qzc0927
- 2025-03-25
-
回复了主题帖： 测评入围名单： 国民技术高性能MCU N32H487开发板
个人信息无误，确认可以完成测评分享计划
- 2025-03-17
-
回复了主题帖： 【MCXA156开发板测评】学习笔记08（低功耗测试性能补充)
Jacktang 发表于 2025-3-16 09:13 低功耗测试性能补充比较认真，测到了功耗低到2.1uA 感觉还是很适合做低功耗的产品的
- 2025-03-14
-
发表了主题帖： 【MCXA156开发板测评】学习笔记08（低功耗测试性能补充)
针对这个低功耗问题的补充： https://bbs.eeworld.com.cn/thread-1304418-1-1.html 前面已经进行代码说明： ## 低功耗测试补充 当程序运行时，测试功耗为7ma左右：   切换到睡眠模式。实测为1.67mA；  切换到深度睡眠模式,实测为30uA;  切换到关机模式，实测为29uA；  切换到深度下电模式，功耗低到2.1uA。貌似不错；  深度下电模式的功耗已经是非常低，还是比较适合做低功耗的相关产品
-
回复了主题帖： 嵌入式Rust修炼营入围名单来啦，一起度过嵌入式Rust学习时光的小伙伴集合啦~
个人信息无误
- 2025-02-25
-
回复了主题帖： 嵌入式Rust修炼营：动手写串口烧录工具和MCU例程，Rust达人Hunter直播带你入门Rust
-参与理由&个人编程基础： 从事嵌入式软件开发，已在本群多次测评相关开发板，这次想学习下使用Rust开发； -查看修炼任务和活动时间表，预估可以跟着完成几级任务（初级、中级、高级）： 本人根据修炼任务和活动时间表，预估可以跟着完成初级、中级、高级任务。 -如探索过Rust，请说明Rust学习过程遇到难点，希望在参与活动中收获什么？ 本人在前期了解到，Rust性能和C/C++相当，Rust学习难点：所有权机制、生命周期管理、严格借用检查器带来初期理解障碍。活动期待：深入掌握内存安全设计，提升异步编程实战能力，积累高性能系统开发经验
- 2025-02-24
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记09（串口屏应用开发）
秦天qintian0303 发表于 2025-2-24 08:20 浪费了，树莓派直接自己写高清屏多爽 下一期，慢慢来，用LVGL
- 2025-02-23
-
发表了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记09（串口屏应用开发）
手头有一款闲置串口屏，其型号为，是一款7寸800\*480分辨率的电容触摸屏。这款屏幕是支持6~36V供电的，自带3个串口输出，分别是UART2，UART4。其中UART2和UART4是[RS232](http://mp.weixin.qq.com/s?__biz=MjM5OTQ3NjQ1MQ==&mid=2647663764&idx=2&sn=5243f78beb8873d0769e095e83ff9b94&chksm=bf1e69188869e00e2df0affc59a029289b826037397aba0aa1a0d63ff9df5a113ad46070c66f&scene=21#wechat_redirect)接口的，UART2也作为系统默认的调试串口；   参数信息：  结合树莓派5进行应用开发： ## 概述 在物联网（IoT）应用中，传感器数据的采集和显示是常见的任务。本文将介绍如何使用树莓派5获取温湿度数据并将其通过迪文串口屏实时显示。通过DHT22温湿度传感器获取环境温湿度数据，每隔3秒将数据上传并通过串口屏展示。本项目不仅展示了如何与DHT22传感器交互，还涵盖了如何通过串口通信与外部设备进行数据传输。 ## 硬件设计 ### 1. 树莓派5 树莓派5是一款强大的单板计算机，提供了丰富的GPIO接口，用于连接传感器、外设等。在本项目中，树莓派5将作为主控制器，负责获取传感器数据并通过串口将数据发送给外部设备。 ### 2. DHT22温湿度传感器 DHT22是一款常见的温湿度传感器，它通过数字信号提供温度和湿度数据。在本项目中，DHT22传感器连接到树莓派的GPIO 4号引脚，用于实时采集环境的温湿度信息。 ### 3. 迪文串口屏 迪文串口屏是一款支持串口通信的LCD屏幕，可以接收来自树莓派的串口数据并显示。这种屏幕广泛用于嵌入式开发中，具有简洁易用的特点。在本项目中，它将用来实时显示温湿度数据，确保用户可以轻松查看环境信息。 ## 软件设计 ### 1. Python环境搭建 首先，我们需要在树莓派上安装Python环境和所需的库。使用Python来与DHT22传感器进行交互，并通过串口发送数据到迪文串口屏。以下是所需安装的Python库： ```python pip install Adafruit_DHT pyserial ``` - **Adafruit_DHT**：用于与DHT22传感器进行通信，读取温湿度数据。 - **pyserial**：用于与串口屏进行通信，发送数据。 ### 2. Python代码解析 下面是Python代码的核心部分： ```python python复制编辑import time import Adafruit_DHT import serial # DHT22 传感器设置 DHT_SENSOR = Adafruit_DHT.DHT22 DHT_PIN = 4 # 连接到 GPIO 4 # 串口设置 SERIAL_PORT = '/dev/ttyS0' # 根据你的串口屏设置修改 BAUD_RATE = 9600 # 初始化串口 ser = serial.Serial(SERIAL_PORT, BAUD_RATE) try: while True: # 获取温湿度数据 humidity, temperature = Adafruit_DHT.read_retry(DHT_SENSOR, DHT_PIN) # 检查数据是否有效 if humidity is not None and temperature is not None: # 分别格式化数据并发送 temp_data = "T:{:.1f}\n".format(temperature) hum_data = "H:{:.1f}\n".format(humidity) # 打印到控制台 print(temp_data.strip()) print(hum_data.strip()) # 发送数据到串口屏 ser.write(temp_data.encode('utf-8')) time.sleep(1) # 确保发送间隔 ser.write(hum_data.encode('utf-8')) else: print("获取数据失败，正在重试...") time.sleep(3) # 每 3 秒获取一次数据 except KeyboardInterrupt: print("程序中断，关闭串口...") finally: ser.close() # 关闭串口 ``` #### 代码解析 - **DHT22读取数据**：使用`Adafruit_DHT.read_retry()`方法获取温湿度数据。如果数据成功读取，则返回温度和湿度值；否则返回`None`，并会自动重试。 - **串口通信**：通过`pyserial`库初始化串口，配置正确的串口号（`/dev/ttyS0`）和波特率（9600）。每次获取到数据后，格式化为字符串并发送到串口屏。 - **数据上传间隔**：每3秒获取一次温湿度数据，并通过串口屏显示，确保数据展示实时更新。 ### 3. 串口屏显示 串口屏通过接收到的数据进行显示。在本项目中，每次树莓派发送的数据格式为： - 温度数据：`T:温度值` - 湿度数据：`H:湿度值` 例如，当温度为22.5°C，湿度为60.1%时，串口屏会显示：  ## 结果描述 在测试过程中，树莓派成功读取到DHT22传感器的数据，并通过串口将数据传输到迪文串口屏。每隔3秒，屏幕上会实时更新温度和湿度信息，确保用户能够随时查看环境的变化。 - **温度数据**：显示为“`T:22”，表示当前环境的温度。 - **湿度数据**：显示为“`H:60`”，表示当前环境的湿度。 通过串口屏的显示，用户可以轻松监控环境的温湿度变化，数据准确、实时。 ## 总结 本文介绍了如何使用树莓派5与DHT22传感器配合，采集温湿度数据并通过串口屏进行显示。通过Python代码，树莓派能够每3秒采集一次数据并将其通过串口上传到显示屏。这一项目展示了树莓派与传感器及外部显示设备的集成应用，具有较高的实际应用价值，适用于环境监控、智能家居等场景。 未来可以进一步优化此系统，例如加入数据存储、异常报警等功能，进一步提升系统的智能化水平。
- 2025-02-22
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记08（部署YOLOv5进行目标检测）
waterman 发表于 2025-2-22 18:09 推理过程耗时快0.5秒了，如果视频流推理的话会不会很卡？树莓派能部署量化后的模型吗？量化模型推理应该会 ... 会的，还有很多没测试，后续有空后再好好搞
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记08（部署YOLOv5进行目标检测）
秦天qintian0303 发表于 2025-2-22 14:15 YOLOv5模型是已经训练好的模型还是那种比较通用的模型？ 算是通用的模型，自己还没训练，后续再好好玩
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记08（部署YOLOv5进行目标检测）
eew_Eu6WaC 发表于 2025-2-22 13:53 树莓派还是挺好用的，YOLOv5模型的识别的准确度咋样呢？ 当前摄像头精确度还是弱了点，后续还要优化
-
发表了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记08（部署YOLOv5进行目标检测）
随着物体检测技术的不断发展，YOLOv5（You Only Look Once version 5）作为一种高效、快速的物体检测模型，广泛应用于实时物体识别任务。树莓派5凭借其较高的性价比和较强的计算能力，成为了嵌入式设备中理想的物体检测平台。本文将介绍如何在树莓派5上部署YOLOv5模型，完成物体检测任务。我们将从YOLOv5概述、部署方案、硬件设计、软件设计、测试方案等方面进行详细讨论。 ### 1. YOLOv5概述 YOLOv5是由Ultralytics开发的最新一代物体检测模型，它是YOLO（You Only Look Once）系列的第五个版本。与前几代YOLO模型相比，YOLOv5在速度、精度和易用性上都有显著提升。YOLOv5采用了深度学习中的卷积神经网络（CNN）架构，能够从图片中实时检测多个物体。 YOLOv5模型的主要优势包括： - **实时性**：可以在较低的延迟下进行物体检测，适合嵌入式设备。 - **高精度**：对于常见物体，如人、车、动物等，检测效果非常准确。 - **易于训练和部署**：Ultralytics提供了简便的API和训练框架，支持自定义数据集和预训练模型。 ### 2. 部署方案 YOLOv5的部署方案需要考虑以下几个方面：硬件设计、软件环境配置和模型的优化。树莓派5是一款性价比高的单板计算机，能够胜任小型物体检测任务，支持Python环境和深度学习库（如PyTorch）。部署方案可以概括为以下几个步骤： 1. **硬件选型**：选择树莓派5作为硬件平台，并配备适量的内存和存储。 2. **操作系统配置**：在树莓派5上安装Raspberry Pi OS，确保支持Python环境、PyTorch和其他依赖库。 3. **模型优化**：根据树莓派的计算能力，使用YOLOv5小型模型（如YOLOv5n）进行部署，以确保推理速度和效率。 ### 3. 硬件设计 为了实现YOLOv5的高效部署，树莓派5的硬件设计需满足以下要求： - **处理器**：树莓派5采用四核ARM Cortex-A72 CPU，具有较强的计算能力，能够运行YOLOv5模型。 - **内存**：4GB或8GB RAM，以确保足够的内存空间进行数据处理和模型推理。 - **存储**：使用较大的MicroSD卡（32GB或更大），用来存储操作系统、模型和数据。 - **接口**：通过USB或其他方式连接摄像头进行实时数据采集，或使用本地图片进行检测。 ### 4. 软件设计 在树莓派5上部署YOLOv5的关键软件组件包括操作系统、Python环境、PyTorch框架、YOLOv5模型及其依赖。具体步骤如下： 1. **操作系统安装**： - 安装Raspberry Pi OS。 - 通过树莓派的终端进行基本设置，如网络连接、SSH启用等。 2. **Python环境配置**： - 安装Python 3.7以上版本。 - 安装必要的Python库： ``` bash复制编辑sudo apt-get update sudo apt-get install python3-pip pip3 install torch torchvision pip3 install matplotlib pillow ``` 3. **YOLOv5部署**： - 下载并加载YOLOv5模型： ``` python复制编辑import torch from pathlib import Path from PIL import Image # 加载YOLOv5模型 model = torch.hub.load('ultralytics/yolov5', 'custom', path='yolov5n.pt') # 这里yolov5n.pt是你的模型路径 # 读取图片 img_path = 'test.jpg' # 本地图片路径 img = Image.open(img_path) # 进行推理 results = model(img) # 输出检测结果 results.print() # 打印检测结果 results.show() # 显示检测的图片 results.save(Path('output/')) # 将结果保存到output文件夹 ``` 4. **图像采集与预处理**： - 通过树莓派的摄像头模块采集图像。 - 在YOLOv5推理前，对图像进行尺寸调整和颜色空间转换等预处理。 ### 5. 测试结果  这是YOLOv5模型执行推理后的输出信息，具体解读如下： 1. **YOLOv5n summary: 213 layers, 1867405 parameters, 0 gradients, 4.5 GFLOPs** - **213 layers**：模型包含213层。 - **1867405 parameters**：模型有1867405个参数（即可训练的权重）。 - **0 gradients**：没有梯度（通常在推理模式下不会计算梯度，因为推理时不进行反向传播）。 - **4.5 GFLOPs**：模型在执行推理时，每秒大约执行4.5亿次浮点运算（Giga FLOPs）。 2. **Adding AutoShape...** - 这表示模型在推理前应用了 `AutoShape`，这通常是YOLOv5的预处理步骤，用于自动调整输入图像的大小，确保它们符合模型要求。 3. **image 1/1: 640x640 (no detections)** - 这是处理的图像信息。模型处理了一张大小为640x640的图像。 - **(no detections)**：没有检测到任何物体。这意味着模型未能在这张图片中识别出任何目标。 4. **Speed: 13.8ms pre-process, 469.9ms inference, 2.3ms NMS per image at shape (1, 3, 640, 640)** - **13.8ms pre-process**：图像预处理耗时13.8毫秒。 - **469.9ms inference**：推理过程耗时469.9毫秒（即模型进行物体识别的时间）。 - **2.3ms NMS**：非极大值抑制（NMS，Non-Maximum Suppression）耗时2.3毫秒，这是用来过滤重叠框的后处理步骤。 - **shape (1, 3, 640, 640)**：输入的图像尺寸是 `(1, 3, 640, 640)`，其中 `1` 表示图像的批量大小（batch size），`3` 表示RGB三个通道，`640x640`是图像的分辨率。 5. **Saved 1 image to runs/detect/exp2** - 这表明YOLOv5已将处理后的图像保存到文件夹 `runs/detect/exp2` 中，可能包含了标注的检测结果或原始图像。 ### 6. 总结 本文详细介绍了如何在树莓派5上部署YOLOv5模型进行物体检测。通过合理的硬件设计、软件配置和优化方案，我们可以利用树莓派5的计算能力来实现高效的物体检测任务。YOLOv5作为一个高效的物体检测框架，能够在嵌入式平台上完成快速、精准的物体识别工作。通过合理的测试方案，我们确保了部署过程的顺利进行，并验证了YOLOv5在树莓派5上的性能。
- 2025-02-19
-
发表了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记07（垃圾分类模型训练与推理）
## 1. 引言 垃圾分类是近年来备受关注的话题，而图像识别技术可以有效地帮助实现自动化垃圾分类。本文将介绍如何使用树莓派 5（Raspberry Pi 5）和 PyTorch 框架，构建一个基于深度学习的垃圾分类模型，并在实际场景中应用图像识别进行垃圾分类。 我们将使用预训练的 ResNet18 模型，进行微调（fine-tuning），然后训练垃圾分类模型。训练完成后，用户可以通过上传图片来进行推理，模型会预测图像中的垃圾类别。 ## 2. 环境准备 ### 2.1 硬件要求 - **树莓派 5（Raspberry Pi 5）** - **摄像头（可选，用于实时拍摄图像）** - **外部存储（SD卡或USB驱动器，用于存储训练数据和模型）** - **显示器、键盘和鼠标** ### 2.2 软件要求 - **Raspberry Pi OS（树莓派操作系统）** - **Python 3** - **PyTorch**：深度学习框架，用于训练和推理。 - **OpenCV**：用于图像处理（可选） - **torchvision**：包含预训练模型和数据集的库 ### 2.3 安装必要的库 ```python pip install torch torchvision Pillow ``` ## 3. 项目结构 项目包含以下主要部分： - **数据预处理与加载**：将图像数据转换为模型可接受的格式。 - **模型定义与训练**：使用预训练的 ResNet18 模型进行微调。 - **推理功能**：加载训练好的模型并对新的图像进行分类。 训练垃圾数据集：  验证数据集：  每个文件夹就是各类垃圾类型，比如：  ## 4. 代码实现 ### 4.1 数据预处理与加载 首先，使用 `torchvision` 提供的 `ImageFolder` 类加载训练和测试数据。数据会经过处理，缩放为 224x224 的大小，并归一化到 ImageNet 的标准值。 ```python # 数据预处理 transform = transforms.Compose([ transforms.Resize((224, 224)), # 调整图像大小 transforms.ToTensor(), # 将图像转换为 Tensor 格式 transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), # 归一化 ]) # 加载训练和测试数据 train_dataset = datasets.ImageFolder(root='/home/admin/Pictures/soft/data/train', transform=transform) # 训练集 test_dataset = datasets.ImageFolder(root='/home/admin/Pictures/soft/data/test', transform=transform) # 测试集 # 创建数据加载器 train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True) # 训练数据加载器 test_loader = DataLoader(test_dataset, batch_size=32, shuffle=False) # 测试数据加载器 ``` ### 4.2 模型定义与训练 我们使用预训练的 ResNet18 模型，并调整最后的全连接层，使其适应我们的垃圾分类任务（类别数等于垃圾种类的数量）。 ```python # 使用预训练的ResNet18 model = models.resnet18(pretrained=True) # 加载预训练模型 model.fc = nn.Linear(model.fc.in_features, len(train_dataset.classes)) # 修改输出层为垃圾分类的类别数 ``` 我们使用 **Adam 优化器** 和 **交叉熵损失函数** 来训练模型。 ```python # 使用 GPU 或 CPU device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = model.to(device) # 定义损失函数和优化器 criterion = nn.CrossEntropyLoss() # 交叉熵损失函数 optimizer = optim.Adam(model.parameters(), lr=0.001) # Adam 优化器 ``` ### 4.3 训练过程与早停机制 为了防止过拟合，我们使用早停机制。当连续多个 epoch 准确率没有提高时，停止训练。此外，若准确率达到 90%，也会提前停止。 ``` python复制编辑# 训练模型 def train_model(): best_accuracy = 0.0 # 记录最佳准确率 no_improvement_count = 0 # 连续未改善次数 for epoch in range(10): # 最大训练 10 个 epoch model.train() running_loss = 0.0 correct = 0 total = 0 for inputs, labels in train_loader: inputs, labels = inputs.to(device), labels.to(device) optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() epoch_loss = running_loss / len(train_loader) epoch_accuracy = 100 * correct / total print(f"Epoch {epoch+1}, Loss: {epoch_loss:.4f}, Accuracy: {epoch_accuracy:.2f}%") if epoch_accuracy > best_accuracy: best_accuracy = epoch_accuracy no_improvement_count = 0 # 重置未改善计数 else: no_improvement_count += 1 print(f"No improvement in accuracy for {no_improvement_count} epochs.") if no_improvement_count >= 5: print("Stopping early due to no improvement in the last 5 epochs.") break if epoch_accuracy >= 90: print("Stopping early as accuracy reached 90%.") break # 保存模型 torch.save(model.state_dict(), "garbage_classifier.pth") print("Model saved as 'garbage_classifier.pth'") ``` 训练结果：  ### 4.4 推理过程 训练完成后，模型可以加载并用于推理。通过 `infer_image` 函数，我们可以对新上传的图像进行垃圾分类预测。 ``` python复制编辑# 推理函数 def infer_image(image_path): image = Image.open(image_path) # 打开图片 image = transform(image).unsqueeze(0).to(device) # 转换为 Tensor 并添加批次维度 model.eval() # 设置为评估模式 with torch.no_grad(): output = model(image) _, predicted = torch.max(output, 1) classes = train_dataset.classes # 获取分类标签 print(f"Predicted class: {classes[predicted]}") # 输出预测的垃圾类别 ``` 推理结果：  ### 4.5 主函数 用户可以选择是进行训练还是推理。 ``` # 主函数 if __name__ == "__main__": choice = input("Enter 'train' to train the model or 'infer' to run inference: ").strip().lower() if choice == 'train': train_model() # 训练模型 elif choice == 'infer': image_path = input("Enter image path for inference: ").strip() # 输入图片路径 if os.path.exists(image_path): load_model() # 加载模型 infer_image(image_path) # 推理 else: print("Invalid image path!") else: print("Invalid choice! Please enter 'train' or 'infer'.") ``` ## 5. 总结与展望 本文介绍了如何使用树莓派 5 和 PyTorch，构建一个基于深度学习的垃圾分类系统。我们使用了 ResNet18 作为预训练模型，并通过微调实现了垃圾分类任务。在训练过程中，我们使用了早停机制来防止过拟合并提高训练效率。完成训练后，用户可以通过上传图像来进行垃圾分类预测。未来，我们可以扩展此项目，进一步提高模型精度，使用更多种类的垃圾图像进行训练，并将其集成到智能垃圾分类系统中。
- 2025-02-17
-
发表了主题帖： 【MCXA156开发板测评】学习笔记07（reeRTOS中的消息队列使用)
# FreeRTOS 消息队列概述 FreeRTOS 消息队列是核心的进程间通信机制，允许任务以 FIFO（先进先出）的方式发送和接收数据。通过 `xQueueSend` 和 `xQueueReceive` 函数，任务之间可以传递数据，并且可以选择阻塞或非阻塞操作。该示例中使用消息队列来存储日志数据，日志任务从队列中读取这些数据并显示。 # 硬件设计 ## 硬件要求： - **Type-C USB 数据线** - **FRDM-MCXA156 开发板** - **个人计算机** ## 板卡设置： 不需要特殊配置，只需要确保开发板通过 USB Type-C 数据线正确连接到计算机，并且程序已经成功下载到目标板上。 ## 通信接口： 使用串口终端（例如 Tera Term）查看目标板的调试输出。串口终端配置应如下： - **波特率**：115200 - **数据位**：8 - **校验位**：无 - **停止位**：1 - **流控制**：无 # 软件设计 ## 代码结构 代码分为两个主要部分：日志机制和应用程序任务。 ## 日志机制 日志功能负责使用队列管理日志消息。它创建一个消息队列并创建一个任务来打印这些消息。 ## 日志 API 函数： 1. **`log_add`**：将日志消息添加到队列中。 ```C c复制编辑// 向日志队列中添加一条日志消息 void log_add(char *log) { xQueueSend(log_queue, log, 0); // 向队列发送日志消息 } ``` 2. **`log_init`**：初始化日志系统，创建消息队列并创建日志任务。 ```C c复制编辑// 初始化日志系统，创建队列和日志任务 void log_init(uint32_t queue_length, uint32_t max_log_length) { log_queue = xQueueCreate(queue_length, max_log_length); // 创建消息队列 if (log_queue != NULL) { vQueueAddToRegistry(log_queue, "LogQ"); // 注册队列 } // 创建日志任务 if (xTaskCreate(log_task, "log_task", configMINIMAL_STACK_SIZE + 166, NULL, tskIDLE_PRIORITY + 1, NULL) != pdPASS) { PRINTF("任务创建失败！.\r\n"); while (1); // 如果任务创建失败，进入死循环 } } ``` 3. **`log_task`**：任务不断地从队列中接收日志消息并打印。 ```C c复制编辑// 日志任务，从队列中接收并打印日志 static void log_task(void *pvParameters) { uint32_t counter = 0; // 日志计数器 char log[MAX_LOG_LENGTH + 1]; while (1) { if (xQueueReceive(log_queue, log, portMAX_DELAY) != pdTRUE) { PRINTF("接收队列失败。\r\n"); } PRINTF("Log %d: %s\r\n", counter, log); // 打印日志 counter++; } } ``` ## 应用程序任务 有两个任务：`write_task_1` 和 `write_task_2`，它们模拟生成日志消息，并将其发送到日志任务进行打印。每个任务生成 5 条消息。 ### 任务代码： ```C c复制编辑// 任务1，发送5条日志消息 static void write_task_1(void *pvParameters) { char log[MAX_LOG_LENGTH + 1]; uint32_t i = 0; for (i = 0; i < 5; i++) { sprintf(log, "Task1 Message %d", (int)i); // 格式化日志消息 log_add(log); // 将消息添加到日志队列 taskYIELD(); // 任务让出控制权 } vTaskSuspend(NULL); // 挂起任务 } // 任务2，发送5条日志消息 static void write_task_2(void *pvParameters) { char log[MAX_LOG_LENGTH + 1]; uint32_t i = 0; for (i = 0; i < 5; i++) { sprintf(log, "Task2 Message %d", (int)i); // 格式化日志消息 log_add(log); // 将消息添加到日志队列 taskYIELD(); // 任务让出控制权 } vTaskSuspend(NULL); // 挂起任务 } ``` ### 主函数 在 `main` 函数中，初始化了日志系统，并创建了两个任务 `write_task_1` 和 `write_task_2`。 ```C c复制编辑// 主函数 int main(void) { BOARD_InitPins(); // 初始化引脚 BOARD_InitBootClocks(); // 初始化时钟 BOARD_InitDebugConsole(); // 初始化调试控制台 // 初始化日志系统，队列长度为10，每条日志最大长度为20字节 log_init(10, MAX_LOG_LENGTH); // 创建任务1 if (xTaskCreate(write_task_1, "WRITE_TASK_1", configMINIMAL_STACK_SIZE + 166, NULL, tskIDLE_PRIORITY + 2, NULL) != pdPASS) { PRINTF("任务创建失败！.\r\n"); while (1); // 如果任务创建失败，进入死循环 } // 创建任务2 if (xTaskCreate(write_task_2, "WRITE_TASK_2", configMINIMAL_STACK_SIZE + 166, NULL, tskIDLE_PRIORITY + 2, NULL) != pdPASS) { PRINTF("任务创建失败！.\r\n"); while (1); // 如果任务创建失败，进入死循环 } vTaskStartScheduler(); // 启动调度器 for (;;); // 进入空循环 } ``` # 实验结果 程序烧录到开发板后，通过串口终端可以看到以下日志输出，显示 `write_task_1` 和 `write_task_2` 两个任务并发执行，并向日志任务发送消息，串口结果输出：  # 结论 通过本示例，展示了如何在 FreeRTOS 中使用消息队列实现简单的日志机制。任务通过消息队列将日志消息传递给日志任务，日志任务负责打印这些消息。该示例展示了消息传递和任务同步的基本概念，并能有效地展示多个任务如何在 FreeRTOS 中协作。
- 2025-02-15
-
发表了主题帖： 【MCXA156开发板测评】学习笔记06（reeRTOS中的互斥锁使用)
在嵌入式系统中，多个任务可能需要访问共享资源，例如终端输出。如果没有合适的同步机制，多个任务同时输出数据时，可能会出现输出内容交织混乱，影响系统的稳定性和可靠性。为了解决这一问题，我们可以使用FreeRTOS提供的互斥锁（mutex）来同步任务的访问，确保只有一个任务可以访问共享资源，从而避免输出冲突。 本文将通过一个示例，展示如何使用FreeRTOS中的互斥锁来管理任务间对共享资源（终端输出）的访问，实现任务输出的同步。 ## 硬件设计 ### 硬件要求 - **开发板**：FRDM-MCXA156开发板 - **连接方式**：使用Type-C USB线连接PC与开发板上的MCU-Link USB端口 - 调试控制台：使用串口调试终端 ### 硬件配置 硬件的初始化通过`BOARD_InitPins()`、`BOARD_InitBootClocks()`和`BOARD_InitDebugConsole()`来完成。这些函数分别负责引脚初始化、时钟初始化和调试串口初始化，确保系统能够正常启动并输出调试信息。 ## 软件设计 ### 1. **任务设计** 在该示例中，我们创建了两个任务：`write_task_1`和`write_task_2`，它们负责将不同的输出信息打印到终端。任务的创建使用了FreeRTOS的`xTaskCreate()`函数，任务的堆栈大小为`configMINIMAL_STACK_SIZE + 128`，任务优先级为`tskIDLE_PRIORITY + 1`。 ### 2. **互斥锁实现** 在程序开始时，我们使用`xSemaphoreCreateMutex()`创建一个互斥锁`xMutex`。每个任务在打印数据之前都会通过`xSemaphoreTake(xMutex, portMAX_DELAY)`尝试获取互斥锁。如果互斥锁已被其他任务占用，任务将阻塞，直到获取锁。获取锁后，任务可以安全地打印输出，然后通过`xSemaphoreGive(xMutex)`释放互斥锁，允许其他任务访问。 ### 3. **任务输出与任务让渡** 每个任务在打印输出时，使用了`taskYIELD()`函数。`taskYIELD()`使得当前任务自愿放弃CPU控制，允许其他任务运行。通过任务让渡，两个任务的输出会交替进行，但由于互斥锁的保护，输出内容不会被混淆。 ### 4. **代码实现** ```C int main(void) { // 创建互斥锁 xMutex = xSemaphoreCreateMutex(); // 初始化硬件 BOARD_InitPins(); BOARD_InitBootClocks(); BOARD_InitDebugConsole(); // 创建任务 if (xTaskCreate(write_task_1, "WRITE_TASK_1", configMINIMAL_STACK_SIZE + 128, NULL, tskIDLE_PRIORITY + 1, NULL) != pdPASS) { PRINTF("任务创建失败！\r\n"); while (1); } if (xTaskCreate(write_task_2, "WRITE_TASK_2", configMINIMAL_STACK_SIZE + 128, NULL, tskIDLE_PRIORITY + 1, NULL) != pdPASS) { PRINTF("任务创建失败！\r\n"); while (1); } // 启动调度器 vTaskStartScheduler(); for (;;); } static void write_task_1(void *pvParameters) { while (1) { if (xSemaphoreTake(xMutex, portMAX_DELAY) != pdTRUE) { PRINTF("获取互斥锁失败。\r\n"); } PRINTF("ABCD |"); taskYIELD(); PRINTF(" EFGH\r\n"); xSemaphoreGive(xMutex); taskYIELD(); } } static void write_task_2(void *pvParameters) { while (1) { if (xSemaphoreTake(xMutex, portMAX_DELAY) != pdTRUE) { PRINTF("获取互斥锁失败。\r\n"); } PRINTF("1234 |"); taskYIELD(); PRINTF(" 5678\r\n"); xSemaphoreGive(xMutex); taskYIELD(); } } ``` ## 测试结果 ### 1. **任务输出** 在程序运行时，两个任务交替输出不同的字符串。由于互斥锁的使用，确保每次只有一个任务可以打印数据，避免了输出内容的交叉或混乱。示例输出如下：  如上所示，`write_task_1`和`write_task_2`的输出是交替进行的，每个任务的输出内容都完整且清晰。 ### 2. **任务调度与同步** 由于使用了互斥锁，任务之间的输出是有序的。每个任务在输出完一部分后，会通过`taskYIELD()`让出CPU控制权，允许其他任务运行。通过这种方式，两个任务的输出得以交替进行，但始终没有混合。 ## 总结 通过这个示例，我们展示了如何在FreeRTOS中使用互斥锁来管理多个任务对共享资源的访问。互斥锁确保了任务间的同步，避免了输出内容的混乱，使得多个任务能够安全地访问共享资源。在嵌入式系统中，类似的互斥机制在保证任务间协调和数据一致性方面至关重要。在实际应用中，任务间的同步不仅限于输出操作，还可以扩展到对其他共享资源（如内存、外设等）的保护。使用FreeRTOS的互斥锁可以有效地管理这些资源，避免竞态条件和数据冲突。
- 2025-02-12
-
回复了主题帖： 【MCXA156开发板测评】学习笔记05（FreeRTOS的信号量使用)
okhxyyo 发表于 2025-2-12 11:43 谢谢分享~~~ 相互学习
-
发表了主题帖： 【MCXA156开发板测评】学习笔记05（FreeRTOS的信号量使用)
本帖最后由 qzc0927 于 2025-2-12 11:28 编辑 概述 在嵌入式开发中，生产者消费者模式常用于解决并发任务之间的同步问题。本文将介绍如何在NXP MCXA156开发板上使用FreeRTOS实现生产者消费者模式。通过该模式，生产者任务会生成数据，并将其交给消费者任务进行处理。在此过程中，生产者和消费者通过信号量进行同步。 硬件平台 开发板：NXP MCXA156 FreeRTOS操作系统 开发环境：MCUXpresso IDE 软件环境 FreeRTOS内核 NXP SDK和驱动库 调试串口（用于输出调试信息） 1. 硬件与软件准备 1.1 硬件连接 在这个示例中，我们使用NXP MCXA156开发板。硬件设置非常简单，重点在于通过FreeRTOS调度器管理任务的执行。 1.2 软件环境搭建 安装并配置MCUXpresso IDE。 下载并导入适用于MCXA156的NXP SDK。 确保FreeRTOS内核已经集成并配置好。 2. 代码分析 以下代码实现了一个生产者消费者模式，生产者负责产生数据，消费者负责处理数据，二者通过信号量进行同步。 2.1 主函数 ```C int main(void) { /* 硬件初始化 */ BOARD_InitPins(); // 初始化引脚配置 BOARD_InitBootClocks(); // 初始化系统时钟 BOARD_InitDebugConsole(); // 初始化调试串口 /* 创建生产者任务 */ if (xTaskCreate(producer_task, "PRODUCER_TASK", configMINIMAL_STACK_SIZE + 128, NULL, TASK_PRIO, NULL) != pdPASS) { PRINTF("Task creation failed!.\r\n"); while (1) ; // 死循环处理错误 } /* 启动调度器 */ vTaskStartScheduler(); /* 调度器启动失败时进入死循环 */ for (;;) ; } ``` } 在主函数中，我们首先初始化了引脚、时钟和调试串口。 然后创建了一个生产者任务，并启动调度器。 2.2 生产者任务 ```C static void producer_task(void *pvParameters) { uint32_t i; PRINTF("Producer_task created.\r\n"); /* 创建二进制信号量 */ xSemaphore_producer = xSemaphoreCreateBinary(); // 用于生产者等待消费者就绪 if (xSemaphore_producer == NULL) { PRINTF("xSemaphore_producer creation failed.\r\n"); vTaskSuspend(NULL); // 挂起当前任务 } xSemaphore_consumer = xSemaphoreCreateBinary(); // 用于消费者等待生产者就绪 if (xSemaphore_consumer == NULL) { PRINTF("xSemaphore_consumer creation failed.\r\n"); vTaskSuspend(NULL); } /* 创建多个消费者任务 */ for (i = 0; i < CONSUMER_LINE_SIZE; i++) { if (xTaskCreate(consumer_task, "CONSUMER_TASK", configMINIMAL_STACK_SIZE + 128, (void *)i, TASK_PRIO, NULL) != pdPASS) { PRINTF("Task creation failed!.\r\n"); vTaskSuspend(NULL); } else { PRINTF("Consumer_task %d created.\r\n", i); } } /* 生产者主循环 */ while (1) { /* 步骤1：通知消费者可以接收数据 */ xSemaphoreGive(xSemaphore_consumer); /* 步骤2：等待消费者确认接收完成 */ if (xSemaphoreTake(xSemaphore_producer, portMAX_DELAY) == pdTRUE) { PRINTF("Producer released item.\r\n"); } else { PRINTF("Producer is waiting for customer.\r\n"); } } } ``` } 生产者任务首先创建了两个信号量，一个用于通知消费者开始接收数据，另一个用于等待消费者确认接收。 然后，生产者任务通过 xSemaphoreGive 和 xSemaphoreTake 控制任务之间的同步。 2.3 消费者任务 ```C static void consumer_task(void *pvParameters) { /* 将参数转换为消费者编号 */ int consumer_id = (int)pvParameters; PRINTF("Consumer number: %d\r\n", consumer_id); while (1) { /* 步骤1：通知生产者可以发送数据 */ xSemaphoreGive(xSemaphore_producer); /* 步骤2：等待生产者提供数据 */ if (xSemaphoreTake(xSemaphore_consumer, portMAX_DELAY) == pdTRUE) { PRINTF("Consumer %d accepted item.\r\n", consumer_id); } else { PRINTF("Consumer %d is waiting for producer.\r\n", consumer_id); } } } ``` 每个消费者任务通过 xSemaphoreGive 向生产者通知可以开始生产数据。 通过 xSemaphoreTake 等待生产者的信号，接收数据并进行处理。 3. 信号量与同步机制 在这个例子中，信号量用于同步生产者和消费者任务之间的执行顺序。生产者和消费者通过信号量的“给”与“取”机制进行数据传递和同步。 生产者任务：通过 xSemaphoreGive(xSemaphore_consumer) 通知消费者准备好接收数据。然后，等待消费者确认通过 xSemaphoreTake(xSemaphore_producer)。 消费者任务：通过 xSemaphoreGive(xSemaphore_producer) 通知生产者准备好接收数据。然后，等待生产者提供数据，通过 xSemaphoreTake(xSemaphore_consumer)。 4. 调试与测试 使用串口调试输出，可以观察到任务的执行情况以及生产者和消费者之间的同步状态。每当任务创建、数据传递或者同步发生时，都会在串口终端输出相应的调试信息，帮助开发者确认任务是否正常运行。  5. 总结 本文通过一个简单的例子介绍了如何在NXP的MCXA156开发板上使用FreeRTOS实现生产者消费者模式。通过任务与信号量的配合，我们可以实现任务之间的同步和数据的安全传递。这种方法不仅适用于MCXA156开发板，也适用于其他基于FreeRTOS的嵌入式系统。
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记06（图像处理）
hellokitty_bean 发表于 2025-2-11 17:23 这是一只让人敬佩的手（有饱经沧桑之感）。。。。。。。向楼主致敬 哈哈哈，电子工程师的铁掌
- 2025-02-11
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记06（图像处理）
okhxyyo 发表于 2025-2-11 12:31 精彩！期待后续呀 没问题
-
发表了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记06（图像处理）
树莓派5（Raspberry Pi 5）是一款强大的单板计算机，广泛应用于物联网、嵌入式开发等领域。OV5647是一款常见的5MP摄像头传感器，广泛用于树莓派项目中。本文将介绍如何在树莓派5上使用OV5647摄像头模块拍照。 首先，确保将OV5647摄像头模块正确连接到树莓派5的CSI接口。具体步骤如下： 1. 将摄像头模块的带状电缆插入树莓派5的CSI接口。 2. 检查连接是否牢固。 **注意**：树莓派5的CSI接口与树莓派4有所不同，请确保您使用的电缆和接口匹配。 - 1.硬件连接  我的摄像头模块：  - 2.软件配置 如果使用的是最新的Raspberry Pi Camera Module 3 或者Raspberry Pi Global Shutter Camera,需要运行以下指令进行系统更新（需要联网操作）. ``` sudo apt-get update -y sudo apt-get upgrade -y sudo apt update && sudo apt full-upgrade ``` - 安装完成后，重启系统 ``` sudo reboot ``` **打开树莓派终端，并开启摄像头预览：** ``` libcamera-hello ``` 这个指令会在屏幕上预览摄像头大概5秒时间，用户可以用-t 参数来设置预览的时间， 其中的单位是毫秒，如果设置为0的话就是保持一直预览。比如： ``` sudo libcamera-hello -t 0 ``` 看下掌纹，是不是断掌  **拍摄一张全像素的JPEG图像** ``` libcamera-jpeg -o test.jpg ``` 这个拍摄指令会显示一个5秒左右的预览串口，然后拍摄一张全像素的JPEG图像，保存为test.jpg 用户可以通过-t 参数来设置预览时间，同时可以通过--width 和 --height来设置拍摄图像的分辨率。例如 ```bash sudo libcamera-jpeg -o test.jpg -t 2000 --width 640 --height 480 ```  - 曝光控制 所有这些都rpicam-apps允许用户以固定的快门速度和增益运行相机。拍摄曝光时间为 20ms、增益为 1.5x 的图像,该增益将用作传感器内的模拟增益，直到达到内核传感器驱动程序允许的最大模拟增益，之后其余部分将用作数字增益。 ``` rpicam-jpeg -o test.jpg -t 2000 --shutter 20000 --gain 1.5 ``` Raspberry Pi 的 AEC/AGC 算法允许应用程序指定曝光补偿：能够通过给定的停止次数使图像变暗或变亮。 ```bash rpicam-jpeg --ev -0.5 -o darker.jpg rpicam-jpeg --ev 0 -o normal.jpg rpicam-jpeg --ev 0.5 -o brighter.jpg ``` 后续进行模型训练
- 2025-02-06
-
回复了主题帖： 【Raspberry Pi 5测评】树莓派5学习笔记05（语音识别垃圾分类）
xinlian55 发表于 2025-2-6 14:58 真是一篇不错的帖子，解决了我很多没有解决的问题，非常感谢博主! 哈哈，能帮您解决问题也不错
发布的帖子
- 【MCXA156开发板测评】学习笔记08（低功耗测试性能补充)
- 【Raspberry Pi 5测评】树莓派5学习笔记09（串口屏应用开发）
- 【Raspberry Pi 5测评】树莓派5学习笔记08（部署YOLOv5进行目标检测）
- 【Raspberry Pi 5测评】树莓派5学习笔记07（垃圾分类模型训练与推理）
- 【MCXA156开发板测评】学习笔记07（reeRTOS中的消息队列使用)
- 【MCXA156开发板测评】学习笔记06（reeRTOS中的互斥锁使用)
- 【MCXA156开发板测评】学习笔记05（FreeRTOS的信号量使用)
- 【Raspberry Pi 5测评】树莓派5学习笔记06（图像处理）
- 【Raspberry Pi 5测评】树莓派5学习笔记05（语音识别垃圾分类）
- 【Raspberry Pi 5测评】树莓派5学习笔记04（上传数据到阿里云）
回复过的帖子
- 测评入围名单： 国民技术高性能MCU N32H487开发板
- 【MCXA156开发板测评】学习笔记08（低功耗测试性能补充)
- 嵌入式Rust修炼营入围名单来啦，一起度过嵌入式Rust学习时光的小伙伴集合啦~
- 嵌入式Rust修炼营：动手写串口烧录工具和MCU例程，Rust达人Hunter直播带你入门Rust
- 【Raspberry Pi 5测评】树莓派5学习笔记09（串口屏应用开发）
- 【Raspberry Pi 5测评】树莓派5学习笔记08（部署YOLOv5进行目标检测）
- 【MCXA156开发板测评】学习笔记05（FreeRTOS的信号量使用)
- 【Raspberry Pi 5测评】树莓派5学习笔记06（图像处理）
- 【Raspberry Pi 5测评】树莓派5学习笔记05（语音识别垃圾分类）
- 【Raspberry Pi 5测评】树莓派5学习笔记04（上传数据到阿里云）
最近访客
昨天 09:53
03-14
03-14
02-27
02-12
02-12
02-08
02-06
01-17
12-26
12-25
12-20
12-19
12-17
09-23
07-26
06-30
03-12
03-02
02-29
02-12
01-31
01-31
01-23
01-12
01-02
12-29
12-21
12-14
11-19
11-02
10-13
08-27
07-07
05-23
02-07
统计信息
已有216人来访过
- 芯积分：341
- 好友：1
- 主题：76
- 回复：94
留言
现在还没有留言
推荐博文
- 《CMake 构建实战-项目开发卷》实战分享2— Windows-Linux 搭建环境
- 信息安全管理必备！Linux系统使用SSH登录root账号的方法
- 驱动钛丝（SMA）的可靠性设计（8） 钛丝的驱动电路控制（上）
- 电驱动钛丝（SMA）的可靠性设计（6） 温度控制
- DS26LV32ATMX/NOPB DS26LV32AT 3V增强型CMOS四差分线接收器
- 驱动钛丝（SMA）的应用（1）汽车腰托支撑按摩气阀模块
- 【STM32H7S78-DK】 四 下载失败问题及解决、计数器实现及分析
- 一起读《动手学深度学习（PyTorch版）》- 暂退法（drop out）
- 【MCXN947评测】-点灯
- RainbowLink USB 协议转换器 测评一：开箱及与硬件赏析
- ESP-NOW WIFI 收发不稳定问题
- 解析3DGS：革新自动驾驶仿真场景重建的关键技术
- TMC9660控制空心杯伺服电机MAXON效果演示
- 低功耗SoC芯片技术资料：Si24R05
- 为什么要选择有机硅OCA胶膜进行车载全贴合？