【单片机毕业设计】基于 STM32 的舵机驱动智能分药设备设计与实现 基于 STM32 的定时声光提醒药盒监测系统设计

硕博团队计算机辅导 硕博团队计算机辅导 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 169平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄2年
关注
原创 最新推荐文章于 2026-09-24 17:55:59 发布 169 阅读 AI 写同款· GEO 优化 ›
PPPoE上网配置不求人：华为路由器命令行操作指南（2023最新版） 本文提供2023年最新的华为路由器PPPoE上网配置命令行操作指南。通过详细的步骤讲解，从连接设备、创建拨号接口、绑定PPPoE客户端到配置内网与NAT，手把手教你完成配置，并附有验证排错方法，助你轻松实现稳定上网。 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

文章目录

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 的药品智能提醒与药量监测装置设计
  3. 基于 STM32 单片机的多功能智能服药提醒器开发
  4. 基于 STM32 的红外感应式自动取药装置设计
  5. 基于 STM32 的重量检测型智能药箱控制系统设计
  6. 基于 STM32 的语音播报服药提醒硬件系统开发
  7. 基于 STM32 的舵机驱动智能分药设备设计与实现
  8. 基于 STM32 的定时声光提醒药盒监测系统设计
  9. 基于 STM32 单片机的药品余量检测智能终端设计
  10. 基于 STM32 的 OLED 显示智能服药管理装置开发
  11. 基于 STM32 的多分类药品定时发放控制系统设计
  12. 基于 STM32 的 HX711 药量采集智能提醒装置实现
  13. 基于 STM32 的红外感应自动药仓开关系统设计
  14. 基于 STM32 的 CH7800 语音播报智能药盒开发
  15. 基于 STM32 的 DS1302 时钟定时服药设备设计
  16. 基于 STM32 的多功能老年智能服药辅助装置设计
  17. 基于 STM32 的压力传感药品余量监测系统实现
  18. 基于 STM32 的多路定时舵机控制智能分药系统设计
  19. 基于 STM32 的声光语音复合提醒智能药箱开发
  20. 基于 STM32F103 的智能服药监测与自动给药装置设计

项目研究背景

随着人口老龄化进程持续推进，老年群体慢性病患者数量不断增长，长期按时按量服药成为日常刚需，记忆力衰退、用药种类繁杂极易造成漏服、忘服、重复服药等问题。市面上普通药盒仅具备药品收纳功能，缺少定时提醒、药量监测、自动出药等智能化能力；少数智能服药设备功能单一，大多仅实现简单声光提醒，无法实时检测药品余量，缺少自动给药机构，同时难以完成多类别药品分组管理。传统服药辅助方案无法自动识别用户取药行为，提醒形式单一，仅依靠简单蜂鸣提示，用户容易忽略提醒。物联网与嵌入式技术快速普及，基于 STM32 单片机的嵌入式硬件方案成本适中、开发门槛适配本科开发需求。本课题依托嵌入式传感、舵机驱动、语音播报等技术，集成定时管理、重量采集、红外感应自动控制等功能，研发一款集定时给药、药量监测、语音提醒于一体的智能药盒控制系统，解决日常服药管理中的各类痛点，具备良好的实用价值与落地场景。

摘要

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。设备配备实体按键完成参数配置，OLED 实时展示系统时间、药品重量、舵机运行状态。测试结果表明，系统运行稳定，能够实现定时给药、余量监测、语音提醒等全部预设功能，可作为居家服药智能辅助装置。

总体方案

  1. 主控单元：STM32F103C8T6 单片机

    硬件作用：作为整个系统的核心控制器，统筹所有外设的数据采集、逻辑运算、外设驱动；选型理由：片内资源充足，具备多路 GPIO、定时器接口，拥有成熟开发资料，开发难度适配本科生；场景：接收传感器数据，执行定时判断、舵机角度控制、语音指令下发、屏幕数据刷新。

  2. 显示单元：OLED 显示屏

    硬件作用：可视化展示系统名称、年月日时分秒、舵机工作状态、实时药品重量；选型理由：功耗低、体积小巧，适合嵌入式小型设备，驱动程序成熟；场景：人机交互界面，直观展示设备运行参数。

  3. 时钟单元：DS1302 时钟芯片

    硬件作用：提供标准时间，用于屏幕时间显示以及定时任务对比，支持掉电持续走时；选型理由：外围电路简单，自带后备电池接口，满足长时间计时需求；场景：维持系统时间基准，实现定时服药触发逻辑。

  4. 感应单元：E18-D80NK 红外探头

    硬件作用：红外检测用户取药动作；选型理由：感应距离适中，抗干扰能力强，数字信号输出便于单片机读取；场景：检测用户取药完成，触发舵机复位动作。

  5. 重量采集单元：HX711 压力传感器模块

    硬件作用：采集药盒内部药品实时重量；选型理由：24 位高精度模数转换，适合小型重量测量场景；场景：实时监测药品余量，重量接近零时触发缺药提醒。

  6. 执行单元：9g 舵机

    硬件作用：驱动药仓舱门开启与关闭；选型理由：体积小、控制简单，可精准控制转动角度；场景：定时到达后旋转 60°/120°/180° 打开药仓，取药完成回归 0 度闭合。

  7. 语音与声光单元：CH7800 语音模块 + 喇叭 + 蜂鸣器

    硬件作用：播放语音提示音、实现声光提醒；选型理由：支持预先录入语音，串口指令控制播放，使用便捷；场景：定时服药提醒、药品不足语音播报。

  8. 人机交互单元：独立 4 按键模块

    硬件作用：提供设置、增加、减小、退出操作；选型理由：电路简单，编程实现便捷；场景：完成定时参数、药品分类参数配置。

整体硬件架构：STM32 主控通过 GPIO、串口、IIC 接口分别连接各个外设，上电后系统初始化所有模块，循环采集时钟、重量、红外传感器数据，持续判断定时任务、余量阈值，根据逻辑控制舵机、蜂鸣器、语音模块与屏幕刷新。

核心功能

基础功能

  1. OLED 屏幕信息显示功能

    功能说明：OLED 显示屏持续刷新界面，展示系统名称、当前年月日时分秒、舵机运行状态、实时药品重量。用户可直观查看设备运行参数，是设备基础人机交互载体，保障所有数据可视化输出。

  2. DS1302 实时时钟功能

    功能说明：读取时钟芯片时间数据，一方面用于屏幕时间展示，另一方面作为定时任务的时间基准；支持掉电持续计时，断电重启后无需重新校准时间，保证定时功能长期稳定运行。

  3. 按键参数配置功能

    功能说明：依靠 4 个实体按键（设置、增加、减小、退出）完成系统参数配置，退出按键同步触发语音播报。用户可进入设置模式修改定时时间、药品相关参数，操作逻辑简单，适配中老年用户使用。

核心功能

  1. 药品重量采集与缺药提醒功能

    功能说明：HX711 传感器实时采集药品重量，主控持续对比重量阈值；当检测药品重量接近零，同步启动蜂鸣器声光提醒，并调用语音模块播报缺药提示，提醒使用者及时补充药品。

  2. 多分类药品管理与多组定时控制功能

    功能说明：系统支持 4 种药品分类信息存储，可配置三组独立服药定时；定时时间到达后，控制舵机转动至预设角度（60 度 / 120 度 / 180 度）打开对应药仓，实现定时自动给药。

  3. 红外感应舵机自动复位功能

    功能说明：药仓开启后红外探头持续监测，当感应到用户伸手完成取药动作后，主控发送指令控制舵机自动回归 0 度，关闭药仓舱门，避免药仓长期敞开。

辅助功能

  1. CH7800 语音播报功能

    功能说明：系统根据不同场景触发对应的语音文本播报，包含药品缺少提醒、药品分类信息、服药数量提示、当前时间播报等，相比单纯蜂鸣提示信息传递更加直观清晰。

技术路线

  1. C 语言：课题主开发语言，用于 STM32 单片机底层驱动编写、业务逻辑程序开发，完成传感器数据读取、舵机控制、定时逻辑、外设调度等核心代码编写。
  2. STM32 标准库开发：单片机开发底层框架，用于配置 GPIO、定时器、串口、IIC 通信，驱动 OLED、DS1302、HX711、语音模块等外设。
  3. Keil MDK5：嵌入式程序编译、调试开发工具，完成工程创建、代码编译、程序下载、在线调试，是 STM32 程序主要开发环境。
  4. Altium Designer：可选，用于硬件电路原理图绘制、PCB 设计，辅助完成硬件平台搭建。
  5. ST-Link 调试器：程序下载与硬件在线调试工具，实时监控单片机变量、排查代码逻辑故障。
  6. 串口调试助手：上位机调试工具，用于打印传感器原始数据，验证重量采集、时钟读取、语音指令通信是否正常。
  7. SolidWorks（可选）：药盒机械结构建模，用于舵机药仓结构外观设计。
  8. 逻辑测试工具：硬件实物联调，完成定时任务、传感器触发、舵机联动、语音提醒全流程功能测试，验证系统稳定性。
  9. Git（可选）：代码版本管理工具，管理项目源码迭代，方便程序版本回溯。

本课题整体开发流程：需求分析→硬件器件选型→电路搭建→底层驱动开发→业务逻辑编码→软硬件联调→功能优化→整机测试。

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

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 👈👈👈👈

⬇️⬇️⬇️⬇️

收录于
单片机

当前文章被收录于：

单片机
874 篇文章 0 人学习
订阅专栏 查看详情
标签
#单片机 #课程设计 #stm32
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
加湿器方案-DLT8M04TS-杰力科创 基本组成: 一个触摸按键、一组RGB灯、一个雾化片、一个充电IC。 产品功能： 第一次上电光机状态，RGB红/绿/红灯依次闪烁灭； 2、按键功能：短按开关机和三档喷雾工作模式，第一次短按持续喷雾，短按第二次喷3S,停3S,短按第三次关闭喷雾模式，依次循环； 在喷雾或是不喷雾的状态下长按1.5S RGB灯渐变，一直循环，第二次长按当前灯光闪烁一下常亮，第三次长按关机； 3、持续喷雾定时5小时自动断电，间歇喷雾定时10小时自动断电，若在间歇工作时有切换为持续喷雾，那间歇喷雾的... 阅读详情

相关推荐

整车CAN网络错误帧排查方法

本文围绕 CAN 总线错误帧展开，先剖析其产生原因，涵盖物理连接与硬件问题、电磁兼容性问题、总线负载与设计问题及配置问题；再阐述位错误、填充错误等 5 类错误帧类型；接着说明错误帧与总线 BUSOFF 的关系，解析主动 / 被动错误状态及 BUSOFF 的触发与恢复；还结合整车故障案例做实际分析，指出错误帧根源多为线束或控制器问题。最后总结，强调错误帧是 CAN 协议保障高鲁棒性的机制，掌握相关知识助工程师提升 CAN 网络处理能力。

车载网络小D的博客 1250

单片机计算机毕设之基于 STM32 的定时声光提醒药盒监测系统设计 基于 STM32 单片机的药品余量检测智能终端设计

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。

150

【SigmaStar SSC335系列】空片用Flash_Tool烧写

简介 本文主要讲新拿到的PCBA，板上spi nand flash还是空的，如何在这种情况下烧录固件，这里讲解用官方Flash_Tool烧写的方式。 但只讲一些注意的地方和坑，其它的官方文档里说的比较清楚，不多说。 准备 Flash_Tool烧写软件 编译打包好烧写镜像 串口烧录小板 ----- 这个是个坑，在官方文档里并没有提及，刚开始用的平时调试的USB转串口，怎么都没反应，一度不知烧写软件不对还是硬件有问题，最后通过厂家技术支持才得知，除了专门的Flash_Tool外，还要专门的串口烧录器

老K 4700

【计算机毕业设计单片机案例】基于 STM32 的压力传感药品余量监测系统实现 基于 STM32 的多路定时舵机控制智能分药系统设计

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。

175

Ubuntu系统下STM32开发环境搭建：从零配置CubeMX、VSCode与OpenOCD调试实战

本文详细介绍了在Ubuntu系统下搭建STM32开发环境的完整流程，包括CubeMX、VSCode和OpenOCD的安装配置。通过实战教程指导开发者从基础环境准备到工程创建与调试，提供高效的嵌入式开发解决方案，并分享常见问题解决方法。

potato的博客 943

快乐8 Ai大模型XGBoost LightGBM预测系统

随机森林回归：通过集成多个决策树模型，提高预测的准确性和稳定性。XGBoost：一种基于梯度提升的强大模型，擅长处理结构化数据。LightGBM：一种高效的基于决策树算法的分布式梯度提升框架，具有快速的训练速度和低内存消耗。高预测准确率：通过集成多种模型，提供更为精准的预测结果。多种预测方法：支持同尾号、重号、温号、连号和综合预测等多种预测策略，满足不同用户的需求。实时日志：在预测过程中，用户可以实时查看系统的预测进度和结果。

m0_72636583的博客 1万+

单片机毕设项目：基于 STM32 的声光语音复合提醒智能药箱开发 基于 STM32F103 的智能服药监测与自动给药装置设计

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。

2501_91703032的博客 169

电商智能客服Agent开发实战：从零到一构建企业级AI助手

电商智能客服Agent是下一代AI应用的核心形态，它不仅能够回答用户问题，还能自主规划任务、调用工具并执行完整工作流程。本文将深入探讨AI Agent的基本概念、技术实现方式及电商场景中的应用，提供完整的开发流程和代码示例，帮助开发者从零开始构建一个功能强大的电商智能客服系统。通过模块化设计、多轮对话记忆管理和工具集成，这个Agent能够处理订单查询、商品推荐、退换货流程等复杂任务，同时具备企业级的安全性和稳定性保障。通过本文的介绍，读者已经掌握了构建电商智能客服Agent的核心技术与实现方法。

m0_64363449的博客 1367

【单片机毕设案例分享】基于 STM32 或 51 单片机的手机蓝牙参数配置智能药盒实现 基于 STM32 或 51 单片机的掉电走时定时服药提醒系统设计（024207）

本文设计一款基于 STM32 或 51 单片机的多功能智能药盒系统，用于实现居家用户规范化用药监护。系统以单片机作为控制核心，搭载 DHT11 温湿度传感器、HX711 压力采集模块、DS1302 时钟芯片、红外接近传感器，配合舵机实现药仓自动开合；外接语音播报模块、GSM 短信模块与 ECB01 蓝牙模块完成状态提示与远程数据交互。设备支持 LCD1602 屏幕实时展示时间、温湿度、药品重量与提醒信息，可配置四种药品分类与三组定时服药任务，定时到达后舵机开启对应药仓，取药完成后红外传感器控制舵机复位；

QQ_2876970413的博客 435

Discuz IIS上传附件大于28M失败报错Upload Failed.修改maxAllowedContentLength(图文教程)

下图：Discuz X3.5的系统信息，上传许可为1024MB(1GB)论坛为局域网论坛，仅供内部同事交流使用！使用官方最新的Discuz! X3.5 Release 20231221 UTF-8 下图：选择上传附件（提示可以最大上传100M） 下图：模拟上传84M的文件（

骚团长的博客 1831

数字芯片后端设计实战：Memory Compiler参数配置与SRAM生成优化

本文深入解析数字芯片后端设计中Memory Compiler的核心参数配置与SRAM生成优化策略。详细探讨了容量结构、频率设定、工艺角选择等关键参数的配置要点与常见误区，并提供了从.lib/.lef文件转换到后端流程整合的实战指南，旨在帮助设计者生成面积、性能和功耗更优的存储单元。

weixin_29194255的博客 702

单片机毕设项目：基于 STM32 的定时声光语音提醒药盒 APP 联动系统 基于 STM32 单片机的压力传感智能取药设备设计（024308）

本文设计了一套基于 STM32 单片机的智能定时药盒系统，用于辅助用户规范服药。系统以 STM32F103C8T6 为主控，搭载 DS1302 时钟模块实现掉电保存定时时间，HX711 压力传感器采集药品重量数据，红外探头检测取药动作；系统通过舵机完成自动出药，搭配 CH7800 语音模块、蜂鸣器实现语音播报与声光提醒，OLED 屏幕展示时间、药品重量与设备状态。ESP8266 WiFi 模块完成设备与手机 APP 的数据通信，支持远程查看系统数据与设备控制。

2501_91703032的博客 134

2026年03月CCF-GESP编程能力等级认证Scratch图形化编程一级真题解析

本文收录于《，订阅后可阅读专栏内所有文章。

人生就是一个不断学习的过程 243

计算机单片机毕设实战-基于 STM32 单片机的红外感应舵机出药控制系统设计 基于 STM32 的多分类定时服药提醒系统设计与实现（024308）

本文设计了一套基于 STM32 单片机的智能定时药盒系统，用于辅助用户规范服药。系统以 STM32F103C8T6 为主控，搭载 DS1302 时钟模块实现掉电保存定时时间，HX711 压力传感器采集药品重量数据，红外探头检测取药动作；系统通过舵机完成自动出药，搭配 CH7800 语音模块、蜂鸣器实现语音播报与声光提醒，OLED 屏幕展示时间、药品重量与设备状态。ESP8266 WiFi 模块完成设备与手机 APP 的数据通信，支持远程查看系统数据与设备控制。

项目帮 145

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")

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

单片机毕设选题推荐：基于 STM32 与 ESP8266 的 WiFi 智能药盒监测系统 基于 STM32 单片机的多组定时舵机出药装置设计实现（024308）

本文设计了一套基于 STM32 单片机的智能定时药盒系统，用于辅助用户规范服药。系统以 STM32F103C8T6 为主控，搭载 DS1302 时钟模块实现掉电保存定时时间，HX711 压力传感器采集药品重量数据，红外探头检测取药动作；系统通过舵机完成自动出药，搭配 CH7800 语音模块、蜂鸣器实现语音播报与声光提醒，OLED 屏幕展示时间、药品重量与设备状态。ESP8266 WiFi 模块完成设备与手机 APP 的数据通信，支持远程查看系统数据与设备控制。

项目帮 144

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

【单片机毕业设计】基于 STM32 的 HX711 药品重量检测智能服药设备开发 基于 STM32 单片机的声光语音提醒智能药盒设计（024308）

本文设计了一套基于 STM32 单片机的智能定时药盒系统，用于辅助用户规范服药。系统以 STM32F103C8T6 为主控，搭载 DS1302 时钟模块实现掉电保存定时时间，HX711 压力传感器采集药品重量数据，红外探头检测取药动作；系统通过舵机完成自动出药，搭配 CH7800 语音模块、蜂鸣器实现语音播报与声光提醒，OLED 屏幕展示时间、药品重量与设备状态。ESP8266 WiFi 模块完成设备与手机 APP 的数据通信，支持远程查看系统数据与设备控制。

程序猿的博客 141

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

【单片机毕设案例分享】基于 STM32 的红外感应自动药仓开关系统设计 基于 STM32 的 CH7800 语音播报智能药盒开发

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。

QQ_2876970413的博客 171

单片机计算机毕设之基于 9g 舵机的自动分仓定时服药提醒装置开发 STM32 单片机 OLED 实时时间显示智能药盒设计（024302）

本文以居家人群规范化服药管理需求为研究核心，设计并实现一套基于 STM32F103C8T6 单片机的智能定时取药提醒控制系统。系统硬件搭载 OLED 显示屏、DS1302 实时时钟、E18-D80NK 红外探头、蜂鸣器与 9 克舵机，配套设置、增加、减小、退出四按键完成人机交互。软件层面实现实时时间可视化展示、四种药品分类存储、三组独立定时任务配置功能；定时时间到达后触发蜂鸣声光提醒，红外传感器实时检测用户取药行为，舵机按预设 60°/120°/180° 角度自动开启药仓，完成取药检测后舵机自动复位归零。

196

单片机毕设选题推荐：基于 STM32 的多分类药品定时发放控制系统设计 基于 STM32 的 HX711 药量采集智能提醒装置实现

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。

项目帮 151

单片机毕设选*题推荐：面向老年群体的 51 单片机智能定时分药系统设计 基于 STM32 舵机驱动的多时段自动开药盒控制系统（024202）

本课题以居家用药智能化管理需求为导向，设计一套基于 51 或 STM32 单片机的智能分药药盒监测控制系统。系统整合 HX711 压力传感器、DHT11 温湿度传感器、DS1302 实时时钟、红外接近传感器、9g 舵机、LCD1602 液晶、蜂鸣器等外设硬件，实现多维度药品环境与状态数据采集。系统支持四类药品分类存储、三组自定义服药定时任务，定时触发时舵机对应旋转 60°、120°、180° 开启药仓，红外传感器检测取药完成后舵机自动复位；实时采集药品重量，药量为零时蜂鸣器声光报警；

项目帮 68

单片机毕业设计-基于 STM32 单片机的多功能智能服药提醒器开发 基于 STM32 的红外感应式自动取药装置设计

针对慢性病人群服药易漏服、无法实时监测药品余量、缺少自动化给药辅助的现实问题，本文设计一套基于 STM32 单片机的智能定时药盒控制系统。系统以 STM32F103C8T6 为主控核心，搭载 DS1302 时钟芯片、HX711 压力传感器、红外感应探头、9g 舵机、OLED 显示屏与 CH7800 语音模块。系统可实现时间显示、三组服药定时设置、四类药品分类管理，通过压力传感器实时采集药品重量，药量不足时触发声光提醒与语音播报；定时时间到达后舵机开启药仓，红外传感器检测用户完成取药后自动关闭舵机。

我的个人博客：https://bishe666.top 188

【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

【单片机毕业设计】基于 STM32 的 OLED 显示定时储药监测系统设计 基于 STM32 的 DS1302 时钟智能服药提醒设备设计（024309）

本课题设计一款基于 STM32 的智能定时药盒监测与提醒系统，以 STM32F103C8T6 作为主控单元，集成 OLED 显示屏、DS1302 时钟模块、HX711 压力传感器、DHT11 温湿度传感器、红外探头、舵机、语音模块、蜂鸣器与 ECB01 蓝牙模块。系统可完成时间、药品重量、温湿度等数据的 OLED 实时显示，支持三组定时任务设置与 4 类药品分类管理，定时到达后舵机自动开启药仓；红外传感器检测用户取药动作后，舵机自动复位。

程序猿的博客 9

单片机毕业设计-搭载 DS1302 时钟的智能声光提醒取药设备设计 基于 OLED 显示的舵机式分药定时控制系统研究（024302）

本文以居家人群规范化服药管理需求为研究核心，设计并实现一套基于 STM32F103C8T6 单片机的智能定时取药提醒控制系统。系统硬件搭载 OLED 显示屏、DS1302 实时时钟、E18-D80NK 红外探头、蜂鸣器与 9 克舵机，配套设置、增加、减小、退出四按键完成人机交互。软件层面实现实时时间可视化展示、四种药品分类存储、三组独立定时任务配置功能；定时时间到达后触发蜂鸣声光提醒，红外传感器实时检测用户取药行为，舵机按预设 60°/120°/180° 角度自动开启药仓，完成取药检测后舵机自动复位归零。

我的个人博客：https://bishe666.top 84

【单片机课程设计/毕业设计】STM32 单片机 OLED 实时时间显示智能药盒设计 多时段定时声光预警红外感应储药控制系统（024302）

本文以居家人群规范化服药管理需求为研究核心，设计并实现一套基于 STM32F103C8T6 单片机的智能定时取药提醒控制系统。系统硬件搭载 OLED 显示屏、DS1302 实时时钟、E18-D80NK 红外探头、蜂鸣器与 9 克舵机，配套设置、增加、减小、退出四按键完成人机交互。软件层面实现实时时间可视化展示、四种药品分类存储、三组独立定时任务配置功能；定时时间到达后触发蜂鸣声光提醒，红外传感器实时检测用户取药行为，舵机按预设 60°/120°/180° 角度自动开启药仓，完成取药检测后舵机自动复位归零。

69

计算机单片机毕设实战-基于 STM32 的舵机控制自动出药智能药盒设计 基于 STM32 的红外感应取药声光语音提醒系统设计（024309）

本课题设计一款基于 STM32 的智能定时药盒监测与提醒系统，以 STM32F103C8T6 作为主控单元，集成 OLED 显示屏、DS1302 时钟模块、HX711 压力传感器、DHT11 温湿度传感器、红外探头、舵机、语音模块、蜂鸣器与 ECB01 蓝牙模块。系统可完成时间、药品重量、温湿度等数据的 OLED 实时显示，支持三组定时任务设置与 4 类药品分类管理，定时到达后舵机自动开启药仓；红外传感器检测用户取药动作后，舵机自动复位。

项目帮 13
上一篇： 【单片机毕业设计】具备舵机自动出药功能的智能服药提醒系统设计 单片机驱动的红外感应取药与远程短信提醒药盒设计（024206）
下一篇： 【单片机毕业设计】基于 STM32/51 单片机的实验室环境智能调节与蓝牙通信装置 基于 STM32/51 单片机的温湿度超限报警与自动调控系统设计（024406）
点赞 6
评论 0
书签 书签 5
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
 
表情包 插入表情
表情包 代码片
 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