前言 Byd这个难度还是稍微有点大的，我还是先用中文写吧，不然理不清楚思路了。 有无数的铁道宅都喜欢录制各个厂家的VVVF声音，还有猛男在这个过程中摸索出了各自的调制策略，这也为本文提供了巨大的帮助。 关于VVVF最常见的就是在电车上面了，但是其实在电梯上面，VVVF也有很广泛的利用，这里提一嘴不是因为是电梯迷啥的，而是很多神秘的知识是从一个电梯的网站上面看到的。 扯了这么多，本文默认读者已经基本读完了大物的内容。 了解你的捍卫者：交流异步电机 在我们开始大扯特扯电机学之前，先聊一个很出名的问题： 无刷直流电机和交流异步电机有何区别？ 在测试VVVF中，按照常理你是需要一个交流异步电机的，这玩意通常能够在闲鱼收到一些，但是有一个问题：相电阻很大。 这就意味你需要很高的电压来驱动它，与此同时也就意味你的驱动最好整好点。 所以我们可以找到一个其实比较合适的平替：无刷直流电机。 讲道理这两者的差距在结构上并不是很小，主要体现在无刷直流电机使用了永磁体，而交流异步电机的外部…
In Past of times, to Read the image from the ‘cap’ class and not real-time read will cause read the past image. To solve this, all you need to do is change the size of imgae buffer. 1. cap = cv2.VideoCapture(device) 2. # set the size of buffer area 3.…
前言 众所周知的，3DFDM（熔融沉积）打印技术在一开始就是从DIY而来的。 随着时代发展，更多的新技术，新结构，新固件不断产生，也有很多东西开始被淘汰。 终于开始出现了商品机，也就是从开源社区中来，魔改一下marlin固件，然后把3D打印机的入门门槛拉低到不需要DIY一台机器。但是问题随之而来，首要的就是贵得你妈离谱，一台um2结构的封箱机器在2020年前后的报价来到了13000，甚至用的是marlin固件。在这种情况下，DIY3D打印机依然能够有充足的优势与自信，因为便宜而且效果还很好。 直到一家神秘公司的出现：拓竹。随着拓竹的P1S,A1系列在1000-6000价位实现了高精度高速度，还带自动换料与多色打印系统，第一件事情就是其他原来的老牌3D打印机厂商显得比较铸币，纷纷降价狂甩卖。 随之而来的是3D打印市场的百花齐放，振动补偿，激光雷达和AI识别首层，流量动态检测，主动仓温等等技术纷纷在2000左右的机器都能出现了。 这个时候DIY就很奇怪了，为什么还要DIY，商品机的成本，精度，速度，…
蛇喰梦子 cn:藤子 爱德华 cn:？（没问 天城雪子 cn:也没问 O / O 不认识 但是我觉得拍的太好了…
Before the start For some stupid race, I have to detect the zebra crossing without deep learning. The base method is cut and Adapter Threshold the image. After that, do the edge detect for pix count to final got the goat. Adapter Threshold Comparison of Binarization Methods: Otsu’s Method,…
Before the start To remake the wonderful sound form the subway VVVF driver, I made it my self one. But in this monument I cant driver a real 380v AC motor, so I use a Brushless DC Motor to replaced it in first test. To finish this job, I choose…
前言 因为讯飞车换了主控，所以需要重新部署一下模型在RK3588上面，写来给学弟们以后用。 顺便一提，这个板子真他妈恶心啊我操。 部署分为三个部分，训练，转换与推理，我们一步一步来。 训练 选择你的版本 因为很多神秘的原因，我们不得不使用某一特定版本输出的权重文件才能够在最后一步推理的时候成功，所以这一步至关重要，需要这个仓库的内容。 airockchip/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite (github.com) 值得注意的是你需要在这个仓库下训练。 关于环境安装的问题就不在此赘述了，这搞不懂后面你也看不懂。 预处理你的数据 对于讯飞比赛而言，我们并不需要模型具有良好的泛化性，换言之，可以尽情地使用各种数据增强的方法而完全不在乎过拟合的问题，故我们的输入只需要每个classes五张图片即可。 相关代码在我自己的github仓库里面 qwqpap/auto_maker (git…