家用智能蔬菜种植系统设计

来源 :电脑知识与技术 | 被引量 : 0次 | 上传用户:hujunmin18
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
设计以STM32单片机作为核心控制器,外围结合了温湿度传感模块、光照传感模块、报警模块、电源模块、执行模块、显示模块等.当系统启动时,温湿度传感器和光照强度传感器会持续检测蔬菜种植柜中的环境数据,当检测值不满足预设值时,系统会对当前的温湿度和光照强度进行补偿,一旦检测数据满足预设值时,系统会停止补偿,继续检测.经测试,该家用智能蔬菜种植系统运行稳定,性能良好,具有操作方便、成本低、占地小等优点.
其他文献
随着信息技术的不断发展,智慧校园构建越来越成熟,人脸识别技术广泛应用于学校管理的各个方面.其中教学考勤管理、宿舍管理、图书馆管理、实验室管理、考试管理、校园安全管理是高校管理的重点.运用先进的智能识别系统,大大提高了管理老师的工作效率,提升学校的智能化管理水平.本文将从人脸识别技术的原理出发,分析人工智能在高校管理中的应用.
将面部采集与识别技术结合物联网技术,研究设计一套用于高校学生寝室管理的安全考勤系统.其中,面部采集与识别模块采用opencv技术设计,后台数据库存储与管理模块采用Sql server数据库和Java进行功能设计,移动智能查询模块采用Android进行设计.系统可实现学生面部信息的录入与识别,考勤信息的后台存储、查询与维护,考勤信息的远程访问等功能.系统可高效实现学生晚间归寝统计,防止代签、假签等行为,便于管理者随时掌握学生考勤信息,减少了工作量,提高了管理效率.
文章实现了基于Yolov5s和Dlib的视频实时人脸识别.基于开源的人脸数据集CelebA重新训练Yolov5s网络,使得Yolov5s能够检测并标记出图像中的人脸位置.将Yolov5s检测到的人脸区域图像输入到第三方人脸识别模块Dlib中,首先提取出68点人脸面部关键点,再将关键点生成人脸特征向量,同时通过Dlib模块提取事先准备好的需要识别的人脸图像的特征向量,并保存到相应的人脸数据库中.由于同一个人的人脸特征向量映射到高维空间的距离是接近的,基于此引入更高效Annoy算法对人脸特征向量创建索引,提高
为监控环境的各项指标,营造一个更加健康的室内环境,设计一款多功能的环境指标监测系统,使人们能够及时对环境的变化并做出相对应措施.该系统以STC89C52单片机为控制中心,外部监测电路由DHT11温湿度传感器和GP2Y1010AU0F粉尘传感器构成.系统完成监测后将数据输入单片机内处理后显示在LCD1602液晶屏上.当环境参数超过自定义阈值时蜂鸣器启动报警功能,并且点亮点对应的LED灯.