XiaoMi-AI文件搜索系统
World File Search SystemRaspberry
2025 年春季书单
S. Monk，《编程 Raspberry Pi：Python 入门》，Tab Books，2012 年，ISBN 978-0071807838。 B. Rhodes 和 J. Goerzen，《Python 网络编程基础》，Apress，第 3 版，2014 年，ISBN 978-1430258544。 TJ O'Connor，《暴力 Python：黑客、取证分析师、渗透测试人员和安全工程师的食谱》，Elsevier/Syngress，2012 年，ISBN：9781597499644。 P. Waher，《学习物联网》，Packt Publishing，2015 年，ISBN：9781783553532。 其他资源可从在线网站获得，包括弗吉尼亚理工大学图书馆的电子书和全文数据库产品。 每位学生将收到以下硬件供在学期期间使用： Raspberry Pi 3 - Model B 32 GB MicroSD 卡 带有微型 USB 电缆的电源 4644 Timothy Pratt 和 Jeremy Allnut，《卫星通信》，第 3 版，2020 年，
边缘设备上的人工智能概述
摘要 人工智能 (AI) 是物联网 (IoT) 设备领域最重要的应用之一。本文将重点介绍边缘设备上 AI 的开发及其开发 AI 模型的能力。本研究将回顾有关该主题的不同资源，并通过 Raspberry Pi 3 和 Raspberry Pi 4 得出一些个人结论。可以得出结论，边缘设备易于使用，甚至更容易使用首选任务进行编程，但由于其尺寸和处理能力，它们不会像传统计算设备那样产生结果。从边缘设备获得的结果令人满意，而且由于它们体积更小、更易于访问，它们也增加了 AI 的使用案例。本章还将重点介绍不同的问题陈述，例如对象检测，并尝试在某些硬件类别上对其进行测试，确定模型的性能，并得出结论，即哪种硬件最适合开发某些 AI 模型，哪种硬件将产生最佳结果。关键词：人工智能、信息技术、智能手机。
如何快速开始使用 WAFER MDB 适配器盒
RS232-MDB (PC2MDB) 和 MDB-USB 均用于将 PC 或任何其他 RS232 设备连接到 MDB 接口自动售货机。Pi2MDB 用于将 Raspberry pi 板连接到自动售货机。并且可以通过 RS232、USB 设备或 Raspberry pi 轻松与 MDB 接口自动售货机集成。这些适配器将自动回复 VMC Poll 命令，因此用户无需考虑 Poll 命令。除轮询命令之外，来自 VMC 的任何数据都将被重定向到 RS232 端口。此外，这些 MDB 适配器将处理与 VMC 的所有开机或复位数据通信。如果您想将任何数据将 HEX 数据发送到 VMC，只需与校验和一起发送到适配器盒，然后适配器盒将在 VMC 轮询请求期间发送到 VMC。因此，用户只需要在 PC 软件开发期间熟悉与 VMC 的自动售货会话。并且用户应该仔细阅读 MDB 协议以完成测试和开发。
植被期间早期发现农业植物疾病的智能系统
摘要。本文提出了一个智能系统，用于在植被期间早期发现农业植物疾病。拟议的智能系统允许在早期发现三种类型的小麦疾病，尤其是黄生锈病，白粉病和septoria，并通过将有害化学物质仅在病植物上喷洒有害化学物质来显着改善土壤和生态。提出的疾病检测方法是基于基于C ++编程语言的Pycharm程序的卷积神经网络（CNN）的结构。智能系统的基本结构由Raspberry Pi 4模块，Raspberry Pi摄像头V2，蜂鸣器，HC-SR04距离传感器，转子驱动器，AC电机，电源，电源，继电器微电机和一些数字设备组成。关键字：植物性疾病，小麦，面粉露，黄点，septoria，图像，智能系统，传感器，神经网络，算法，微电子学，数字设备，框图。
CTC体温检测AI解决方案
・使用通用设备（Raspberry Pi）测量体表温度 ・设备体积小、重量轻，无需大量安装工作 ・AI 面部识别仅测量面部 ・根据体表温度估算人的体温，同时考虑到安装环境的室温等（*）
在 Windows 10/11 上安装 QEMU
这是分布式 Raspberry Pi 研讨会准备工作的第 1 部分 QEMU-安装。在研讨会开始前至少一天完成第 1 部分的所有准备工作。第 1 部分有几个子步骤。在大多数情况下，如果互联网连接速度为 15 MBps，我们预计第 1 部分需要几个小时。第 1 部分可能需要最多 2 GB 的存储空间。
基于心理命令和面部的无人机控制...
摘要 - 当它试图控制无人机时，通过各种设备有许多不同的方式，使用面部运动，带有传感器的特殊手套，笔记本电脑上的红色，绿色，蓝色摄像头，甚至通过执行由运动传感器拾取的手势来使用智能手表。本文提出了一项有关如何使用脑电波控制无人机的工作，而无需任何这些设备。当前研究的无人机控制系统是使用Emotiv Insight耳机拍摄的脑电图信号开发的。脑电图信号是从用户的大脑中收集的。然后通过蓝牙将处理后的信号发送到计算机。耳机采用蓝牙低能来进行无线传输。用户的大脑经过训练，以便使用生成的脑电图数据。最终信号通过MQTT消息传递协议传输到Raspberry Pi零。Raspberry Pi从耳机中控制无人机通过传入信号的运动。几年后，大脑控制可以替代许多普通的输入来源，例如键盘，触摸屏或其他传统方式，因此它可以增强交互式体验，并为残疾人与周围环境互动提供新的方式。
树突状结构和算法艺术
扩散限制聚集（DLA）由于其简单性和在诸如纳米和微粒聚集等物理学中的广泛应用而引起了很多关注。在这项研究中，DLA的算法用Python编写。Python的Turtle库用于在计算机监视器上生长时绘制骨料。该算法在Raspberry Pi上运行。为DLA模拟创建了便宜的便携式介质。将两个不同的选项放在算法中。第一个路径不允许主粒子在碰撞后转动骨料外。但是，第二个允许骨料内外的主要粒子的渗透。通过算法获得由500-2000个主要颗粒组成的球形树突结构。这些结构的分形维度约为1.68。发现其孔隙率低于50％。还计算出回旋半径。除了科学研究之外，还提供了使用这些树突结构的算法艺术的例子。©2023 DPU保留所有权利。关键字：扩散限制聚合；随机步行；分形维度；孔隙率；覆盆子pi;算法艺术
自动水下车辆的控制系统的设计Edysys1
摘要。本文描述了自动水下车辆的控制系统的设计Edysys1。与远程操作的车辆（ROV）相比，一辆无人驾驶的水下车辆是一种无人驾驶的且自行的水下船只，可以独立运行，并执行几项分配给它的任务，该任务通常被束缚在船上或其他系泊的水车上。自主水下车辆的控制系统的智能设计是一个积极的研究领域，赋予对自治的需求和智能系统满足此类需求的能力。一个控制系统是用Raspberry Pi 4计算机设计为主控制单元的。通过车辆采集数据采集的各种子系统和传感器由Raspberry Pi 4控制，该覆盆子PI 4具有配置的机器人操作系统（ROS）。使用Python编程语言配置控制每个传感器的必要智能。此后，相关的python脚本在ROS框架中作为节点实现。通过调用ROS中的相关节点，通过ROS环境中的设计系统获得了各种感觉数据值。还实现了通过洛拉的成功沟通。
带有交通标志检测的自动电动汽车和...
摘要 - 本文介绍了具有交通标志检测和识别功能的自动电动汽车（EV）的设计和实施。该系统是围绕Raspberry Pi微控制器构建的，该覆盆子Pi微控制器控制车辆的操作，处理传感器数据并管理电源分配。关键组件包括用于推进的直流电动机，用于充电的发电机，用于交通符号检测的相机以及用于避免障碍物的超声波传感器。主电池为车辆提供动力，并通过发电机为辅助电池充电。当主电池的电压下降以下时，系统会自动切换以使用辅助电池进行推进，并将发电机充电切换为主电池。通过在Raspberry Pi上运行的图像处理算法来实现流量标志检测，该算法分析了相机捕获的图像以识别和解释流量标志。该系统还结合了一个超声波传感器，以检测障碍并确保安全导航。提议的系统通过利用自动充电功能和高级传感器技术来提高安全性和性能关键词，为自动驾驶汽车提供了可持续和高效的解决方案 -