RCWL-0506是一款基于红外热释电技术的人体感应自动控制模块。
传感器部分采用双单元高性能热释电探头；
配合专业的处理芯片RCWL-9196;模块的灵敏度高，可靠性强。
放大部分拚弃廉价的电解电容，采用瓷片贴片电容，模块寿命更长。
该模块可应用于楼道灯及各类人体自动感设备。
传感器部分采用双单元高性能热释电探头；
配合专业的处理芯片RCWL-9196;模块的灵敏度高，可靠性强。
放大部分拚弃廉价的电解电容，采用瓷片贴片电容，模块寿命更长。
该模块可应用于楼道灯及各类人体自动感设备。
2024/10/12 17:53:57
1.88MB
1
分析了无线传感器网络中端到端误码率给定情况下协作波束形成的能量效率,给出了不同路径损耗因子和传输距离下的最优协作发射节点个数。
首先,综合考虑发射能耗和电路能耗,给出了接近实际情况的系统能耗模型,并推导出系统能耗与误码率之间的近似闭式关系。
然后,基于该近似模型,给出了不同路径损耗因子和传输距离下使系统能耗最小的优化协作发射节点个数。
理论分析和仿真结果表明:在系统调制方式和误码率给定的情况下,存在着一个临界距离使协作波束形成比非协作传输和协作空时编码都更节能;而且在不同路径损耗因子和传输距离下,存在不同的最优协作发射节点个数使系统能耗最小。
首先,综合考虑发射能耗和电路能耗,给出了接近实际情况的系统能耗模型,并推导出系统能耗与误码率之间的近似闭式关系。
然后,基于该近似模型,给出了不同路径损耗因子和传输距离下使系统能耗最小的优化协作发射节点个数。
理论分析和仿真结果表明:在系统调制方式和误码率给定的情况下,存在着一个临界距离使协作波束形成比非协作传输和协作空时编码都更节能;而且在不同路径损耗因子和传输距离下,存在不同的最优协作发射节点个数使系统能耗最小。
2024/10/10 7:04:54
1.04MB
1
停车位检测的嵌入式软件，用IAR打开在EWARM文件夹下打开Project.eww文件。
检测技术采用地磁传感器(HMC5883))+红外传感器ir1838芯片,传输采用SX1276模块。
检测技术采用地磁传感器(HMC5883))+红外传感器ir1838芯片,传输采用SX1276模块。
2024/10/10 1:09:14
14.11MB
1
用于检测机载RGB，高光谱和LIDAR点云中单个树的多传感器基准数据集树木的个体检测是林业和生态学的中心任务。
很少有论文分析在广泛的地理区域内提出的方法。
NeonTreeEvaluation数据集是在国家生态观测网络（NEON）中22个站点的RGB图像上绘制的一组边界框。
每个站点覆盖不同的森林类型（例如）。
该数据集是第一个在多种生态系统中具有一致注解的数据集，用于共同注册的RGB，LiDAR和高光谱图像。
评估图像包含在此仓库中的/evaluation文件夹下。
注释文件（.xml）包含在此仓库中的/annotations/下制作人：BenWeinstein-佛罗里达大学。
如何根据基准进行评估？我们构建了一个R包，以方便评估并与基准评估数据进行交互。
图像是如何注释的？每个可见的树都进行了注释，以创建一个包围垂直对象所有部分的边界框。
倒下的树木没有注释。
很少有论文分析在广泛的地理区域内提出的方法。
NeonTreeEvaluation数据集是在国家生态观测网络（NEON）中22个站点的RGB图像上绘制的一组边界框。
每个站点覆盖不同的森林类型（例如）。
该数据集是第一个在多种生态系统中具有一致注解的数据集，用于共同注册的RGB，LiDAR和高光谱图像。
评估图像包含在此仓库中的/evaluation文件夹下。
注释文件（.xml）包含在此仓库中的/annotations/下制作人：BenWeinstein-佛罗里达大学。
如何根据基准进行评估？我们构建了一个R包，以方便评估并与基准评估数据进行交互。
图像是如何注释的？每个可见的树都进行了注释，以创建一个包围垂直对象所有部分的边界框。
倒下的树木没有注释。
2024/10/9 21:49:49
2GB
1
HypeLCNN概述该存储库包含论文“具有用于高光谱和激光雷达传感器数据的光谱和空间特征融合层的深度学习分类框架”的论文源代码（正在审查中）使用Tensorflow1.x开发（在1.10至1.15版上测试）。
该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。
主要特点：支持超参数估计基于插件的神经网络实现（通过NNModel接口）基于插件的数据集集成（通过DataLoader接口）培训的数据有效实现（基于内存的有效/基于内存/记录的）能够在经典机器学习方法中使用数据集集成神经网络的培训，分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU（进行中）的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践注意：数据集文件太
该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。
主要特点：支持超参数估计基于插件的神经网络实现（通过NNModel接口）基于插件的数据集集成（通过DataLoader接口）培训的数据有效实现（基于内存的有效/基于内存/记录的）能够在经典机器学习方法中使用数据集集成神经网络的培训，分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU（进行中）的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践注意：数据集文件太
2024/10/9 21:46:46
128KB
1
该项目是用原生方法来实现，客户端采集传感器发送过来的数据，然后发送给服务端，服务端接收到的数据进行入库。
所有的参数通过xml配置文件获取，然后用Dom解析xml,通过反射的方法初始化各个对象。
包括有采集模块，网络模块，入库模块，备份模块，日志模块，配置模块，GUI模块等
所有的参数通过xml配置文件获取，然后用Dom解析xml,通过反射的方法初始化各个对象。
包括有采集模块，网络模块，入库模块，备份模块，日志模块，配置模块，GUI模块等
2024/10/8 0:49:32
1.91MB
1
本系统主要由单片机和GSM短信模块组成，借助最可靠、最成熟的GSM移动网络，以最直观的中文短消息或电话形式，直接把报警地点的情况反映到您的手机屏幕上。
它采用主动式红外传感器进行检测，变有形的传统防盗网防盗窗为无形，给火灾时的逃生提供方便。
并配备烟雾传感器和燃气泄漏传感器，实现防火、防燃气泄漏的作用。
它采用主动式红外传感器进行检测，变有形的传统防盗网防盗窗为无形，给火灾时的逃生提供方便。
并配备烟雾传感器和燃气泄漏传感器，实现防火、防燃气泄漏的作用。
2024/10/6 3:17:57
527B
1
随着移动互联网的发展，更多的内容需要从传统互联网延伸到移动终端呈现。
一般的做法有三种：1.WebAPP：利用HTML5技术，例如JQuerymobile、DojoXmobile，在服务器端对网页进行移动优化。
2.HybridAPP：利用HTML5技术，以及phonegap等框架生成APP，可以通过phonegap直接调用手机操作系统的API，比如传感器，响铃等。
3.原生态APP：将要显示的内容下载到本地，解析后重新布局并显示。
三种移动应用的优劣已经有很多文章进行比较，这里不再赘述。
WebAPP，HybridAPP其最大的优点在于跨平台，对于控制开发者成本来说是不二选择，但其缺点也比较明显，其在
一般的做法有三种：1.WebAPP：利用HTML5技术，例如JQuerymobile、DojoXmobile，在服务器端对网页进行移动优化。
2.HybridAPP：利用HTML5技术，以及phonegap等框架生成APP，可以通过phonegap直接调用手机操作系统的API，比如传感器，响铃等。
3.原生态APP：将要显示的内容下载到本地，解析后重新布局并显示。
三种移动应用的优劣已经有很多文章进行比较，这里不再赘述。
WebAPP，HybridAPP其最大的优点在于跨平台，对于控制开发者成本来说是不二选择，但其缺点也比较明显，其在
2024/10/5 21:53:18
297KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB