巴黎奥运会上,墨水屏标签能怎么玩?

截至8月7日,中国代表团在2024巴黎奥运会上已经斩获了22金21银16铜,合计59枚奖牌,位居奖牌第二。在为奥运健儿欢呼喝彩的同时,我们也注意到巴黎奥运会在环保方面的创新,并探讨如何应用墨水屏标签这一智慧显示技术,进一步优化奥运会的各项体验与管理。

图源自巴黎奥运会官方网站

历史上最环保的奥运会

2024巴黎奥运会致力于成为历史上最环保的奥运会,并采取了多项措施来减少碳足迹和促进可持续发展,例如奥运会场馆的座椅采用回收塑料制作而成、奥运村建筑采用了低碳混凝土、木结构等环保材料等等。虽说有些措施引发了争议,但主办方对环保理念的坚持及执行力度是值得肯定与支持的。

众所周知,电子墨水屏标签有十分丰富的环保价值。它通过重复刷新使用,能够大量减少纸张显示,最终减少树木砍伐,保护森林生态系统。同时,墨水屏标签能耗很低,仅在刷新信息时消耗少量电能,有助于减少碳排放。

七色智能电子桌牌
假如墨水屏标签应用在巴黎奥运会上,将有哪些应用呢?

智能食品标签

为了满足参加巴黎奥运会的1.5万名运动员的饮食需求,巴黎奥运村共设有六个餐饮区,总面积超过4.6万平方英尺。为此,主厨特地开发了500 种奥运会期间提供的食谱,每天将提供 40,000 份菜肴。如此庞大的餐食量,采用墨水屏标签作为菜品标识,不仅能实时显示菜品的主要食材、热量、营养成分,还能根据运动员的个人信息,如过敏原、宗教信仰等,提供定制化的饮食建议。

四色电子价签

公共服务标识

奥运村内还有许多如洗衣房、健身区、休息室等公共区域,墨水屏标签能在云平台上快速更改,秒级刷新,方便根据实际需求动态更新信息,例如洗衣房的开放时间、健身区的设备维护状态或休息室的活动安排。墨水屏标签适合在各种照明条件下使用,还可以多语言显示,提升信息获取的便捷性。

11.6吋墨水屏标签

实时赛事信息

观众可以在场馆内外的公共区域看到墨水屏标签实时显示的赛事信息,包括比赛时间、地点、选手信息和最新的比赛结果。相比传统的纸质和LED显示屏,墨水屏标签更具可读性和耐用性,同时也减少了能耗。

墨水屏标签用于公交站提示牌

个性化导览

奥运村和场馆内可安装带有墨水屏的智能导览牌,手机扫描二维码,观众可以获取个性化的导航信息和活动推荐。

环保宣传

墨水屏标签还可以用于环保宣传,展示环保措施和可持续发展的信息,鼓励参赛者和观众参与环保行动。墨水屏的低能耗特性也可以作为一种环保技术的示范,展示其在大型活动中的应用潜力。

4.2吋水墨电子标签|工位牌
2024巴黎奥运会,作为一场全球瞩目的体育盛事,不仅在赛场上创造了无数精彩瞬间,更在环保方面树立了新的标杆。而墨水屏电子标签的创新应用,更彰显了科技在推动可持续发展方面的巨大潜力。墨水屏标签的低碳、环保特性与巴黎奥运会的绿色理念完美契合,将共同描绘一幅科技与体育、人与自然和谐共生的美好蓝图。

  • 5
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值