024-03-29 21:08:07 1222 1

原创解锁社交媒体图像内容的深度学习之道

社交媒体图像内容分析是一个充满挑战和机遇的领域，深度学习作为一种强大的技术手段为其提供了重要支持和推动。未来，随着技术的不断发展和应用场景的拓展，我们有理由相信，在深度学习的引领下，社交媒体图像内容分析将会取得更加令人瞩目的成果，为人们的社交生活带来更多的便利和乐趣。

2024-03-27 20:58:53 1011

原创基于神经卷积网络的技术应用——车牌检测与识别

随着交通管理的日益严格以及智能交通系统的发展，车牌检测与识别技术成为了重要的研究领域。其中，神经卷积网络（CNN）由于其在图像处理领域表现出色的能力，被广泛应用于车牌检测与识别任务中。本文将详细介绍基于神经卷积网络的车牌检测与识别技术，并探讨其原理、推导过程以及实际应用举例。

2024-03-25 10:45:10 1334

原创深入理解RCNN：区域建议与区域兴趣池化技术解析

RCNN是由Ross Girshick等人在2014年提出的，是一种基于深度学习的目标检测方法。相比传统的方法，RCNN利用深度卷积神经网络（CNN）来提取图像特征，并引入了区域建议和区域兴趣池化技术，从而实现了端到端的目标检测。RCNN是一种经典的深度学习模型，通过引入区域建议和区域兴趣池化技术，实现了图像目标检测任务的突破性进展。本文对RCNN模型的原理、工作流程以及优缺点进行了详细的介绍，并且通过区域建议和区域兴趣池化技术的具体示例说明，希望读者对RCNN有了更加深入的理解。

2024-03-24 20:13:43 1092 1

原创通俗易懂—卷积神经网络进行数字识别的过程

最终，我们得到的新的特征表示z就是全连接层的输出，可以作为下一层神经网络的输入。具体来说，当输入层的图像像素越高时，表示图像的细节和信息越丰富。全连接层是神经网络中的一种常见层次结构，它将之前卷积和池化层提取的特征图展开为一维向量，并将其与一个权重矩阵相乘，再加上偏置项，得到新的特征表示。在数字识别任务中，输入层的图像像素指的是手写数字图像的宽度乘以高度，即图像的总像素数量。以上就是最大池化和平均池化的实现过程，这两种池化操作在深度学习中被广泛应用于减少特征图的尺寸，从而提高模型的计算效率和泛化能力。

2024-03-23 12:30:26 1599 1

原创手把手带你入门学习TensorFlow

TensorFlow的设计理念是通过构建计算图来表示复杂的数学运算和神经网络模型，并通过计算图的方式来实现高效的并行计算和自动求导。TensorFlow具有灵活性和可扩展性、高效的并行计算、丰富的生态系统和强大的自动求导功能等优点，但也存在学习曲线较陡、性能较低的动态图模式以及硬件限制等缺点。TensorFlow拥有一个庞大的社区和生态系统，有许多扩展库和工具可供用户使用，如TensorFlow Lite、TensorFlow.js等，以支持在移动设备和Web浏览器上部署模型。

2024-03-18 21:04:42 1127 1

原创探索Darknet：快速学习Darknet的经验和技巧

Darknet最初是由Joseph Redmon开发的，它是一个开源的深度学习框架，支持多种神经网络模型的实现和训练，包括YOLO系列（You Only Look Once）等。从最初的YOLOv1到后来的YOLOv2、YOLOv3，以及更近期的YOLOv4和YOLOv5，Darknet不断跟进新的算法版本，并提供相应的实现和支持。你可以通过Darknet的官方论坛、GitHub仓库、社交媒体等渠道与其他Darknet用户进行互动，提出问题、分享经验、交流观点，从中获得更多的学习和成长。

2024-03-17 23:15:42 1127 1

原创干货总结-详细介绍yolov3模型训练的过程及常见问题

对准备好的数据进行预处理是很重要的一步。训练完成后，可以将训练好的模型导出为可用于推理的格式，如TensorFlow SavedModel、PyTorch模型文件等。解决方法：根据模型的输入要求，将数据转换为相应的格式，如图片数据转换为张量格式、标签数据转换为独热编码格式等。除了以上提到的框架之外，一些AI开发平台也提供了配置和训练YOLOv3模型的功能，例如Google的AutoML、Microsoft的Azure等。根据模型评估的结果，可以对模型进行参数调优，包括学习率调整、数据增强策略调整等。

2024-03-15 21:06:36 1964 1

原创 YOLO（You Only Look Once）学习笔记

与传统的对象检测方法相比，YOLO具有更快的速度和更高的准确性。YOLO作为一种快速高效的对象检测算法，具有广泛的应用前景。随着深度学习技术的不断发展，相信YOLO算法将会在各个领域发挥更大的作用，并不断得到改进和完善。：在存在类别不平衡的情况下，YOLO的性能可能下降，可以通过调整损失函数或采用类别平衡的采样策略来解决。：YOLO在整个图像上进行对象检测，能够同时捕获全局信息，有利于检测小目标和密集目标。：每个网格单元格预测C个类别的概率分数，表示该对象属于每个类别的可能性。

2024-03-13 16:24:47 438

原创使用K210识别小车行驶路线并控制其行驶，包含代码讲解

本文我们将介绍如何使用K210芯片进行图像识别，以识别小车行驶路线，并根据识别结果控制小车的行驶方向。我们将讨论K210的工作原理，展示完整的代码示例，并对代码进行详细解释，帮助您理解如何实现这一功能。我们首先需要使用摄像头采集小车前方的图像。采集的图像可能需要进行预处理，以便于后续的图像识别任务。预处理操作可以包括图像尺寸调整、灰度化、边缘检测等。使用K210芯片进行图像识别，识别出小车行驶路线的方向。这一步通常会使用预训练好的神经网络模型，在K210芯片上进行推理运算。

2024-03-06 15:24:38 1951 2

原创基于K210的安全帽识别系统的设计，具体介绍深度学习模型制作过程

目前，随着智能硬件和深度学习技术的发展，越来越多的新型智能硬件应用方案被提出。例如，基于开源硬件K210的安全帽识别系统，在工地、电力运输等领域应用广泛，可以帮助工程管理人员监测现场安全状况，提高安全管理效率。本文将介绍如何基于K210硬件搭建一个简单的安全帽识别系统，并提供示例代码。总的来说，制作一个能够在K210开发板上运行的安全帽识别模型是一项耗时且需要技术水平的工作。在训练模型之前，需要仔细考虑数据收集和预处理、模型架构选择、模型训练和评估等方面的问题。

2024-03-04 12:09:09 1058 1

原创如何利用K210的定时器控制舵机

K210 是一款嵌入式 AI 处理器，具有丰富的外设和 GPIO，可以用来控制各种传感器和执行器。本文我们将介绍如何使用 K210 的定时器模块控制舵机。二、具体内容舵机是一种可以旋转到特定角度的执行器，通常用来控制机器人的动作。舵机有三个主要参数：电压、角度范围和脉冲周期。电压通常是 5V，角度范围通常是 0-180 度，脉冲周期通常是 20 毫秒。定时器是一种周期性的计时器，它可以在指定的时间间隔内产生一个脉冲。

2024-03-03 15:59:54 726 1

原创基于K210的数字识别系统设计，含K210代码解读

K210是一款集成了机器学习处理器和传感器处理器的芯片，由于其低功耗、高性能和多功能的特点，在智能物联网、嵌入式人工智能等领域有着广泛的应用。其中，数字识别是K210最为常见的应用场景之一。本文将结合实际代码，介绍如何基于K210实现数字识别系统。本文介绍了如何使用K210构建数字识别系统，主要分为数据集准备、模型构建、模型训练、导出模型和运行模型五个步骤。通过本文的介绍，读者可以快速入门K210数字识别系统的搭建方法，希望本文对读者有所帮助。

2024-03-02 10:47:26 3064

原创基于STM32和K210的自动驾驶小车设计

自动驾驶技术正在迅速发展，成为了汽车行业和智能交通领域的热点之一。随着科技的发展，STM32和K210这两款芯片为自动驾驶小车提供了优秀的硬件支持。本文我们将学习如何使用STM32和K210打造一个简单的自动驾驶小车。提示：以下是本篇文章正文内容，下面案例可供参考通过这篇文章，掌握了如何使用STM32和K210构建一个简单的自动驾驶小车。通过了解基本的电路设计，并编写了STM32和K210的代码。通过这个例子，可以更好地理解如何在嵌入式系统中使用STM32和K210，以及如何实现自动驾驶小车的简单功能。

2024-03-01 10:55:04 988 1

Kyle_Chan_zMH的博客