Author Image

Hi, 欢迎来到 朴玉

朴玉工作室

一个致力于嵌入式软硬件开发的工作室

本工作室聚焦于嵌入式系统的软硬件开发,具有多个成功案例。

本工作室同时具有全栈开发能力。在嵌入式软件开发之外,本工作室还具有网站、桌面应用、移动应用开发能力。所以,在构建一个复杂的系统上,我们更具有优势。例如,在红外测温模块项目中,我们同时完成了测温模块软硬件、校准设备软硬件、校准桌面应用和校准服务器软件的开发。

本工作室由数位经验丰富的工程师组成。他们的平均从业时间超过20年。

Leadership
Team Work
Communication
Fast Learner
Hard Working
Problem Solving

专业特长

成功案例

红外测温模块

自主设计的红外测温算法,提供更高的测温精度,更宽的测温范围。

采用业内头部的SOC芯片,产品具有相当的成本优势。

从软硬件上实现了整个校准流程,能够高效地实现对模块的校准。

提供基于STM32和8051上的例程,便于快速学习导入。

低频系响应分析仪

系统响应分析仪又称频率响应分析仪或波特仪。通过这类仪器,可以测得硬件系统的频率响应曲线,也就得知硬件系统的稳定性。

在本项目中,我们针对被测系统中存在的高干扰,采用STM32F407和Python开发了低频系响应分析仪。

该仪器与常见的分析仪(例如bode100)比,具有更高的零敏度和准确度。

足印英语

《足印英语》是一款学习英语的微信小程序。

在本项目中,我们在前端采用H5实现小程序的开发;在后端采用Python+Flask开发,并使用Docker进行项目部署。这是一个全栈项目。

在这个项目中,我们使用了pyTorch实现了对用户复读效果的评分功能,提高了用户的交互性。 在实际应用中,这个小程序的英语学习效果非常好。

最新文章

Card image cap
红外测温模块

elim 演示视频 市场常见测温方式 温度测量根据传感器和被测物体关系分为接触式和非接触式。 接触式测温是指测温传感器与被测物体直接接触,待两者达到热平衡后,测温传感器测量出的温度即为被测物体的温度。由于这种测量方式需等待热平衡完成,所以此种测量方式存在响应时间长,且极易受环境温度的影响的问题。 非接触式则是指测温传感器与被测物体不直接接触,测温传感器通过测量温度之外的物理量间接的测量出被测物体的温度。由于此种测量方式不需进行热平衡,所以后种方式具有响应速度快、测温范围广、稳定性好等特点。 红外测温的问题 红外测温是非接触测温中最常见的测温方式。与其它非接触式测温方式一样,它也有响应速度快,测温范围广、稳定性好等优点。但是这种测温方式也不完美。这种测温方式很难同时兼顾测温范围和精度。 目前应用中,常见的红外测温设备分为两类。一类是侧重于精度的测量设备。它们的特点是精度比较高,但是测温范围比较窄。这类设备通常用于体温的测量,例如耳温枪、额温枪等。 另一类是侧重于范围的测量设备。它们的特点是测温范围比较宽,但是精度比较低。这类设备通常用于工程、工业中的非精确测量,例如红外测温仪。 目前市场中尚不存在高精度,宽测温范围的红外测温设备。 我们的突破 AI核心算法 红外测温利用的原理是:任何在绝对温度之上的物体都在发射红外辐射,而且红外辐射的强度与温度相关,所以可以根据红外辐射强度与温度的关系计算出温度。在实际的温度计算中,两者的关系不是线性的,只能用一定的算法进行近似计算。这个近似计算的算法是整个红外温度测量的核心,它对测温的精度和范围有关键的影响。 我们对上面提到的强度到温度的算法进行了重新的设计,抛弃了传统的折线近似算法,开发了颠覆性的AI算法。在开发AI算法的过程中,我们先采用Tensorflow平台将传感器的VT表(电压温度转换表)转换为一个AI模型和与之匹配的张量;再将该模型和张量移植到目标平台中。最终实验数据表明,此算法能够大幅提高温度测量的精度。 新一代校准 另外一个影响红外测温精度的方面是校准。我们也在这个方面做了颠覆性的改变。 在传统的校准过程中,校准数据的计算均在红外测温设备上完成。这种方式的缺点: 一致性差 校准过程就是在标准环境下比较测量值与标准值并根据此两者差异决定如何补偿的过程。由于各种干扰的存在,每一次的测量值都不尽相同。如果不对测量中干扰导致的噪声和异常进行处理,直接使用测量值计算校准参数,必会导致校准结果存在一致性的问题。 红外测温设备作为嵌入式设备,存储和计算能力都不足,无法有效的处理噪声和干扰。也就说,传统的校准方式无法解决一致性的问题。 校准效果不理想 因为红外温度传感器的误差函数为曲线,而非直线,所以最好采用曲线拟合的方式进行校准。但是受限于红外测温设备上的计算能力和数据存储空间限制,校准功能无法采用曲线拟合的方式实现,只能采用直线拟合的方式。这就导致了校准结果只适用于比较小的测量范围,如果测温范围较大,校准效果就会不理想。 为了解决传统校准方式的缺点,我们开发了新一代的校准方案。在这个方案中,我们开发了专业的校准软件,将校准参数的计算由红外测温设备转移到计算机上,以充分利用了计算机强大的计算能力达到更好的校准结果。同时,我们也使用AI技术更新了红外测温设备中的校准算法。这个方案的优点: 一致性高 在这个方案中,由于校准点的测量结果保存在校准软件中,而不是模块内部,所以校准点的数量和读取次数不受限制。所以这个方案可以通过加多次测量多个校准点和AI技术有效地过滤掉异常数据和噪声,从而提高了一致性。 理想的校准效果 这个方案抛弃了原始的直线拟合的校准方式,引入了全新的向量校准方式。在这种向量校准方式中,校准结果是由AI模型计算出,模型数据则由校准软件通过Tensorflow计算校准点的测量值算出。这个模型数据就是校准参数。 由于AI模型可以更好的拟合曲线,所以这种校准方式能在更大的范围对误差进行补偿,其校准结果也就更加理想。 校准系统的详细介绍在这里。 优良的硬件 再一个影响红外测温精度的方面是硬件基础。硬件基础是所有实现的基石。我们为此做了两方面的保证。 一是我们在硬件上ADC(模数转换)的选择。由于红外温度传感器输出电压的变化非常的小,每0.01℃的温度变化对应的电压变化仅为0.002毫伏,所以我们选用了业内知名的ADC。它具有低温漂,高精度(其分辨率达到了0.001毫伏)的优点。 二是我们在测温电路里面全部采用高精度低温漂的无源器件,而非基于成本考量,采用普通规格元件。 由于AI核心算法、新一代校准技术和优良的硬件这三个方面的改进,我们最终实现了宽温域,高精度的红外测温模块。 产品及服务 标准产品 目前,我们开发了两款红外测温模块。低温红外测温模块Elim01L适用于0-100°C的测温场景。它的测量误差仅为0.05℃,远超市场上绝大多数红外体温测量设备的0.1℃误差的标准。 高温红外测温模块Elim01H则适用于0-600°C的测温场景。它的测量误差为0.5℃,在精度上也远超市场上绝大多数红外测温设备。 高度可定制 在两款标品之外,我们还可以针对客户的需求进行定制,例如更换特定的红外镜头、指定特定的测温范围和精度。在定制产品中,我们可以实现最高精度达0.01℃的标准。 全面的技术支持 由于掌握了红外温度测量的每个技术细节,我们能够为客户提供全面的技术支持,无论是软硬件调试还是应用场景,均能协助客户解决遇到的问题。 为便于客户迅速开发, 我们开源了与此模块配套的Demo板和其软件(请参见“相关链接”)资料。使用这套软硬件,客户可以迅速掌握模块的使用并对其应用进行验证。 功能规格 尺寸:25x30.5x22.5(带不锈钢套),25x30.5x8(不带不锈钢套) 电压:3.3V 电流:<5mA(工作) <50nA(休眠) 输出接口:IIC或uart 被测温度范围:-0 ~ 600 °C 工作温度:-20 ~ 85 °C 使用注意事项 在实际的红外测温应用中,由于红外测温技术特点,有几点需要注意的: 由于此类传感器使基于光学的(红外光),测得的温度为视场内的平均温度。所以在使用时需要确保视场内只有被测物体。 理论上所有的物体都会发射红外辐射,但是每类物体发射红外辐射的能力不一样。这种能力,被称为红外发射率。在进行红外测温之前,需要正确的设置红外发射率。 物体除本身发射红外辐射外,也会反射周围的红外辐射,特别是光滑的物体,例如抛光后不锈钢表面等。所以在使用时需要注意反射问题。这个问题常规解决办法是在光滑的物体之上覆盖一层低反射率的物体,例如电工胶带等。 红外辐射在大气中的传播会有衰减。所以在测量距离比较远的时候,需要考虑衰减因素。 相关链接 ElimDesktop,一款用于实时显示Elim模块测得的温度的桌面软件。 《Elim高精度红外测温模块说明》, 模块说明书。 Elim DemoBoard,Demo板的固件。Demo板采用We Act的Stm32F411核心板作为中控核心板,通过I2C接口与Elim模块通讯,同时通过USB,将自己定义成USB串口设备与ElimDesktop通信。