那些年画电路时干的傻事,你中了几个?

大家好,今天分享一些硬件设计中可能会出现的几种失误。
<身为技术人,求索之路道阻且艰,但一万次的翘首却比不过一次的前行>

硬件电路设计的过程中,难免犯错,你有什么低级失误吗?欢迎评论区留言。

1、有极性的电容,原理图和PCB把管脚搞反了?

在这里插入图片描述
2、电源和地忘记接了,还有接反的。

在这里插入图片描述
3、连接器的线序搞反了。

在这里插入图片描述
4、RX、TX接反了。

在这里插入图片描述
5、想当然的写一个封装,结果没有这个规格的器件。百度文库下载datasheet,结果根本买不到这个器件。

在这里插入图片描述
6、直接抄电路,结果器件根本买不着。

曾经一个做智能锁的团队,电路直接抄三星的智能锁,结果里面一个电容式触摸按键的控制器,是韩国产的很难买到,而且没有什么代理和支持。纯靠自己试验和摸索。

在这里插入图片描述
7、选择电容的时候,只考虑容量,没有考虑耐压,结果这么大的封装放不下满足规格电容。

在这里插入图片描述
8、选择电阻的时候,只看阻值,不看功耗。

在这里插入图片描述
9、画完PCB,不看DRC报告,靠眼睛看飞线,回板后就真的飞线了。

在这里插入图片描述
10、封装做反了。

在这里插入图片描述
11、散热焊盘的阻焊层没有处理。

在这里插入图片描述
推荐阅读:
硬件工程师如何零基础入门?

有任何问题都可以点击下方名片联系我。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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