以STM32作为主控制器，采用温湿度传感器、人体红外感应模块作为环境检测元件，采用TFT触控屏（或LCD显示模块结合按键）作为人机的交互设备，设计一适用于家用电风扇的风扇智能控制器。
能在档位按键的控制下多档调节风速，具备传统电风扇调速和定时功能。
能自动检测室内温度和湿度并且实时显示。
在智能模式下，依据所检测到的环境温度，风扇能自行调节转速，达到智能降温的效果；
能在没有人的情况下自动停止风扇的运行，达到节能的效果。
进一步的，可利用手机监控环境温度和控制风扇启动、转速，让风扇的控制更加方便。
课题要求分析系统需要完成的功能及实现过程，完成硬件设计的元器件选型及电路设计，编写出相应功能单元电路的驱动程序，编写出系统软件，并结合硬件完成系统调试。

MLX90640红外阵列传感器的底层驱动程序测试演示，是个完整的Keil工程，包含了EEPROM、寄存器和RAM的读写过程

STC8A加强版开发板配套程序内含51个程序源码led蜂鸣器定时器看门狗串口中断ADeeprompwmi2c1602oled18b2012864红外spiflashnrf定时器esp8266等

PTW格式图像是一种非通用图像格式，为了便于研究，将其转化成BMP格式图像。
使用VC++6.0读取PTW格式的源文件数据，将其14位的像素数据转换成8位的像素数据以及24位灰度像素数据。
编程实现的结果表明转换后的灰度图画面清晰、层次分明。
并对转换后的8位BMP图像进行了图像增强、点运算、边缘检测和伪彩色处理，更深层次地了解了图像信息。

51智能车红外寻迹程序，4路红外探头，单线寻迹，横线停车。

人发出比如“打开电灯”，“关闭电灯”等不同的语音指令，通过麦克风采集，人非特定语音识别芯片LD3320识别后，通过I/O口向单片机传递识别信息，数据经过单片机处理后，直接控制电路上LED灯的亮灭，设计红外遥控模块，向两米外的控制电机电路，发出操作命令。
使用温湿度传感器，通过OLED显示室内温度和湿度，同时在接收语音指令后在OLED上显示“收到”和“正在为您处理”的语句，从而实现简易的人机互动。
添加一氧化碳传感器监测有毒有害气体，当监测数据超出阈值时，蜂鸣器报警。
含设计报告文档，含Proteus设计电路图。

自己写的例子，通过arduino控制发射管（Pin9），控制LEGO红外马达。
可以同时控制4通道*2路共8个线端口的马达。
sendCode(4,100,100);//100正转-100倒转//参数格式通道，电机A，电机B

树莓派智能小车项目python源代码，python3.8的运行环境，包含L298驱动电机模块，tkinter图形界面控制，无线电遥控，超声波避障，红外避障，黑线循迹。
原创发布，代码规范，注释清楚，本账号下有文章详细讲解。

这里面是我自己制作的红外发射手指心跳检测的程序，里面大概是NRF24L01通信，1602显示，心跳检测，和心率计算。

本文详细介绍了在GoogleEarthEngine（GEE）中提取水体边界的方法和步骤。
首先，需要选择合适的卫星影像数据，如Landsat或Sentinel系列。
其次，通过水体指数法（如NDWI和MNDWI）增强水体信息，并设置合适的阈值提取水体。
接着，使用边缘检测算法（如Canny或Sobel）获取精确边界。
最后，进行后续处理以优化结果。
文章还提供了一个简化的GEE代码示例，展示了如何使用NDWI指数和阈值法提取水体边界。
整个过程涉及数据选择、指数计算、阈值提取、边缘检测和后续处理，通过合理调整参数和方法可获得准确的水体边界信息。
在当今世界，遥感技术与地理信息系统（GIS）在环境监测、资源管理和各种地球科学研究领域中发挥着巨大作用。
GoogleEarthEngine（GEE）作为一款强大的云平台工具，为这些研究提供了便捷的途径，尤其在水体边界提取方面，GEE提供了操作方便、计算高效的优势，使得复杂的数据处理过程变得简单快捷。
利用GEE平台获取遥感影像数据是水体边界提取的第一步。
通常，研究者倾向于选择多时相、多光谱的卫星数据，例如Landsat或Sentinel系列。
这些数据源具有较高的空间分辨率和较短的重访周期，能够满足不同时间尺度的水体变化监测需求。
获取数据后，研究者需通过一系列图像处理技术来提取水体信息。
水体指数法是遥感影像水体信息提取的常用方法，它通过特定算法计算每个像元的水体指数值，该值可以用来区分水体和非水体区域。
常用的水体指数包括归一化差异水体指数（NDWI）和改进型归一化差异水体指数（MNDWI）。
这些指数通过反映水体在近红外波段的低反射率和在绿光波段的高反射率特性，将水体和其他地物有效区分。
在实际操作中，研究者需要根据具体应用场景选择合适的水体指数，并通过实验确定最佳阈值来提取水体边界。
提取出的水体边界往往需要进一步的处理来优化结果。
边缘检测算法，如Canny或Sobel算法，能够帮助识别和提取水体的轮廓线。
这些算法通过分析影像中亮度的梯度变化来确定边界的位置，其效果受到多种因素影响，包括所选算法的特性和影像质量等。
为了确保水体边界的准确性，后续处理工作至关重要。
这包括影像预处理、滤波、平滑以及可能的目视检查等。
预处理步骤主要是为了减少噪声干扰和改善影像质量，例如进行大气校正、云和云影去除等。
滤波和平滑操作有助于消除边缘检测过程中产生的毛刺和凹凸不平。
在实际应用中，研究者还需结合实际水体的形态特征和地理知识，对提取结果进行修正和补充，以确保水体边界的准确度。
文章中提到的GEE代码示例，简化了整个提取过程，向用户展示了如何使用NDWI指数和阈值法来提取水体边界。
这不仅有助于理解整个提取过程，而且便于用户在实际工作中根据自己的数据进行相应的调整和应用。
此外，考虑到遥感数据的多源性和多样性，软件开发人员也在不断地完善和更新GEE平台的相关软件包。
这些软件包集成了各种常用的遥感影像处理功能，使得用户无需从头编写复杂的代码，就能在平台上直接进行水体边界提取等操作。
这大大降低了用户的技术门槛，提高了工作效率。
在GEE平台中，提取水体边界是一套系统的工程，它涉及到影像数据的获取、水体指数的计算、阈值的设定、边缘检测算法的应用以及后续处理的优化等多个环节。
这些环节相互关联，每个环节的精准度都直接影响着最终结果的准确度。
随着遥感技术的不断进步和GEE平台的持续优化，提取水体边界的方法将变得更加高效和精确。

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。