【BQ3568HM开发板】示例程序测试

目录

引言

示例测试

设备连接

运行Hello world示例

安装LED示例

结语


本文首发于电子发烧友论坛:https://bbs.elecfans.com/jishu_2474304_1_1.html

引言

很荣幸入选了“电子发烧友”的贝启科技BQ3568HM开源鸿蒙开发板评测活动,今天先测试一下官方示例程序。

示例测试

设备连接

使用USB线将开发板连接到电脑上,在命令行运行hdc list targets -v命令查看设备状态,得到如下内容:

G:\HUAWEI\OpenHarmony\Sdk\11\toolchains>hdc list targets -v
150100414a54443452063df492a27a00                USB     Connected       localhost       hdc
COM1            UART    Ready           hdc

运行Hello world示例

在官方提供的示例中,有一个是Hello word示例,即bq_hello.hap。可以执行命令hdc install C:\Users\Administrator\Downloads\bq_hello.hap直接安装该程序,这时桌面会出现一个叫“label”的图标。点击该图标,会显示“Hello World”字样。

image.png

安装LED示例

官方还提供了一个控制LED灯的示例:bq_led.hap。安装该示例时产生如下错误:

G:\HUAWEI\OpenHarmony\Sdk\11\toolchains>hdc install C:\Users\Administrator\Downloads\bq_led.hap
[Info]App install path:C:\Users\Administrator\Downloads\bq_led.hap, queuesize:0, msg:error: failed to install bundle. code:9568347 error: install parse native so failed.
AppMod finish

产生该错误是由于设备支持的Abi类型与C++工程中配置的Abi类型不匹配。执行hdc shell param get const.product.cpu.abilist命令得到该开发板的属性值为default。

在shell中执行如下命令:

# cd /system/
# ls
app  bin  etc  fonts  lib  profile  usr

可以看出该开发板没有lib64目录,则程序中的“abiFilters”参数中需要至少包含armeabi/armeabi-v7a中的一个类型。也就是说虽然该开发板是一个64位的ARM开发板,但是安装的OpenHarmony是32位的ARM版本。

而使用压缩软件打开bq_led.hap包,发现该软件采用的abiFilters是arm64-v8a,也就是说是64位的ARM应用,所以会出现上面的错误。

1737444663406.png

要解决这个问题,要么修改程序的“abiFilters”参数,使其增加32位ARM的支持,要么重新编译操作系统,安装64位的镜像文件。

结语

纯ArkTs的程序目前没有遇到什么问题,而包括C++代码的程序确实有些不匹配的地方。后面会继续测试。

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

神一样的老师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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