logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

避开这些坑!用Python脚本自动化测试DVC1124 AFE芯片的I2C读写

本文详细介绍了如何使用Python脚本自动化测试DVC1124 AFE芯片的I2C读写操作,涵盖硬件连接、CRC校验优化、异常处理及测试结果可视化等关键技巧。通过实战案例,帮助开发者高效完成芯片测试,避免常见错误,提升测试效率。

基于CircuitPython与加速度计的智能宠物喂食器DIY全攻略

物联网(IoT)项目开发通常涉及传感器数据采集、执行器控制与嵌入式编程等核心技术。其基本原理是通过微控制器读取传感器信号,经过程序逻辑处理,驱动执行器完成特定动作,从而实现设备的智能化。在智能家居与宠物科技领域,这种技术组合能创造出高度定制化、互动性强的实用装置,例如自动喂食器。本项目以Adafruit Circuit Playground Express开发板为核心,利用其内置的加速度计作为运动

基于树莓派与Python的胶片数字化工作站:从硬件搭建到自动化处理

在数字图像处理领域,将物理介质(如胶片负片)转换为高质量数字文件是一个经典需求,其核心原理在于通过光学成像与色彩反转技术,将负像信息还原为正像。这一过程不仅涉及图像采集,更关乎如何通过自动化脚本提升处理效率。树莓派(Raspberry Pi)作为一款低成本、高性能的单板计算机,结合其官方摄像头模块(RPi Camera),为构建定制化的图像采集系统提供了理想的硬件平台。通过Python生态中的pi

基于ESP32与Python的GPS轨迹记录分析系统DIY全流程

GPS(全球定位系统)通过接收卫星信号实现位置、速度和时间信息的获取,其核心原理是基于三边测量法计算接收器坐标。NMEA-0183作为标准数据协议,定义了GPS设备与主机间的通信格式。在物联网与嵌入式开发领域,ESP32因其双核处理能力、丰富外设接口及对MicroPython的支持,成为构建低功耗数据采集节点的理想选择。结合Python在数据处理与可视化方面的强大生态,开发者能够实现从原始数据采集

基于MC68HC11E9的步进电机控制系统:从原理到工程实践

步进电机是一种将电脉冲信号转换为精确角位移的执行元件,其核心原理是通过按顺序给定子绕组通电,产生旋转磁场驱动永磁转子步进旋转。这种开环控制方式具有定位精确、无累积误差的技术价值,广泛应用于打印机、数控机床、机器人等需要精密定位的场景。要实现稳定驱动,必须设计合理的功率放大电路,例如使用ULN2003A这类达林顿晶体管阵列驱动芯片来提供足够的线圈电流,并处理好续流问题以保护微控制器。同时,精准的运动

N-HiTS时间序列预测:分层插值原理与工业落地实践

时间序列预测是工业智能的核心基础能力,其本质是在非平稳、多尺度、含突变的时序数据中建模长期依赖与局部动态。传统方法如LSTM或Transformer虽表达力强,但存在可解释性差、计算开销大、对数据分布偏移敏感等问题。N-HiTS另辟蹊径,以‘分层插值’为思想内核,将预测任务解耦为基函数系数拟合+多粒度残差修正,兼顾精度、效率与鲁棒性。它不插原始值,而插具有业务语义的周期、趋势、事件等基函数权重,天

AI如何成为数学推理协作者而非解题器

数学推理是人类高阶思维的核心能力,涉及概念理解、逻辑链条构建、反例质疑与证明路径规划,远超符号计算或答案生成。当前多数AI数学工具停留在symbolic manipulation层面,缺乏对推理时序性、可理解性与错误教育价值的建模。真正有潜力的方向是将AI定位为‘推理协作者’,通过提问引导、路径建议、反例生成和表述优化,辅助学习者突破思维卡点。这要求技术架构融合轻量符号引擎、领域微调LLM与结构化

基于树莓派Zero W的微型侦察机器人:从零构建嵌入式移动平台

嵌入式系统开发是连接物理世界与数字世界的核心技术,其核心原理在于通过微处理器或微控制器,实现对传感器、执行器等硬件设备的实时控制与数据处理。这项技术的价值在于能够构建智能、低功耗、专用的计算设备,广泛应用于物联网、机器人、智能家居等领域。在机器人应用场景中,嵌入式系统负责实现环境感知、决策控制和运动执行。本文聚焦于一个具体的工程实践:利用树莓派Zero W作为主控,结合摄像头模块和电机驱动电路,构

#机器人
用哪吒Nezha开发板DIY一个家庭AI边缘网关:支持Win10/Ubuntu双系统

本文详细介绍了如何利用哪吒Nezha开发板打造家庭AI边缘网关,支持Win10/Ubuntu双系统部署。从硬件准备、系统安装优化到智能家居平台搭建,全面展示了这款开发套件在边缘计算和家庭自动化中的强大应用潜力,特别适合DIY爱好者和智能家居开发者。

#智能家居
利用MCP协议为AI编程助手注入3D/AR开发能力,告别代码幻觉

在AI辅助编程领域,大型语言模型常因训练数据滞后和领域知识匮乏,在生成3D图形与增强现实(AR)应用代码时产生“幻觉”,如推荐废弃API或混淆技术栈。其原理在于模型缺乏对图形渲染管线、空间计算及特定SDK实时更新的准确理解。为解决此问题,模型上下文协议(MCP)应运而生,它通过定义标准接口,允许AI助手动态连接外部、实时的知识库与工具集,从而大幅提升生成代码的准确性与可靠性。在3D/AR开发这一技

#MCP
    共 87 条
  • 1
  • 2
  • 3
  • 9
  • 请选择