顯示具有 YOLO AI 標籤的文章。 顯示所有文章
顯示具有 YOLO AI 標籤的文章。 顯示所有文章

2025年5月18日 星期日

MPU-9250 Register (AK8963)

 

🧠 MPU-9250 控制與數據暫存器

暫存器位址功能說明使用範例
MPU9250_ADDR0x68MPU-9250 的 I2C 裝置地址i2c.writeto(0x68, ...)
PWR_MGMT_10x6B電源管理:喚醒、選擇時鐘來源writeto_mem(0x68, 0x6B, b'\x00') 退出睡眠模式
ACCEL_CONFIG0x1C加速度計量程設定(±2g、4g、8g、16g)writeto_mem(0x1C, b'\x00') 設為 ±2g
GYRO_CONFIG0x1B陀螺儀量程設定(±250、500、1000、2000 dps)writeto_mem(0x1B, b'\x00') 設為 ±250 dps
ACCEL_XOUT_H0x3B加速度計 X/Y/Z 的高位元起始位址readfrom_mem(0x3B, 6) 取 6 bytes
GYRO_XOUT_H0x43陀螺儀 X/Y/Z 的高位元起始位址readfrom_mem(0x43, 6)

🔌 I2C Master 模式控制暫存器(用於驅動 AK8963)

暫存器位址功能說明
USER_CTRL0x6A控制是否啟用 I2C Master 模式
INT_PIN_CFG0x37啟用 BYPASS 模式(值設為 0x02 可讓 MCU 直接使用 AK8963)
I2C_MST_CTRL0x24設定 I2C master 時脈頻率
I2C_SLV0_ADDR0x25Slave 0 裝置地址(設為 AK8963 地址 0x0C)
I2C_SLV0_REG0x26要操作的 AK8963 暫存器位址
I2C_SLV0_CTRL0x27控制讀寫啟用與長度(如 0x81 表示讀 1 byte 並啟用)
EXT_SENS_DATA_000x49讀取外部感測器資料(如 AK8963)

🧲 AK8963(磁力計)相關暫存器

暫存器位址功能說明使用範例
AK8963_ADDR0x0C磁力計的 I2C 地址writeto(0x0C, ...)
AK8963_CNTL10x0A控制測量模式(0x16 為連續模式2,100Hz,16bit)
AK8963_XOUT_L0x03磁力資料起始位址(6 bytes)
AK8963_ST10x02狀態1:bit 0 表示資料準備完成
AK8963_ST20x09狀態2:bit 3 為溢位檢查
AK8963_WHO_AM_I0x00裝置 ID,應為 0x48

✅ 實用範例:讀取磁力計資料流程

[python]
# 1. 啟用 BYPASS 模式 i2c.writeto_mem(0x68, 0x6A, b'\x00') # USER_CTRL i2c.writeto_mem(0x68, 0x37, b'\x02') # INT_PIN_CFG # 2. 設定 AK8963 為連續量測 i2c.writeto_mem(0x0C, 0x0A, b'\x16') # CNTL1 = 0x16 (100Hz, 16bit) # 3. 讀取磁力資料 status = i2c.readfrom_mem(0x0C, 0x02, 1)[0] if status & 0x01: data = i2c.readfrom_mem(0x0C, 0x03, 6) mx, my, mz = struct.unpack('<hhh', data)

2025年4月20日 星期日

環境感測器 (Ambient Sensors) HAR

 環境感測器 (Ambient Sensors) 在人體活動辨識 (HAR) 的研究中扮演著重要的角色,它們能夠捕捉活動發生的環境背景資訊,從而輔助甚至獨立地辨識某些活動或行為。您列出了一些與環境感測器相關的硬體和可以感測的物理量:

硬體 (Hardware):

  • Internet: 網路本身並非感測器,但它是環境感測器數據傳輸和分析的重要基礎設施。感測器收集到的數據通常需要透過網路傳輸到雲端伺服器進行處理和分析。
  • Mini PC and Base Station:
    • Mini PC: 可以作為一個本地的數據處理單元,接收來自環境感測器的數據,進行初步的處理或聚合,然後再上傳到雲端。它也可以運行一些簡單的活動辨識模型。
    • Base Station: 通常指的是一個中心節點,用於接收來自多個無線感測器的數據。這些感測器可能使用不同的無線通訊協議(例如 Zigbee、Z-Wave、藍牙等)與基站進行通信。
  • Door Sensor (門感測器): 通常是磁簧開關或霍爾效應感測器,用於檢測門的開合狀態。這可以用於辨識進出房間、開關門等活動。
  • Infrared Sensor (紅外線感測器): 可以分為主動式和被動式。
    • 主動式紅外線感測器: 發射紅外線並檢測其反射,可以用於測量距離或檢測物體的移動。
    • 被動式紅外線感測器 (Passive Infrared, PIR): 檢測環境中物體發出的紅外線輻射變化,常用於運動檢測,例如感應人體的移動。
  • Pressure Sensor (壓力感測器): 可以測量施加在表面上的壓力。應用包括檢測是否有人坐在椅子上、躺在床上,或者安裝在地板上檢測行走等。

可以感測的物理量 (# 開頭):

  • #light (光線): 光線感測器可以測量環境的光照強度。這可以用於推斷一天中的時間、房間是否有人以及是否正在使用照明設備等。
  • #motion (運動): 運動感測器通常指的是被動式紅外線 (PIR) 感測器或微波感測器,用於檢測環境中物體的移動。這可以用於判斷房間是否有人活動。
  • #Door (門的狀態): 如前所述,門感測器可以檢測門的開合狀態,提供關於人員流動和空間使用的信息.
  • #Vibration (振動): 振動感測器可以檢測物體的振動。這可以用於辨識某些活動,例如敲門、走路(地板振動)、機器運轉等。
  • #pressure (壓力): 壓力感測器可以測量施加在特定區域的力,用於檢測物體的存在、重量或活動,例如坐在椅子上、踩踏地板等。

將這些環境感測器收集到的數據與穿戴式感測器(例如 IMU)的數據相結合,可以更全面地理解使用者的活動和所處的環境。例如,即使穿戴式感測器只記錄到使用者靜止不動,但如果門感測器顯示門被打開,且光線感測器顯示光線變化,則可以推斷使用者可能離開了房間。

在 HAR 研究中,環境感測器的優點在於它們通常是非侵入式的,不需要使用者佩戴任何設備,並且可以提供關於活動發生環境的重要上下文信息。然而,它們的缺點是只能間接地推斷使用者的活動,並且部署和維護可能需要一定的基礎設施。

研究人員在設計 HAR 系統時,需要根據具體的應用場景和想要辨識的活動種類,仔細考慮使用哪些環境感測器以及如何有效地整合它們的數據。

2025年1月7日 星期二

有關 yolob8 進行 訓練圖形 標記工具有哪些推荐

 在使用 YOLOv8 進行訓練時,選擇合適的圖形標記工具是至關重要的。以下是一些常用的標記工具,適合用於 YOLOv8 的圖像標註:

常用標記工具

  1. LabelImg
    • 一款開源的圖像標註工具,支持 YOLO 格式的標註。
    • 用戶可以輕鬆地為每個目標物體繪製矩形框並指定類別。
    • 標註結果通常以 XML 格式保存。
  2. CVAT (Computer Vision Annotation Tool)
    • 由 Intel 開發的一個強大的標註工具,支持多種標註格式,包括 YOLO。
    • 提供多邊形、矩形框等多種標註方式,適合複雜場景的標註需求。
    • 支持團隊協作和自動化標註功能。
  3. Roboflow
    • 一個在線平台,提供圖像上傳、標註和數據集管理功能。
    • 用戶可以輕鬆創建項目並使用內建的標註工具進行邊界框或多邊形標註。
    • 支持自動化標註助手,可以加速標註過程。
  4. VGG Image Annotator (VIA)
    • 一款輕量級的網頁應用程序,無需安裝即可使用。
    • 支持矩形框、多邊形等多種標註形式,並能導出多種格式。
  5. MakeSense.ai
    • 一個免費的在線圖像標註工具,無需登錄即可使用。
    • 提供直觀的界面,用戶可以快速為圖像添加標籤和邊界框。

標記流程概述

在選擇合適的工具後,通常的標記流程如下:
  1. 收集數據:從網絡、公開數據集或自拍攝影收集相關圖像。
  2. 導入圖像:將收集到的圖像導入所選擇的標記工具中。
  3. 進行標註:使用工具提供的功能為每個目標物體添加矩形框或其他類型的標註,並指定類別。
  4. 保存和導出:將完成的標註保存為 YOLO 所需格式(例如 .txt 文件),以便後續使用。
這些工具能夠幫助用戶高效地完成圖像數據集的標註工作,為 YOLOv8 的模型訓練打下良好的基礎。


推薦的標註工具

  1. X-AnyLabeling
    • 這是一款功能強大的標註工具,支持 YOLOv8 的旋轉目標檢測。
    • 提供多種標註模式,包括矩形、旋轉框和多邊形等,並支持自動切換編輯模式。
    • 支持一鍵導入和導出多種格式,包括 YOLO 格式,方便用戶快速集成到工作流程中【1】。
  2. LabelImg
    • 一個非常流行的開源圖像標註工具,簡單易用,適合初學者。
    • 支持矩形框標註,可以將標註結果保存為 YOLO 格式的 TXT 文件,非常適合用於 YOLOv8 訓練【2】【3】。
  3. CVAT (Computer Vision Annotation Tool)
    • 由 Intel 開發的開源工具,功能強大,支持多種標註類型,包括矩形、線條和多邊形等。
    • 支持多人協作,非常適合大型數據集的標註工作【2】【3】。
  4. MakeSense.ai
    • 一個免費的在線標註工具,無需登錄即可使用。
    • 提供直觀的界面,用戶可以快速為圖像添加邊界框和類別,並支持導出為 YOLO 格式【3】。
  5. LabelMe
    • 由麻省理工學院開發的一款著名標註工具,支持多種標註方式,包括矩形框和多邊形。
    • 雖然不支持多人協作,但對於小型項目來說非常實用,可以導出為 VOC 和 COCO 格式【2】【4】。
  6. VGG Image Annotator (VIA)
    • 一個簡單易用的網頁應用程序,可以手動標註圖像、音頻和視頻。
    • 支持多種標註形式,包括包圍框和多邊形,並能導出 CSV 和 JSON 格式【2】。

總結

這些工具各有優勢,可以根據項目的需求選擇合適的工具來進行圖像標註。無論是針對小型項目的簡單工具還是大型項目的協作平台,都能找到合適的解決方案,以支持 YOLOv8 的模型訓練。