【单片机毕业设计】带舵机自动开盖功能的 STM32 智能药盒系统设计 STM32 单片机实现的多组别定时智能取药提醒系统(024303)

杰理SDK入门教程(五):按键使用配置 摘要 杰理SDK提供IO按键和AD按键两种方案。IO按键通过GPIO电平检测实现,配置时需要设置板级宏定义和硬件连接,默认使用PB1引脚。AD按键基于ADC电压采样,通过电阻分压区分按键,需配置功能使能、硬件通道和键值适配。按键功能通过修改SDK中的key_table文件实现。两种方案适用于不同硬件场景,开发者可根据需求选择。 阅读详情

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于嵌入式单片机,Java、小程序技术领域和毕业项目实战
✌️技术范围::单片机,STM32单片机,51单片机,小程序、SpringBoot、SSM、JSP、Vue、PHP、Java、python、爬虫、数据可视化、大数据、物联网、机器学习等设计与开发。
主要内容:免费开题报告、任务书、全bao定制+中期检查PPT、代码编写、🚢文编写和辅导、🚢文降重、长期答辩答疑辅导、一对一专业代码讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路。
特色服务内容:答辩必过班 (全程一对一技术交流,帮助大家顺利完成答辩,小白必选)
全网粉丝50W+,累计帮助2000+完成优秀毕设
🍅文末或主页侧边栏获取源码🍅
👉👉👉👉点击获取源码 👈👈👈👈
感兴趣的可以先收藏起来,还有大家在毕设选题,项目以及🚢文编写等相关问题都可以给我留言咨询,希望帮助更多的人

在这里插入图片描述

20 个相关毕业设计备选题目

  1. 基于 STM32 的智能定时药盒控制系统设计与实现
  2. 基于 STM32 的红外感应取药提醒装置设计
  3. 搭载 GSM 模块的 STM32 智能服药提醒系统设计
  4. 基于 STM32 单片机的舵机分区出药与短信告警系统开发
  5. STM32 驱动的 OLED 显示智能药盒定时控制系统设计
  6. 基于 STM32 的老年人服药声光与远程短信提醒装置设计
  7. 融合红外检测的 STM32 智能分药定时设备设计与实现
  8. 基于 STM32 与 DS1302 时钟芯片的智能服药管理装置设计
  9. 带舵机自动开盖功能的 STM32 智能药盒系统设计
  10. STM32 单片机实现的多组别定时智能取药提醒系统
  11. 基于 STM32 的多分类药品定时发放与状态监测装置设计
  12. 集成 US800 模块的 STM32 服药远程短信通知系统设计
  13. 基于 STM32 的红外感应服药确认智能控制系统开发
  14. 声光告警 + 短信通知的 STM32 智能定时药盒设计与实现
  15. STM32 控制的多档位舵机药品仓自动开启装置设计
  16. 基于 STM32 单片机的便携式老年人智能服药提醒终端设计
  17. 基于 STM32 的实时时钟驱动智能分时段服药提醒系统
  18. 红外感知反馈式 STM32 智能药盒自动启闭控制系统设计
  19. 多药品分区管理的 STM32 智能服药监测终端设计与开发
  20. 基于 STM32 单片机的服药行为检测与远程提醒装置设计

项目研究背景

人口老龄化进程持续加快,老年群体慢性病患者数量逐年增长,多数慢性病患者需要长期、定时定量服用多种药物。现实生活中,老年人普遍存在记忆力衰退问题,漏服、忘服、错服药物的现象频发,对身体健康造成严重威胁。市面上现存简易服药提醒产品仅具备基础闹钟提示功能,缺少药品分区管理、自动开盖、服药行为检测功能,无法确认用户是否完成取药操作;部分高端智能药盒依赖云端服务器,部署成本高,不适用于居家离线场景。传统定时提醒方案无法将服药状态同步给家属,家属难以远程掌握老人服药情况。随着嵌入式技术快速发展,以 STM32 单片机为核心的嵌入式控制系统成本低、功耗小、适合小型智能硬件开发。本课题依托嵌入式感知、实时时钟、舵机驱动与移动通信技术,设计具备时钟定时、红外取药检测、声光提醒、舵机分区开盖、短信远程通知一体化功能的智能药盒控制系统,弥补现有产品功能短板,实现本地自主提醒与远程家属通知相结合,为居家老年慢性病患者服药管理提供低成本、本地化的硬件解决方案。

摘要

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。用户可通过实体按键完成定时参数、舵机角度等参数配置。经过硬件搭建与软件调试,系统能够稳定实现定时提醒、自动开盖、服药检测、远程短信通知等功能,适用于居家老年人服药监护场景,具备成本低、部署便捷、无需依托网络服务器的优势。

总体方案

  1. 主控单元:STM32F103C8T6 单片机

    选型理由:属于主流入门级 32 位嵌入式芯片,资源能够满足传感器采集、屏幕驱动、舵机控制、外设通信需求,开发资料丰富,契合本科嵌入式开发学习范围。作用:作为系统核心控制器,统筹处理按键输入、定时逻辑、红外信号采集、舵机驱动、OLED 显示控制、短信模块指令收发,协调所有外设协同工作。

  2. 显示外设:OLED 显示屏

    选型理由:自发光、功耗较低,体积小巧,适合小型便携硬件;支持字符与简单信息显示。作用:展示系统名称、年月日时分秒系统时间、舵机工作状态,直观呈现设备运行信息与定时配置参数。

  3. 时间模块:DS1302 实时时钟芯片

    选型理由:支持独立后备电池供电,实现掉电持续走时,通信协议简单,易于单片机驱动。作用:提供标准时间数据,用于系统时间刷新,同时和预设服药定时进行对比,触发定时提醒逻辑。

  4. 感知模块:E18-D80NK 红外接近探头

    选型理由:非接触式检测,抗环境光线干扰能力较强,适合检测人手取药动作。作用:实时监测药品仓区域,识别用户是否完成取药操作,作为舵机自动关闭的触发条件。

  5. 执行机构:9g 舵机

    选型理由:体积小、控制简单,支持 PWM 角度控制,能够稳定实现 0°、60°、120°、180° 角度定位。作用:作为药品仓舱门驱动装置,定时任务触发后转动对应角度打开药仓,检测取药完成后复位至 0° 闭合。

  6. 告警模块:蜂鸣器

    选型理由:电路结构简单,成本低廉,可快速实现声音提醒。作用:定时服药时间到达时发出声响,配合视觉提示实现本地声光提醒。

  7. 通信模块:US800 电话短信模块

    选型理由:支持短信收发,串口通信方式便于和 STM32 进行数据交互。作用:定时服药时刻,自动向预先绑定的手机号发送提醒短信,实现远程通知。

  8. 人机交互:4 路独立实体按键(设置、增加、减小、退出)

    选型理由:硬件按键响应稳定,操作逻辑直观,适合老年人操作。作用:供使用者完成定时参数设置、舵机角度调整、参数保存、退出配置界面等操作。

核心功能

基础功能

  1. OLED 信息显示功能

    实现效果:设备上电后持续刷新屏幕内容。展示内容包含系统名称、当前年月日时分秒实时时间、舵机运行状态。用户可直接查看设备时间与硬件工作状态。核心作用:可视化展示系统运行信息,为参数设置提供界面支撑。

  2. 系统时间持久化功能(DS1302 时钟驱动)

    实现效果:单片机读取 DS1302 芯片时间数据,系统断电后依靠芯片后备电池持续计时,重启无需重复校准时间;程序持续对比当前时间与预设服药定时。核心作用:为整套定时提醒功能提供精准的时间基准。

  3. 按键参数配置功能

    实现效果:通过设置、增加、减小、退出 4 个按键,进入参数编辑界面,修改定时时间、舵机开启角度等参数,操作完成后退出保存配置。核心作用:提供本地人机交互方式,支持用户自主配置设备运行规则。

核心功能

  1. 多药品分类与多组定时管理功能

    实现效果:系统支持 4 种药品分类管理,能够存储三组独立服药定时任务;到达预设时间后启动全套提醒流程。使用场景:满足用户早、中、晚多次服药,不同药品分开管理的使用需求。

  2. 声光服药提醒功能

    实现效果:定时时间匹配成功后,蜂鸣器启动发出提示音,实现本地声光提醒。核心作用:近距离提醒使用者按时服药。

  3. 舵机多档位自动开盖功能

    实现效果:定时触发后,舵机按照预设参数转动 60 度、120 度或者 180 度,打开对应药品仓。核心作用:自动开启药品存放仓,区分不同药品存储位置。

  4. 红外取药行为检测功能

    实现效果:E18-D80NK 红外探头持续采集区域信号,感知人手靠近、完成取药动作。核心作用:判断用户是否执行取药操作,为舵机复位提供判断依据。

  5. 舵机自动复位闭合功能

    实现效果:红外传感器识别用户完成取药之后,单片机输出指令控制舵机旋转回到 0 度,自动关闭药品仓舱门。核心作用:取药结束后自动关仓,保障药品存放安全。

  6. 定时短信远程提醒功能

    实现效果:到达预设服药时间时,STM32 驱动 US800 模块向预先绑定的手机号码发送提醒短信。使用场景:向家属推送服药通知,方便远程监护老年使用者服药情况。

技术路线

  1. 编程语言:C 语言

    用途:完成 STM32 单片机底层驱动、业务逻辑代码开发,编写时钟读取、舵机 PWM 控制、传感器信号采集、串口通信、按键逻辑程序,为本系统核心开发语言。

  2. 开发平台:Keil MDK5

    用途:嵌入式程序代码编写、语法编译、程序调试,生成可下载至 STM32 芯片的固件程序。

  3. 硬件仿真工具:ST-Link 下载器

    用途:实现程序烧录到 STM32 开发板,在线实时调试硬件运行代码,排查程序逻辑错误。

  4. 电路设计工具:Altium Designer

    用途:完成系统硬件电路原理图绘制、PCB 布局设计,规划各外设与主控芯片之间的电气连接。

  5. 调试辅助工具:串口调试助手

    用途:监控单片机串口输出信息,调试 US800 短信模块、OLED 屏幕通信交互问题。

  6. 测试工具:数字万用表、直流稳压电源

    用途:硬件电路通电前通断检测、供电电压调试,保障硬件电路稳定工作。

  7. 固件驱动技术:STM32 标准库

    用途:简化 GPIO、定时器、串口外设底层寄存器操作,快速开发舵机 PWM 输出、外设通信驱动程序,降低嵌入式开发难度。

  8. 通信协议:UART 串口通信

    用途:实现 STM32 与 OLED 显示屏、US800 短信模块之间的数据指令传输。

  9. 外设驱动协议:IIC 通信

    用途:驱动 DS1302 时钟芯片、OLED 屏幕,完成时间数据读写与屏幕信息刷新。

  10. 控制信号:PWM 脉冲宽度调制

用途:输出可调占空比信号精准控制 9g 舵机旋转角度,实现药品仓门开启与闭合动作控制。

项目演示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

关于我们

博主本身从事开发软件开发、有丰富的编程能力和水平、累积给上千名同学进行辅导、有自己的独立工作室,目前只专注做自己专业领域的事。团队人员有多年架构师设计经验、多人有参加校企合作经验,被多个学校常年聘为校外企业导师,指导学生毕业设计并参与学生毕业答辩指导,有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作。

项目案例

下面是我们团队最新的定制开发的项目平台,广受到大家客户的喜爱!大家看看我们开发出来的部分效果图吧!!!
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

源码获取

👉👉👉👉 点击我获取源码 -> 进我个人主页 👈👈👈👈

⬇️⬇️⬇️⬇️

把 SAP Event Mesh 讲透:从事件驱动架构到 SAP BTP 落地实践 摘要: SAP Event Mesh是SAP BTP上的云端消息与事件服务,支持企业构建解耦、弹性的应用架构。它通过异步通信模式(如发布/订阅)解决传统同步集成的痛点,如系统紧耦合、链路脆弱等问题。核心能力包括事件驱动通信、可靠消息投递(支持至少一次送达)、与SAP生态深度集成(如S/4HANA事件扩展)以及混合环境支持。典型场景包括订单处理、库存同步等,发布方只需发出业务事件,订阅方按需消费,避免系统间直接依赖,符合Clean Core理念。两种关键模式为广播式的Publish/Subscribe和定向的 阅读详情

相关推荐

FPGA之道(22)VHDL基本程序框架

在介绍详细的VHDL语法之前,让我们先来了解一下VHDL代码的基本程序框架,这样可以让我们先对VHDL程序设计有一个整体的概念把握,进而在后续的VHDL语法学习中做到有的放矢。

Reborn Lee 8309

【单片机课程设计/毕业设计】STM32 驱动的 OLED 显示智能药盒定时控制系统设计 基于 STM32 的老年人服药声光与远程短信提醒装置设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

128

(UE5 5.2)HISM Mobile DrawInstance在渲染层的实现浅分析

在 (UE4 4.27) UHierarchicalInstancedStaticMesh(HISM)原理分析 这篇博客大致介绍HISM组件从游戏线程到渲染线程的重建KD-Tree和剔除并提交DrawCall逻辑,但是没有分析渲染层的大致数据结构和实现. 可以看出FHierarchicalStaticMeshSceneProxy 实际存储Instance数组数据来自于FInstancedStaticMeshSceneProxy FHierarchicalStaticMeshSceneProxy只是以FClu

qq_29523119的博客 2728

单片机毕设选题推荐:搭载 GSM 模块的 STM32 智能服药提醒系统设计 基于 STM32 单片机的舵机分区出药与短信告警系统开发(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

项目帮 103

从零到一:NI USB-8506 LIN通讯的驱动安装与硬件调试全攻略

本文详细介绍了NI USB-8506 LIN通讯设备的驱动安装与硬件调试全流程,包括硬件准备、驱动下载与配置、NI MAX设置及常见问题解决方案。通过实战应用与性能优化技巧,帮助用户快速掌握LIN通讯技术,适用于车载数据记录和自动化测试等场景。

weixin_28273593的博客 927

JAVA:Spring Boot 集成 LibreOffice 实现文档在线转换服务

本文介绍了在企业级应用开发中使用LibreOffice实现文档格式转换的技术方案。通过对比分析商业库、纯Java方案和云服务API的优缺点,重点阐述了LibreOffice在格式兼容性、转换质量和零成本方面的优势。文章详细说明了环境准备步骤,包括Windows/Linux系统安装LibreOffice、解决中文乱码问题以及Docker部署方案。最后提供了Spring Boot项目的基本配置,包括Maven依赖和application.yml配置文件,为构建稳定高效的文档转换服务奠定基础。

木头 522

【计算机毕业设计单片机案例】STM32 控制的多档位舵机药品仓自动开启装置设计 基于 STM32 单片机的便携式老年人智能服药提醒终端设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

10

Vue 前端导出页面A4大小pdf,Vue前端导出pdf自动切割换页不切割内容 Vue导出页面pdf自动分页和添加页码 导出的pdf提高清晰度

【代码】Vue 前端导出页面A4大小pdf,Vue前端导出pdf自动切割换页不切割内容 Vue导出页面pdf自动分页和添加页码 导出的pdf提高清晰度。

weixin_41346436的博客 1801

【单片机毕业设计推荐】基于 STM32 的智能定时药盒控制系统设计与实现,基于 STM32 的红外感应取药提醒装置设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

bishe7_is_vx的博客 9

61、增益调度控制器:原理、建模与调优

本文详细介绍了增益调度控制器的原理、建模方法和调优流程。增益调度是一种针对非线性系统的控制策略,通过在不同工作点使用不同的线性控制器实现全局控制。文章涵盖了在Simulink中使用Control System Toolbox模块建模的具体步骤,以及如何利用systune进行增益调度表的调优。同时,还讨论了实际应用中的注意事项、典型案例(如化学反应器和飞机控制),并与其它控制方法进行了对比。最后,文章展望了增益调度控制器的未来发展趋势,包括与人工智能的结合、多目标优化调优以及实时调优能力的提升。

rgv234567的博客 186

STM32开发 -- LIS3DH三轴加速度计开发详解

这次要讲一下LIS3DH三轴加速度计的开发使用,之前是有讲过 MPU6050开发 的,但当时是在Linux下做的。额,还是个半成品,哈哈。现在手边有STM32的开发板,可以实实在在的来实现以下卡尔曼滤波了。 一、LIS3DH初识 依照惯例,先看一下手册,大致先了解一下,LIS3DH是什么模块。 下载:LIS3DH datasheet 1、描述 LIS3DH是一款超低功耗高性能三轴线性加速度计,属于...

不积跬步,无以至千里 2万+

单片机毕设项目:基于 STM32 的实时时钟驱动智能分时段服药提醒系统 红外感知反馈式 STM32 智能药盒自动启闭控制系统设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

2501_91703032的博客 13

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

单片机毕业设计-基于 STM32 的红外感应服药确认智能控制系统开发 声光告警 + 短信通知的 STM32 智能定时药盒设计与实现(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

我的个人博客:https://bishe666.top 13

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

【单片机课设毕设项目】基于 STM32 的老年人服药声光与远程短信提醒装置设计 融合红外检测的 STM32 智能分药定时设备设计与实现(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

13

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

计算机单片机毕设实战-基于 STM32 的多分类药品定时发放与状态监测装置设计 集成 US800 模块的 STM32 服药远程短信通知系统设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

项目帮 11

【单片机毕设案例分享】多药品分区管理的 STM32 智能服药监测终端设计与开发 基于 STM32 单片机的服药行为检测与远程提醒装置设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

QQ_2876970413的博客 12

单片机计算机毕设之融合红外检测的 STM32 智能分药定时设备设计与实现 基于 STM32 与 DS1302 时钟芯片的智能服药管理装置设计(024303)

针对老年慢性病群体普遍存在服药遗忘、家属无法实时知晓服药情况的现实问题,本文设计一款基于 STM32 单片机的智能服药提醒控制系统。系统以 STM32F103C8T6 作为主控单元,搭载 DS1302 实时时钟芯片实现掉电持续计时,通过 OLED 屏幕展示系统时间、设备运行状态;系统支持 4 类药品分类管理与三组服药定时任务,定时时间到达后触发蜂鸣器声光提醒,驱动舵机开启对应药品仓。设备利用红外接近传感器检测用户取药动作,识别完成后舵机自动复位闭合;同时借助 US800 电话模块向绑定手机发送服药提醒短信。

92

基于单片机的温控风扇控制

具体功能: 1.DS18B20采集温度,数码管显示当前温度值,采用三极管驱动数码管显示; 2.采用PWM调速的原理来实现风扇速度的控制: 当温度低于温度的下限值时,电机不转, 当温度介于上限和下限之间时电机转速缓慢, 当温度大于上限值时,电机全速转动; 3.三个按键可以设置温度上下限; 4.温度测量范围:0-99.9度;

2401_82402501的博客 223

基本定时器(TIM6/TIM7)

基本定时器最简单,就干一件事:到点了触发中断。定时器本质就是计数器,每个时钟脉冲加1,数到ARR就溢出、产生中断、清0重来。三个核心寄存器:PSC(预分频器):对输入时钟分频CNT(计数器):从0往上数ARR(自动重装载值):数到这个值就溢出,CNT清0,产生更新中断公式:  定时周期 = (PSC+1) × (ARR+1) / 定时器时钟  更新事件频率 = 定时器时钟 / ((PSC+1) × (ARR+1)) 例:TIM6时钟84MHz,要定时0.5秒(2

2401_89890233的博客 287

1.LED操作和呼吸灯实现

ESP32 物联网开发实战》实验手册。

weixin_48867130的博客 304

7-2 按键控制LED流水灯(SDCC + Notepad++ + STC-ISP/普中ISP)

本节基于上节定时器T0设计,实现按键控制LED流水灯。通过配置12MHz晶振下16位定时器模式,初值设为64536(0xFC18),每1毫秒溢出一次,替代原有Delay方法。启用定时器中断,设置TR0启动,TF0标志自动置位触发中断,配合外部按键控制流水灯状态,提升系统实时性与效率。

xunyan6234的博客 102

TMS320F28335 学习笔记(二):系统时钟、PLL 与看门狗

本文系统介绍F28335的时钟架构与看门狗应用,涵盖外部晶振、PLL倍频生成系统时钟(SYSCLKOUT)、高速/低速外设时钟分频配置,以及看门狗的启用、关闭与喂狗机制。强调时钟配置准确性对延时、PWM、通信等外设的重要性,指出常见错误如晶振不匹配、未等待PLL锁定、随意修改PLL或喂狗周期过长等问题,并提供初始化框架与验证方法,帮助开发者正确配置时钟系统,确保程序稳定运行。

2403_83044722的博客 386

代码小白笔记:江科大 51 单片机 LCD1602 课程详解

本文为单片机新手梳理江科大51课程中LCD1602的驱动逻辑,聚焦“看懂代码”而非深究寄存器。通过解析接线、底层函数(延时、写命令/数据)、初始化流程及光标定位,详解字符、字符串、数字(十进制、十六进制、二进制)的显示原理,核心在于理解“RS控制指令/数据”、“地址映射规则”及“数字转字符”的位运算技巧,帮助读者快速上手并自定义显示内容。

2301_81429079的博客 647

MCU 启动流程解析:从 SRAM 到 DDR

MCU 的性能瓶颈通常不在 DDR 带宽,而在访问延迟与确定性。因此,关键代码、中断向量、栈以及功能安全数据应放在片内 SRAM;大块传感器数据缓冲、堆和冷数据则放在 DDR。启动流程的核心可以概括为三步:Boot ROM 搬运、Remap 切换、SRAM 执行。

Where there is life, there is hope. 309

MCU复位电路不加单片机可行吗?PCB踩坑记

第一版板子长按偶发不触发,经查为Key脚走线穿越DC-DC电感下方,受开关噪声干扰导致判定失败。改用丽晶微EY407-383329(SOT23-6)专用复位ASIC,硬件实现3秒长按、1秒双路互补脉冲输出,无需MCU参与,省去软件消抖与定时器资源。关键点:Key线避开通路、就近加104P去耦、低有效接法正确、输出极性匹配、RESET上拉可靠、扩流器件靠近输出。全靠硬件实现稳定复位,主控死机仍可工作。建议依8项排查清单验证,量产前索取规格书并打样验证。

ELITECHIP_ECM的博客 298

HAL库基本定时器框架分析

这部分是在main.c里面调用的,使能定时器外设和中断位。实时真正干活的操作在中断处理函数里进行。流程1 定时器外设初始化和中断配置。流程2 使能定时器中断相关位。流程3 中断处理函数。

tecoes的博客 34
上一篇: 【单片机毕业设计】基于单片机的药品余量检测与语音提示系统设计 基于 STM32/51 单片机的多路定时舵机驱动智能药盒设计(024203)
下一篇: 【单片机毕业设计】基于 DHT11 传感器的单片机温湿度智能预警系统设计 基于 STM32 或 51 单片机的温湿度参数可调报警装置与 APP 开发(024403)
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值