摘要：为解决传统的基于STM32的口罩佩戴检测系统检测精度低、速度慢的问题。在基于STM32的口罩佩戴检测系统的基础上,引入k210模块对系统进行改进。在检测算法上,选择YOLOv2检测算法进行口罩佩戴检测。经过10组照片集的试验检测,结果表明:改进后的系统相较于基于STM32的口罩佩戴检测系统在精度上提升了3.9%。

摘要：人们日常交流中手势交流是一种不可或缺的形式,但市面上大多数用于进行手势识别的机器均存在体积较大、成本高、功耗大等问题。而使用嵌入式开发板来进行手势识别只要达到一定的准确率就可以很好地解决上述的问题。因此,基于k210,设计了一款手势识别装置。搭建TensorFlow环境,使用YOLOv3算法进行模型的训练,取数据集进行标注后进行多次迭代训练,在训练完成之后使用测试数据集对训练得到的模型进行测试。在达到目标的准确率之后将h5模型转换为可以在k210上运行的kmodel模型,使用MicroPython进行编程,从而实现识别功能。测试结果表明,该系统不仅解决了目前手势识别机器在体积、成本、功耗等方面的问题,而且其识别准确率和效率均符合标准要求,具有一定的推广使用价值。

摘要：为了辅助视障人士的独立出行,本项目基于CNN(Convolutional Neural Networks)卷积神经网络,采用主控芯片k210、毫米波激光雷达、AI芯片ASRPRO、ATk-1218-BD北斗GPS双模高精度定位等模块与自主绘制的电路图,制作出智能语音避障导盲眼镜。产品能够有效识别出行过程中遇到的红绿灯、斑马线和道路障碍等路况信息,最终能够实现实时位置追踪、智能路径规划、人机语音交互导航,使得产品用户借助本产品提供的环境信息判断出行路线上是否有障碍物,提高用户出行的安全性与日常生活的成就感,使得导盲眼镜变得真正可需要化与人性化。

摘要：为了提高垃圾分类的效率,基于深度学习技术设计了一个垃圾自动分类系统。该系统由以k210为主控的图像识别模块、基于MPPT算法的太阳能供电模块和基于STM8单片机的垃圾分拣模块三部分组成。该系统搭建简易,作为一种验证性方案,具备一定参考价值。

摘要：以加强对医护人员的保护、无接触辅助医疗为导向,设计了一种智能送药小车。小车采用STM32为主控制器,通过OpenMV进行循迹,k210进行数字识别,结合显示模块、驱动模块等,加入PID算法使小车运行更加平稳,采用MobilneNetV2算法使k210数字识别效果更优,实现了小车在不同距离下的药品配送任务。该设计具有系统完整、操作简单、可扩展性强等优点,实现了在医疗领域智能化的创新。

摘要：本文设计了一个声源识别和追踪装置。由麦i克风阵列来收集声源信号,并对收集到的模拟信号进行处理,将每个麦克风接收的信息都传递到k210微处理器中,k210微处理器通过mcropythone语言环境对其进行编写烧录程序,程序中使用到了TDOA算法,对于麦克风采集到的声源信号进行了多次取均值的操作来减少误差。除此之外,还对声源信号采用滤波操作,以减小噪声干扰(例如舵机的转动)。同时为增强人机交互能力,设计了人机交互的按钮来进行模式的切换,精准模式和实时跟踪模式,通过LCD屏幕输出声源的角度和距离。

摘要：本文介绍了RISC-V指令集的起源和发展历史;讨论了各种RISC-V CPU核、SoC设计平台和芯片产品的技术特点及选型要点;重点阐述了RISC-V给嵌入式系统带来的益处、RISC-V指令扩展的特点与安全应用,介绍了支持RISC-V开源和商业软件开发工具和操作系统的现况;最后展望了RISC-V在教育和产业应用方面的发展趋势。

摘要：作为铺设在水下用来输送液体、气体及特殊固体的运输管道,水下管道在生产制造业的工业水池以及特殊水下环境中的应用越来越广泛。本文设计一套系统,采用Openmv机器视觉模块识别水下管道位置,采用STM32F407单片机作为核心控制器处理机器人水下运动,采用k210机器视觉识别管道吸附物形状。该系统具有结构简单、可靠性高、识别精确度高、安装维修方便等优点。

摘要：随着教室电气设备使用频率的增高,人流量变大,容易出现人走灯未灭的情况,不符合当前节能减排的趋势。课题组基于k210构建人脸识别功能,STC89C52单片机构建电路控制功能,通过视觉识别的图像处理技术,实现了对教室电气设备的智能化自动控制节能控制系统的设计。随着深度学习和识别算法的发展,通过实际的实物测试,满足了系统的预期功能。通过使用MobileNet网络进行构建的神经网络算法,有效地将识别的精准度控制在0.9,为后续的电路控制和精准节能提供了有利的条件。仿真结果表明,该节能控制系统在人脸识别部分能够精准快速地对检测目标进行识别和框选定位,在对LED灯和蜂鸣器电路的控制效果测试上,控制效果非常稳定可靠;温度检测效果上,比较接近真实温度。满足了预期的精准识别和可靠电路控制的设计效果。

摘要：文章通过OpenMV和k210摄像头采集图像,并采用神经网络实现算法处理,实现了基于神经网络算法的无接触测温计身份识别系统设计。该系统选用GY-906模块进行温度检测,利用激光探头显示测温位置,并通过滑动滤波与快速排序的方法优化测温的返回值。经测试,在1~4cm及更远距离内,同标准温度误差为0.1℃,说明该系统可对已知、未知两类身份信息进行人脸识别、机器自学习等操作,实现了无接触测温及身份识别功能。