【STM32 .Net MF开发板学习-24】激光防盗模型

简介:     在各种以高科技偷盗为主题的电影中,我们常可以看到激光防盗系统,一根根红色的激光线构成了三维立体防盗体系。

    在各种以高科技偷盗为主题的电影中,我们常可以看到激光防盗系统,一根根红色的激光线构成了三维立体防盗体系。今天我们就借助红外激光头和光敏电阻做一个这样的防盗模型,当红外线被阻断后,开发板板上的蜂鸣器就会报警。

    需要的元器件如下:

     

   原理图如下:

  

   激光头需要串联一个3欧左右的电阻,光敏电阻随着光线的变化其阻值就会发生变化,我们通过AD接口进行阻值读取。

   程序非常简单,主要的代码如下:

    public static void Main()

    {

        int value = 0;                           

        ADC.Start(0); //ADC0

        OutputPort Alarm = new OutputPort((Cpu.Pin)GPIO_NAMES.PB2,false);   //蜂鸣器         

        Graphics.Clear(Color.Black);

        while (true)

        {

            //PC0  ADC0_IN10

            ADC.Read(10, out value, 2, 0);

            Graphics.FillRectangle(20, 20, 100, 20, Color.Black);

            Graphics.DrawString(20,20,value.ToString(), Color.White);

            Debug.Print(value.ToString());

 

            //3700是个经验值,可以根据实际进行设定

            Alarm.Write(value > 3700);

            Thread.Sleep(1000);

        }    

        //ADC.Stop(0);

    }

   程序不断的读取光敏电阻的阻值,当阻值高到一定值(激光被阻隔),则报警。我们用面包板来搭建这样一个模型系统,最终的效果图如下:

  

相关视频如下: http://you.video.sina.com.cn/b/44109256-1804832611.html

1)、.NET Micro Framework开发板

 http://item.taobao.com/item.htm?id=7117999726

2)、激光模型元器件

 http://item.taobao.com/item.htm?id=8836507324

 

 本文源码:http://www.sky-walker.com.cn/yefan/MFV40/SourceCode/LaserTest.rar

MF快速参考: .NET Micro Framework 快速入

MF中文讨论组:http://space.cnblogs.com/group/MFSoft/

【低价开发板】http://item.taobao.com/item.htm?id=7117999726

参加了博客大赛,请大家投上一票!您的支持,将是我最大的动力,谢谢!http://2010blog.51cto.com/1635641

 

相关文章
|
5月前
|
机器学习/深度学习 存储 计算机视觉
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现-4
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
116 11
|
5月前
|
开发框架 .NET 中间件
C#/.NET快速上手学习资料集(让现在的自己不再迷茫)
C#/.NET快速上手学习资料集(让现在的自己不再迷茫)
163 8
学习计算机组成原理(王道考研)------第十一天https://zhengyz.blog.csdn.net/article/details/121706379?spm=1001.2014.3001.5502
这篇文章是关于计算机组成原理的王道考研学习笔记,主要介绍了半导体存储器RAM和ROM的相关知识。
学习计算机组成原理(王道考研)------第十一天https://zhengyz.blog.csdn.net/article/details/121706379?spm=1001.2014.3001.5502
|
2月前
|
机器学习/深度学习 PyTorch 算法框架/工具
【文献学习】Phase-Aware Speech Enhancement with Deep Complex U-Net
文章介绍了Deep Complex U-Net模型,用于复数值的语音增强,提出了新的极坐标掩码方法和wSDR损失函数,并通过多种评估指标验证了其性能。
36 1
|
2月前
|
人工智能 文字识别
通义语音AI技术问题之LCB-net模型对幻灯片中文本信息的使用如何解决
通义语音AI技术问题之LCB-net模型对幻灯片中文本信息的使用如何解决
13 0
|
2月前
|
开发框架 .NET API
C#/.NET/.NET Core推荐学习书籍(24年8月更新)
C#/.NET/.NET Core推荐学习书籍(24年8月更新)
|
4月前
|
开发框架 JSON .NET
学习ASP.NET 中的 默认应用程序配置源
默认主机配置源 使用命令行配置提供程序的命令行参数
32 2
|
4月前
|
前端开发 Java C#
GitHub突破5k Star!这件事情我坚持了3年,努力打造C#/.NET/.NET Core全面的学习、工作、面试指南知识库
GitHub突破5k Star!这件事情我坚持了3年,努力打造C#/.NET/.NET Core全面的学习、工作、面试指南知识库
|
4月前
|
机器学习/深度学习 JSON 测试技术
CNN依旧能战:nnU-Net团队新研究揭示医学图像分割的验证误区,设定先进的验证标准与基线模型
在3D医学图像分割领域,尽管出现了多种新架构和方法,但大多未能超越2018年nnU-Net基准。研究发现,许多新方法的优越性未经严格验证,揭示了验证方法的不严谨性。作者通过系统基准测试评估了CNN、Transformer和Mamba等方法,强调了配置和硬件资源的重要性,并更新了nnU-Net基线以适应不同条件。论文呼吁加强科学验证,以确保真实性能提升。通过nnU-Net的变体和新方法的比较,显示经典CNN方法在某些情况下仍优于理论上的先进方法。研究提供了新的标准化基线模型,以促进更严谨的性能评估。
121 0
|
4月前
|
开发框架 .NET 对象存储
【.NET Core】深入理解异步编程模型(APM)
【.NET Core】深入理解异步编程模型(APM)
88 1
下一篇
无影云桌面