基于K210的建筑工人安全帽佩戴检测及考勤系统设计

为解决施工现场人员考勤及正确佩戴安全帽检测问题,开发了以K210处理器为核心的工人安全帽佩戴检测及考勤系统。该系统分为主控系统和上位机管理系统两部分,主控系统通过摄像头获取施工现场入口图像信息,识别图像中的人脸及安全帽佩戴情况,如果属于工地工作人员且正确佩戴了安全帽,则计入考勤信息并打开闸门放行,若图像中的人员不属于该工地工作人员或未正确佩戴安全帽则发出警报,闸门不放行。主控系统通过WiFi与上位机通讯,将工地入口的图像和考勤信息上传至上位机管理系统。上位机管理系统具有工地入口图像显示和考勤信息查询、统计等功能。经测试,该系统的人脸识别成功率达到95%,安全帽佩戴检测正确率达到98%。引入该系统后,减轻了管理员对工地工作人员安全帽佩戴监督与考勤管理的工作压力,提高了工作效率。

基于YOLOv2目标检测算法和K210芯片的智能压板状态识别系统

在继电保护和安全自动装置中,压板在保护逻辑回路与出口跳闸继电器回路之间起着控制一次设备开关通断的作用。在运行过程中,保护压板和出口压板投退方式不正确将导致保护拒动或者误动,严重者将会给安全生产带来重大影响。本文提出一种低功耗、便携式的智能压板状态识别系统,该系统是由装载了YOLOv2算法模型的K210单片机、OV2640摄像头以及LCD显示器组成,能够有效检测识别保护装置上的压板投退状态,实现智能化数字监控。

基于STM32与K210的人脸口罩识别非接触式测温系统设计

该文旨在设计并实现一种基于STM32微控制器和K210开发板的人脸识别非接触式测温系统,以解决传统测温方式在效率和准确性上的不足,同时提高测温的便捷性和安全性。系统通过STM32微控制器进行整体控制,结合K210开发板进行人脸和口罩的识别。红外测温传感器用于非接触式地测量人体温度,而人工智能技术则用于提升识别精度。详细的工作流程包括图像采集、预处理、特征提取、匹配与识别以及温度测量。实验结果表明,该系统能够实现快速准确的人脸与口罩识别,并在非接触式测温中展现出良好的稳定性和准确性。其性能在多种测试场景下均表现优异,显示出在人脸识别和温度测量领域的广泛应用前景。综上所述,该文设计并实现的人脸识别非接触式测温系统具有较高的实用价值和广泛的应用范围。未来,该系统可进一步应用于公共场所的测温管理、医疗诊断、安全监控等领域,为相关领域的研究和实践提供有力支持。同时,也需持续优化算法和提高硬件性能,以应对更复杂的应用场景和更高的识别要求。

基于K210的视觉识别技术研究

文章首先深入分析了K210的视觉识别模块、超声波模块、人脸识别模块以及人脸口罩识别模块的功能和应用;随后提出了一种创新方案,即利用视觉识别模块进行车牌检测,并结合超声波模块测距技术来识别车型,从而实现对车辆的高效管理;接着探讨了如何利用人脸识别技术开发一套考勤系统,旨在解决课堂上因点名而浪费时间的问题,提升教学效率;最后展望了K210视觉识别技术在公共卫生领域的应用前景,为突发公共卫生事件时解决商场、医院等公共场所人们不佩戴口罩的问题提供了新的解决方案。

一种基于K210的声音采集与识别系统设计

针对传统的单片机硬件系统复杂、处理能力弱、时间延迟大等问题,文章提出了一种基于智能AI芯片K210的声音采集与识别系统设计方法。该方法首先通过音频传感模块采集音频信号,其次通过主控模块提取MFCC特征并将其作为其声音特征,涉及预处理、快速傅里叶变换、Mel滤波器组、对数运算、离散余弦变换、动态特征提取等步骤。MFCC在降低信噪比方面具有良好的识别性能,能较好地利用听觉模型的成果。通过测试,文章验证了该方法的可行性及高速性,有效解决了传统方法速率低、成本高等问题。

基于K210的人体红外测温及火灾预警系统设计与实现

基于体温监测和火灾预警的需求,本文设计了一个适合于家庭的人体红外测温及火灾预警系统,该系统以K210为控制核心,以红外温度传感器、图像传感器、烟雾火焰传感器、温湿度传感器等设备采集人体温度、环境温湿度、火焰等信息,通过显示屏、蜂鸣器等外设实现人机的直接交互,通过Wi-Fi通信模块实现测量数据与物联网平台的数据传输,进而实现人机的间接交互。实验表明,所设计系统实现了人体、物体和环境的温度测量与异态感知,具有速度快、精度高等优点。

基于K210的手势识别装置

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。

基于K210单片机控制的PWM波声源定位跟踪系统设计

基于一定数量的声学传感器麦克风阵列,对声场环境信号采样并计算以确定其声源位置的定位跟踪系统。整体设计以麦克风阵列采集声场环境下静止或运动物体发出的声音信号,传递到STM32单片机主控制核心,K210开发模块利用时延估计算法计算出麦克风阵列之间与物体声源之间的直线距离,再换算两者之间的夹角。PWM通过脉冲宽度波控制舵机带动红外激光仪转动指向声源位置,同时在OLED屏上实时显示出声源目标的准确角度及方位。结果表明:该系统对单声源处具有较高的精度定位,可用于无人摄影和交通路口疏导等方面的信息收集及定位。

基于Yolo V2与K210目标检测的偏僻区域安全预警系统设计

针对每年在偏僻区域发生突发事故因而错过最佳救援机会导致严重后果这一问题,提出了一种基于Yolo V2目标检测网络与K210单片机平台的安全预警系统。该系统采用Python编程语言开发,能识别出偏僻区域突然撞人的车辆、人等目标,并发出预警信息到特定的救援人员手机以提醒及时核实是否需提供救援。经现场验证,系统能对进入偏僻区域的目标发出预警信息,达到了预期中的预警效果。

基于arduino和K210单片机的管道环焊缝自动扫查器的设计与优化

文章针对不同直径管道的缺陷型检测问题提出了一个新的管道环焊缝自动扫查器模型,并进行面向功能的电气选型,使该扫查器能实现几乎全自动的行走与工作,以K210单片机作上位机,接受焊缝位置信息,以Arduino为下位机,对上位机发出的信号进行相应控制。扫查器有利于推动管道机器人的发展。

基于STM32和K210的智能车库管理系统

随着我国城市化进程的不断推进,截至2022年底,我国汽车保有量已经超过4.17亿辆,受此影响,汽车带来的城市道路拥堵、车位紧缺等问题日益突出。针对这个问题,设计一种基于STM32和K210的智能车库管理系统,主要由基于K210的高效车牌识别系统、基于超声波模块的车型识别系统、云平台管理系统构成,由STM32作为控制核心,经过实验验证,成本低廉并能提高车库管理效率,具有一定的实用意义。

阿里云IoT存储及转发K210芯片数据的设计与实现

为了缩短与节省企业采集物联网设备数据时的项目开发周期和项目开发成本,以及便于后期维护物联网项目,对物联网数据的存储和转发是非常重要的。文章提出了一种新的物联网数据处理的建设方案,即使用物联网终端MAIX Dock K210人工智能芯片,并利用现有的阿里云物联网控制平台,设计简单易行的方案,简易、方便地采集终端数据和存储数据并将数据转发到应用终端。实践结果表明,采用该方案实施的物联网项目基本满足中小企业的数据处理需求。

基于K210的火点检测与喷头定向控制

无人机在执行灭火任务时,喷头喷射方向固定且无法自动寻找火点方向,通过人工操纵手柄控制无人机高度及俯仰角来尝试不断调整其喷射方向,以保证灭火剂喷射在火焰上实现有效灭火。针对依靠人工进行火点检测与定向喷射这一过程效率低和准确率不高等问题,提出一种可以在低成本、低功耗硬件中实现实时目标检测,进而控制喷头定向火点的方法。该方法将训练好的YOLOv2-Tiny目标检测模型部署到可移动平台K210上,内部的卷积神经网络硬件加速器快速检测视频中是否存在火点并输出目标的位置信息,根据位置信息使用PID(proportional,integral,derivative)控制算法调节二维旋转喷头定向火点。使用监控摄像头拍摄及网上下载等方式构造的数据集对模型进行训练,训练后模型的检测精确率达到94.60%,将模型下载至K210开发板上能达到每秒14帧的速度,检测精度达到96.5%,落点位置平均误差为3.7 cm,具有很高的实用价值。

基于K210型芯片的摄像头智能追踪稳定器

针对摄像头在人脸识别追踪过程中存在的背景环境复杂多变、动态目标跟踪不准确、效率低等问题,设计了一种基于K210型人工智能芯片的摄像头智能追踪稳定器。系统通过K210型主控芯片对OV2640型摄像头采集的人脸图像进行识别,执行PID运算,输出PWM控制云台舵机实现自动追踪。当人脸出现在摄像范围内时,摄像头在二自由度内自动进行人脸的稳定追踪。实验结果表明,该系统能够实现人脸的识别和追踪,并且具有性能稳定、准确性高、实时性强等特点。

基于k210的无接触温度测量与身份识别系统设计

针对当前人员检测问题,利用智勘K210芯片设计了无接触温度测量与身份识别系统,文章通过STM32系列单片机作为主控芯片,通过摄像头捕捉图像信息发送给主控,主控接收图像信息后,进行运算处理并将结果通过无线网络传递给传感器,传感器非接触式检测体温,将采集到的温度进行实时显示,一旦发现疑似发烧的人,系统会立即发出警报,阻断通道,并迅速将捕捉到的面部和体温信息保存到当地。实验结果证明,该系统的设计方案切实有效可行。

基于K210的电缆沟视觉巡检机器蛇开发

针对电缆沟巡检对机器人低重心运动形态与沟道探测的工作方式的要求,设计了一种基于机器视觉的仿蛇型结构的机器人,它具有沟道运动与探测分析能力。机器人控制系统以Kendryte K210为核心,完成了机器蛇姿态控制发生与控制系统的硬件设计。基于YOLOv2网络模型,完成本地自分类特征提取模型在主控模块上的部署。最后,实现了在PC机上对巡检机械蛇的控制与信息获取。测试结果表明,所设计的电缆沟视觉巡检机器蛇可有效辅助进行日常电缆沟道巡检的工作,提高了工作效率。

基于K210 开发板的卷积神经网络教学设计

以人工智能课程中的卷积神经网络算法为例,设计基于人工智能开发板的应用案例进行实验教学,在帮助学生掌握算法理论的同时,有效培养其工程实践能力。

基于CNN和激光雷达融合的智能语音避障导盲眼镜的研究与设计

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。

基于YOLOv2的微创手术机器人肺结核病灶图像识别研究

肺结核是全球公共卫生问题,每年数百万人受到其影响,其中包括成千上万的死亡病例。尽管存在有效的治疗方法,但及时诊断和早期干预仍然是防止病灶扩大的关键,其中外科手术治疗成为了一种有效手段。本文提出了一种基于YOLOv2算法的微创手术机器人肺结核病灶识别技术。该技术结合了微创手术机器人、内窥镜、K210视觉识别模块以及YOLOv2识别算法,以提高肺结核病灶实时监测的识别准确度和处理效率。本文构建了训练数据集,使用YOLOv2算法进行深度网络训练,并评估了性能指标,包括准确率、召回率、精确度和F1分数。实验结果表明,该技术具有高准确度和高效率,有望改进肺结核的检测与治疗手段。

基于机器视觉的智能送药小车设计

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。