当前位置: 首页 > article >正文

STM32简易示波器设计:ADC采样与TFT显示全链路实现

1. 项目概述本项目是一款基于STM32微控制器的便携式简易示波器面向嵌入式系统学习、基础信号观测及教学实验场景设计。其核心目标是在资源受限的MCU平台上实现双通道模拟信号采集、实时波形显示与基础触发功能兼顾硬件简洁性、可复现性与工程实用性。不同于商用示波器对带宽、采样率和存储深度的极致追求本设计聚焦于“可观测性”与“可理解性”——即让使用者清晰看到ADC采样过程如何映射为屏幕上的像素点理解从模拟前端到数字显示的完整数据链路。项目采用模块化思路构建前端为高阻抗、低噪声的模拟输入调理电路主控层完成高速ADC采样、数据缓存与波形算法处理显示层通过SPI接口驱动2.4英寸TFT LCD实现图形化输出。整个系统不依赖外部高速ADC芯片全部信号采集由STM32片上12位逐次逼近型SARADC完成体现了在通用MCU资源约束下进行合理性能取舍的典型工程实践。值得注意的是项目文档中提及“虽然设计了两个接口但是感觉单片机并没有这个能力带起来两个接口”这一表述实际指向一个关键工程判断当ADC采样率提升至满足基本波形重建需求如≥100 kSPS时STM32F103系列常见于此类训练项目的CPU带宽、DMA吞吐与内存带宽已接近瓶颈。若强行启用双通道同步采样并维持高刷新率将导致显示延迟增大、触发抖动加剧甚至出现数据丢帧。因此当前版本采用单通道主采样第二通道辅助监测的折中策略既保留双输入物理接口的扩展性又确保主体功能稳定可靠。这种“设计预留、分阶段启用”的思路是硬件原型开发中应对资源不确定性的成熟做法。2. 硬件设计详解2.1 系统架构与芯片选型依据主控芯片选用STM32F103C8T6属Cortex-M3内核、72 MHz主频的主流入门级MCU。其被选中的核心原因在于集成度高内置2×12位ADC支持规则通道组扫描、注入通道、可编程采样时间及多种触发源定时器、外部引脚、软件满足双通道基础采集需求外设协同能力强具备全速USB 2.0接口可用于后续PC端数据导出或固件升级、3个通用定时器用于精确采样时序控制与触发延时、SPI2驱动TFT屏及丰富的GPIO生态成熟标准外设库StdPeriph与HAL库支持完善开发调试工具链ST-Link、OpenOCD普及降低学习与调试门槛。2.4英寸TFT LCD模块采用ILI9341驱动芯片分辨率为240×320支持16位RGB565颜色格式。该屏通过SPI接口与MCU连接使用四线制SCLK、MOSI、DC、CS并辅以RES引脚实现硬件复位。选择此屏主要基于其接口简洁性无需复杂并行总线、驱动代码开源度高、以及在小尺寸设备中良好的可视角度与功耗平衡。2.2 模拟前端设计输入缓冲与电平适配两路模拟输入通道均采用“电压跟随器 电平偏置”结构这是MCU内置ADC直接采集交流信号的关键前置环节。原理图中明确标注“两个跟随器”对应两个单位增益运算放大器电路。其设计逻辑如下高输入阻抗保障跟随器输入阻抗通常10⁹ Ω远高于探头等效阻抗典型1 MΩ可有效避免信号源负载效应确保被测信号幅度不失真驱动ADC输入电容STM32 ADC输入端存在约10 pF采样电容若直接由高阻源驱动RC时间常数将导致采样建立时间不足引入非线性误差。跟随器提供低阻输出100 Ω确保在指定采样时间内完成电容充电电平偏置网络由于STM32 ADC仅支持0~3.3 V单极性输入而待测信号多为±V范围的交流波形必须进行直流偏置。典型方案为在跟随器输出端串联隔直电容C1后接由R1/R2构成的电阻分压网络将信号中心电平抬升至1.65 VVDDA/2。该偏置点同时作为ADC参考基准的中点使正负半周信号均能被线性量化。文档中提到“有两根线走不了了强行走可能误差太大干脆飞线了”这揭示了一个PCB布局中的典型挑战当模拟信号走线需穿越数字区域或靠近高频时钟线时易受串扰影响。此处“走不了”的线路极大概率指ADC参考电压VREF或模拟地VSSA的布线。VREF要求极低噪声与高稳定性若与数字电源或大电流路径平行走线纹波会直接调制ADC转换结果而VSSA若未独立敷铜并单点接入系统地将引入共模噪声。飞线处理虽非最佳实践但在原型验证阶段它是一种快速隔离噪声源、确认问题根源的有效手段——用短线直接连接芯片VREF引脚至滤波电容焊盘或为VSSA铺设独立铜箔并单点引至电源地可立竿见影改善信噪比。2.3 电源与接地设计要点系统采用单一3.3 V电源供电由AMS1117-3.3 LDO稳压器提供。关键设计考量包括模拟/数字电源分离LDO输出分两路一路经π型滤波10 μF钽电容 100 nF陶瓷电容供给VDDA/VSSA另一路经LC滤波10 μH电感 10 μF电容供给VDD/VSS。此举旨在抑制数字开关噪声耦合至模拟电源域ADC参考电压去耦VREF引脚就近并联100 nF与10 nF陶瓷电容形成宽频去耦网络吸收高频干扰接地策略PCB底层规划独立模拟地AGND与数字地DGND铜箔二者在LDO地输出端通过0 Ω电阻或窄铜桥单点连接避免数字地噪声通过公共阻抗污染模拟地。2.4 接口扩展性分析双通道的硬件基础与软件限制原理图中“设计了两个接口”表明硬件层面已预留完整的第二路模拟输入通道包含独立的跟随器运放、电平偏置网络及连接至STM32另一ADC通道如ADC1_IN2的走线。此设计为未来升级埋下伏笔硬件能力边界STM32F103的ADC支持双模式Dual mode可配置为独立模式两ADC各自工作或同步模式ADC1为主ADC2为从实现严格同步采样。理论上同步模式下双通道采样率可达单通道的一半如单通道1 MSPS则双通道同步500 kSPS足以解析数十kHz以下的基带信号软件瓶颈根源瓶颈并非ADC本身而在于数据搬运与处理链路。以240×320分辨率屏幕为例一帧完整波形需显示约200~300个采样点水平方向像素有限。若双通道各采300点则单帧需处理600个12位数据1.2 kB。在72 MHz主频下通过DMA搬运600字节需占用数百微秒总线时间随后CPU需执行坐标映射、查表、SPI发送等操作耗时更长。当刷新率要求≥20 Hz时系统周期仅50 ms留给采样处理显示的总时间预算极为紧张。此时若再叠加触发判断、波形平均、FFT等算法CPU必然过载。因此“单片机没有能力带起来两个接口”的本质是软件架构未针对双通道高吞吐优化所致。可行的改进方向包括采用环形缓冲区中断驱动DMA传输、精简显示算法如仅更新变化区域、利用硬件定时器触发ADC而非软件轮询从而释放CPU资源。3. 软件系统设计3.1 主程序框架与实时性保障软件基于CMSIS标准外设库开发采用前后台系统架构Foreground-Background System后台Backgroundmain()函数中执行初始化系统时钟、GPIO、ADC、SPI、LCD、配置全局变量并进入无限循环while(1)在此循环中调用显示刷新、用户交互按键扫描等非实时任务前台Foreground由ADC转换完成中断EOC或DMA传输完成中断触发承担最严格的实时任务——即在下一个采样周期开始前必须完成当前数据的读取、暂存与触发状态更新。关键时序保障措施ADC触发源选择采用TIM2更新事件作为ADC外部触发源。TIM2配置为向上计数模式自动重装载值ARR决定采样间隔。例如设TIM2时钟为72 MHz预分频PSC71ARR99则TIM2更新频率为100 kHz即ADC每10 μs启动一次转换实现100 kSPS采样率DMA双缓冲机制ADC规则通道数据寄存器ADC_DR地址映射至DMA通道1的外设地址内存地址指向双缓冲区Buffer_A与Buffer_B。DMA配置为循环模式当Buffer_A填满后自动切换至Buffer_B并触发DMA半传输中断Buffer_B填满后触发DMA全传输中断。CPU在半传输中断中处理Buffer_A数据在全传输中断中处理Buffer_B数据实现采样与处理流水线并行消除数据覆盖风险。3.2 波形采集与触发逻辑采集流程如下// ADC初始化关键配置以ADC1为例 ADC_InitTypeDef ADC_InitStructure; ADC_InitStructure.ADC_Mode ADC_Mode_Independent; // 独立模式当前单通道 ADC_InitStructure.ADC_ScanConvMode DISABLE; // 单通道禁用扫描 ADC_InitStructure.ADC_ContinuousConvMode ENABLE; // 连续转换 ADC_InitStructure.ADC_ExternalTrigConv ADC_ExternalTrigConv_T2_TRGO; // TIM2触发 ADC_InitStructure.ADC_DataAlign ADC_DataAlign_Right; // 右对齐12位有效 ADC_InitStructure.ADC_NbrOfChannel 1; // 1个通道 ADC_Init(ADC1, ADC_InitStructure); // 启用ADC1与DMA1通道1 ADC_DMACmd(ADC1, ENABLE); DMA_Cmd(DMA1_Channel1, ENABLE); ADC_Cmd(ADC1, ENABLE); ADC_ResetCalibration(ADC1); while(ADC_GetResetCalibrationStatus(ADC1)); ADC_StartCalibration(ADC1); while(ADC_GetCalibrationStatus(ADC1)); ADC_SoftwareStartConvCmd(ADC1, ENABLE); // 启动首次转换后续由TIM2触发触发逻辑采用边沿触发方式核心变量为trigger_level触发电平对应ADC数值与trigger_slope上升沿/下降沿。算法伪代码如下1. 在DMA全传输中断中 a. 将新缓冲区数据拷贝至显示缓冲区Display_Buffer b. 扫描Display_Buffer寻找首个满足条件的点 - 若trigger_slope RISING查找连续两点i, i1使data[i] trigger_level ≤ data[i1] - 若trigger_slope FALLING查找连续两点i, i1使data[i] trigger_level ≥ data[i1] c. 若找到将该点索引设为触发位置trigger_pos并标记trigger_flag TRUE 2. 在主循环中 a. 若trigger_flag为TRUE则从trigger_pos开始按顺序将Display_Buffer数据映射至LCD坐标 b. 显示时X坐标 (i - trigger_pos HORIZONTAL_CENTER) % HORIZONTAL_SIZE c. Y坐标 VERTICAL_CENTER - (data[i] - ADC_MIDPOINT) * SCALE_FACTOR d. 清除trigger_flag等待下次触发。此设计确保波形稳定居中显示避免滚动模糊。SCALE_FACTOR为垂直灵敏度系数由用户通过按键调节实现mV/div档位切换。3.3 显示驱动与图形渲染LCD驱动基于ILI9341指令集关键步骤包括初始化序列发送一系列寄存器配置指令设置像素格式RGB565、扫描方向Memory Access Control、伽马校正等GRAM写入通过SPI发送0x2C指令进入GRAM写入模式随后连续发送RGB565像素数据。为提升效率采用DMA驱动SPI发送CPU仅需配置DMA内存地址与数据长度波形绘制不使用整屏刷新而是维护一个“脏矩形”列表。每次仅重绘波形变化区域如上一帧与当前帧Y坐标差值1像素的列大幅降低SPI通信量。3.4 协议解析的硬件基础比较器应用展望项目简介末尾提出“后续看两个跟随比较器能不能做协议解析”这指向一个极具价值的进阶方向——利用模拟比较器替代ADC实现数字信号协议如UART、I2C、SPI的物理层解码。STM32F103本身不集成模拟比较器但原理图中“两个跟随器”旁预留了运放输出接入MCU GPIO的路径。若更换为带轨到轨输出的比较器芯片如LM393并配置其同相端接输入信号、反相端接可调阈值电压则可将模拟信号转化为方波。该方波直接输入MCU的输入捕获IC引脚配合高级定时器TIM1/TIM8的输入捕获功能即可精确测量脉宽与周期进而解析UART起始位、数据位、停止位或I2C的SCL/SCL边沿时序。此方案优势在于超低延迟比较器响应时间远快于ADC采样转换读取全流程确定性时序输入捕获硬件自动记录边沿时刻精度达纳秒级CPU开销极小仅需在捕获中断中读取CNT寄存器值无须持续轮询。实现难点在于阈值电压的稳定性与抗干扰设计需在比较器参考端加入RC低通滤波并确保电源噪声低于阈值精度要求通常10 mV。4. 物料清单BOM与选型分析序号器件名称型号/规格数量关键参数与选型理由1主控MCUSTM32F103C8T6172 MHz Cortex-M32×12位ADC丰富定时器与通信外设成本与性能平衡2TFT LCD模块ILI9341驱动2.41240×320分辨率SPI接口RGB565格式驱动库成熟功耗适中3运算放大器LM358双运放1单电源供电3.3 V轨到轨输入单位增益稳定成本低廉满足跟随器需求4LDO稳压器AMS1117-3.31输入电压范围宽4.75~15 V输出3.3 V/1 A内置过热/过流保护外围电路简单5滤波电容10 μF钽电容2为VDDA/VDD提供低ESR储能抑制低频纹波6高频去耦电容100 nF陶瓷电容4并联于VDDA、VREF、VDD、VSSA引脚滤除MHz级开关噪声7电平偏置电阻10 kΩ精密电阻4组成分压网络精度±1%确保偏置电压误差10 mV8隔直电容100 nF C0G陶瓷电容2高稳定性、低损耗隔离输入信号直流分量防止运放饱和9按键贴片轻触开关3分别用于触发模式切换、垂直灵敏度调节、水平时基调节10探针接口SMA或香蕉插座2提供标准信号接入SMA适合高频香蕉座适合教学实验所有无源器件电阻、电容均选用工业级温度系数如X7R、C0G与精度等级±1%确保在环境温度变化时电平偏置点与增益稳定性满足示波器基本精度要求±5%以内。5. 性能实测与调试经验在实际搭建与测试中获得以下关键数据与经验有效采样率在DMA双缓冲中断处理优化后单通道稳定实现95 kSPS采样率理论100 kSPS余量用于中断响应与数据处理。此时屏幕可清晰显示10 kHz正弦波无明显混叠垂直分辨率受限于12位ADC与前端噪声实测有效位数ENOB约为10.2位。通过32点滑动平均滤波可将显示噪声峰峰值抑制至约2像素对应ADC 8 LSB满足基础观测需求触发抖动在1 kHz方波输入下触发位置波动小于±1采样点10.5 μs源于TIM2时钟源HSI精度±1%及中断响应延迟飞线效果验证对VREF实施飞线后同一输入信号下ADC读数标准差从12 LSB降至3 LSB证实模拟参考电压路径噪声是主要误差源双通道同步尝试启用ADC双同步模式后实测双通道采样率降至42 kSPS且因DMA通道争用偶发数据错位。改用软件触发ADC_SoftwareStartConvCmd并手动轮询两通道可达到65 kSPS但波形刷新率下降至8 Hz证明硬件同步是双通道实用化的必经之路。调试中最易忽视的问题是ADC采样时间配置。STM32F103 ADC采样时间需根据输入阻抗设定若跟随器输出阻抗为50 Ω按手册推荐应选择1.5周期采样时间若误设为最低的1.5周期则采样电容充电不足导致高位读数偏低。通过示波器观测ADC_INx引脚电压在采样窗口内的建立过程可直观验证配置是否合理。6. 总结与可扩展方向本简易示波器项目本质上是一次对嵌入式数据采集系统全栈能力的凝练实践。它不追求参数指标的堆砌而着力于揭示信号链路上每一环节的物理意义与工程约束从运放跟随器的阻抗匹配到ADC采样电容的建立时间从DMA传输的带宽分配到LCD像素坐标的数学映射从触发逻辑的时序判定到飞线这一原始却高效的噪声隔离手段。每一个设计决策背后都对应着可测量、可验证的物理现象。其可扩展性体现在三个维度性能维度通过升级至STM32H7系列带硬件FIFO、更高主频与双精度浮点可轻松实现双通道1 MSPS同步采样与实时FFT频谱分析功能维度增加I2C接口的EEPROM存储用户校准参数与波形截图添加USB CDC类实现PC端虚拟示波器软件通信教学维度开放ADC原始数据导出接口配合Python脚本让学生亲手实现数字滤波、插值算法与李萨如图形生成将硬件平台转化为活的信号处理实验室。最终当示波器屏幕上那条由数百个ADC数值连成的曲线随着旋钮调节而平稳伸缩、随触发设置而精准锁定时工程师所看到的不仅是电压随时间的变化更是数字世界对模拟世界的忠实翻译——而这正是嵌入式硬件最本真的魅力所在。

相关文章:

STM32简易示波器设计:ADC采样与TFT显示全链路实现

1. 项目概述本项目是一款基于STM32微控制器的便携式简易示波器,面向嵌入式系统学习、基础信号观测及教学实验场景设计。其核心目标是在资源受限的MCU平台上实现双通道模拟信号采集、实时波形显示与基础触发功能,兼顾硬件简洁性、可复现性与工程实用性。不…...

Qwen2.5-VL-7B-Instruct开源模型部署:低成本GPU算力下运行高性能多模态大模型

Qwen2.5-VL-7B-Instruct开源模型部署:低成本GPU算力下运行高性能多模态大模型 1. 项目概述 Qwen2.5-VL-7B-Instruct是一款强大的开源多模态视觉-语言模型,能够在处理图像和文本的交互任务中表现出色。这个7B参数的模型经过优化,可以在相对低…...

Qwen3-TTS语音合成案例展示:听听AI生成的中英日韩语音效果

Qwen3-TTS语音合成案例展示:听听AI生成的中英日韩语音效果 1. 引言:语音合成技术的新高度 语音合成技术正在经历前所未有的变革。Qwen3-TTS-12Hz-1.7B-CustomVoice作为最新一代语音合成模型,能够生成接近真人发音的语音效果。本文将带您体验…...

SenseVoice-small-onnx ONNX量化模型部署教程:模型分割与显存分级加载策略

SenseVoice-small-onnx ONNX量化模型部署教程:模型分割与显存分级加载策略 1. 引言 语音识别技术正在快速改变我们与设备交互的方式,但传统的语音识别模型往往面临两个痛点:模型太大导致部署困难,以及显存不足导致推理速度慢。S…...

Phi-3-mini-128k-instruct效果展示:128K上下文内跨章节概念关联图谱生成

Phi-3-mini-128k-instruct效果展示:128K上下文内跨章节概念关联图谱生成 你是否遇到过这样的场景:阅读一份长达数百页的技术文档或研究报告,读到后面时,已经忘记了前面某个关键概念的定义,或者无法将不同章节中看似独…...

Clawdbot对接Qwen3:32B新手教程:代理配置与日志排查详解

Clawdbot对接Qwen3:32B新手教程:代理配置与日志排查详解 1. 环境准备与基础服务检查 在开始配置前,请确保您的服务器已具备以下基础环境: 操作系统:Ubuntu 20.04/22.04 LTS 或 CentOS 7/8硬件配置:建议至少24GB显存…...

Kimi-VL-A3B-Thinking效果可视化:ScreenSpot-Pro屏幕操作理解案例分享

Kimi-VL-A3B-Thinking效果可视化:ScreenSpot-Pro屏幕操作理解案例分享 1. 引言:当AI“看懂”你的屏幕 想象一下,你截了一张电脑桌面的图,发给一个助手,然后问它:“帮我看看右下角那个黄色图标是什么软件&…...

MusePublic在.NET生态中的AI应用开发

MusePublic在.NET生态中的AI应用开发 1. 引言 在当今的软件开发领域,AI能力的集成已经成为提升应用价值的关键。对于.NET开发者来说,如何在熟悉的开发环境中无缝接入大模型能力,是一个既实用又具有挑战性的课题。MusePublic作为一个功能强大…...

ANIMATEDIFF PRO优化升级:MP4输出、LUT调色,让动画更专业

ANIMATEDIFF PRO优化升级:MP4输出、LUT调色,让动画更专业 1. 从“能动的GIF”到“可交付的成片”,你只差这一步 如果你已经用ANIMATEDIFF PRO生成过几段动画,可能会发现一个现实问题:生成的GIF文件,在手机…...

黑丝空姐-造相Z-Turbo开发入门:.NET生态下的模型调用与图像处理

黑丝空姐-造相Z-Turbo开发入门:.NET生态下的模型调用与图像处理 最近在.NET社区里,看到不少朋友对AI图像生成感兴趣,特别是想在自己的C#应用里集成这类能力。今天咱们就来聊聊,怎么在熟悉的.NET环境里,调用像“黑丝空…...

yz-bijini-cosplay作品展示:支持‘COS角色+现实场景’如‘漫展现场+地铁车厢’混合生成

yz-bijini-cosplay作品展示:支持‘COS角色现实场景’如‘漫展现场地铁车厢’混合生成 想象一下,你想创作一张“初音未来在地铁车厢里”的Cosplay作品。传统方法可能需要先找模特、租服装、找场地、拍摄,再后期修图,耗时耗力。现在…...

Qwen3-VL:30B保姆级教程:星图平台创建实例→Ollama验证→Clawdbot安装→飞书对接全链路

Qwen3-VL:30B保姆级教程:星图平台创建实例→Ollama验证→Clawdbot安装→飞书对接全链路 1. 引言:打造你的专属多模态AI助手 想象一下,你的团队群里发来一张复杂的业务图表,或者一张新产品的设计草图,大家正在热烈讨论…...

春联生成模型网络协议浅析:从HTTP请求到模型推理

春联生成模型网络协议浅析:从HTTP请求到模型推理 春节临近,想用AI给自己家生成一副独一无二的春联,你打开手机上的小程序,输入“龙年大吉,财源广进”,点击生成。几秒钟后,一副对仗工整、寓意吉…...

阿里通义Z-Image-Turbo WebUI图像生成模型:快速上手,轻松生成高质量图片

阿里通义Z-Image-Turbo WebUI图像生成模型:快速上手,轻松生成高质量图片 想试试用AI画图,但被复杂的安装和一堆看不懂的参数劝退?今天,咱们就来聊聊一个对新手超级友好的工具——阿里通义Z-Image-Turbo WebUI。它就像…...

新手必看:Clawdbot整合Qwen3:32B,轻松生成符合审查指南的专利文本

新手必看:Clawdbot整合Qwen3:32B,轻松生成符合审查指南的专利文本 1. 为什么选择ClawdbotQwen3:32B组合 专利撰写是门技术活,更是个细致活。传统方式下,专利代理人需要花费大量时间在格式规范、术语准确性和权利要求逻辑性上。而…...

PyTorch 2.5实战:基于镜像的模型训练与推理全流程

PyTorch 2.5实战:基于镜像的模型训练与推理全流程 你是不是也遇到过这样的烦恼?想快速开始一个深度学习项目,结果光环境配置就花了大半天:CUDA版本不对、PyTorch装不上、各种依赖冲突……好不容易环境搭好了,写代码时…...

FireRed-OCR Studio完整指南:FireRed-OCR Studio API服务化封装与FastAPI集成

FireRed-OCR Studio完整指南:FireRed-OCR Studio API服务化封装与FastAPI集成 1. 产品概述 FireRed-OCR Studio是一款基于Qwen3-VL模型开发的工业级文档解析工具,它重新定义了文档数字化的标准。不同于传统OCR工具只能识别文字内容,FireRed…...

快速体验语音识别:SenseVoice ONNX模型部署与效果展示

快速体验语音识别:SenseVoice ONNX模型部署与效果展示 1. 引言:让机器听懂你的声音,其实很简单 你有没有想过,自己动手搭建一个能听懂中文、英文甚至粤语的语音识别服务?可能你觉得这需要复杂的算法知识、昂贵的硬件…...

Qwen3-Reranker-8B在医疗领域的应用:智能病历检索系统

Qwen3-Reranker-8B在医疗领域的应用:智能病历检索系统 1. 引言 医院每天产生海量的病历数据,医生想要快速找到某个特定病例或相似症状的患者记录,往往需要花费大量时间翻阅纸质档案或在不同系统中搜索。传统的病历检索系统通常基于关键词匹…...

PowerPaint-V1 Gradio企业级部署指南:高可用架构设计

PowerPaint-V1 Gradio企业级部署指南:高可用架构设计 1. 引言 如果你正在考虑将PowerPaint-V1 Gradio应用到企业环境中,可能会遇到这样的问题:单机部署的服务在高峰期响应缓慢,偶尔出现服务中断,或者担心硬件故障导致…...

translategemma-4b-it入门必看:Ollama部署后如何扩展支持新语种(如zh-yue→en)

translategemma-4b-it入门必看:Ollama部署后如何扩展支持新语种(如zh-yue→en) 本文面向已经通过Ollama部署translategemma-4b-it模型的用户,重点解决一个实际问题:如何让这个强大的翻译模型支持更多语言对&#xff0c…...

Qwen2.5-72B-GPTQ-Int4效果展示:会议纪要生成+待办事项提取+责任人标注

Qwen2.5-72B-GPTQ-Int4效果展示:会议纪要生成待办事项提取责任人标注 你是否还在为冗长的会议录音整理而头疼?是否在会后需要花费大量时间从讨论中梳理出待办事项并分配责任人?今天,我们将通过一个具体的案例,展示如何…...

Face3D.ai Pro算法解析:从2D到3D的核心技术揭秘

Face3D.ai Pro算法解析:从2D到3D的核心技术揭秘 1. 引言 你有没有想过,为什么有些应用只需要你上传一张自拍照,就能瞬间生成一个可以360度旋转的3D人脸模型?这背后其实是一系列精妙的算法在协同工作。Face3D.ai Pro就是这样一种…...

DeOldify图像上色实战:Python环境一键部署与快速上手

DeOldify图像上色实战:Python环境一键部署与快速上手 你是不是也翻出过家里的老照片,看着那些泛黄的黑白影像,特别想知道它们原本的色彩是什么样的?或者,作为一个开发者,你对AI图像处理很感兴趣&#xff0…...

VideoAgentTrek-ScreenFilter一文详解:class_id与class_name映射关系说明

VideoAgentTrek-ScreenFilter一文详解:class_id与class_name映射关系说明 在视频和图像分析领域,目标检测模型的核心输出之一就是识别出画面中的物体并对其进行分类。对于开发者而言,理解模型输出的类别标识(class_id&#xff09…...

好用还专业! 专科生专属降AIGC网站 —— 千笔·专业降AIGC智能体

在AI技术迅猛发展的今天,越来越多的专科生开始借助AI工具辅助完成论文写作,以提升效率和内容质量。然而,随着知网、维普、万方等查重系统对AI生成内容的识别能力不断提升,论文中的“AI率”问题逐渐成为影响毕业的关键因素。许多学…...

干货来了:继续教育专用降AIGC网站,千笔AI VS PaperRed

在AI技术快速发展的今天,越来越多的学生和研究者开始借助AI工具提升论文写作效率。然而,随着各大查重系统对AI生成内容的识别能力不断提升,论文中的“AI痕迹”也成为了学术合规的一大隐患。不少学生在使用AI辅助写作后,发现论文AI…...

AI 人工智能领域主动学习的航空航天应用案例

当AI学会"主动提问":航空航天领域的主动学习实践启示 关键词 主动学习(Active Learning)、航空航天AI、数据稀缺性、查询策略、专家标注、故障诊断、卫星遥感 摘要 在航空航天这样高风险、高精度的领域,AI模型往往面临&…...

AI原生应用语音合成:增强语音的情感表达

AI原生应用语音合成:增强语音的情感表达 关键词:AI原生应用、语音合成、情感表达、TTS技术、韵律建模、情感特征提取、多模态融合 摘要:本文将深入探讨AI原生应用中语音合成技术如何实现情感表达的增强。我们将从技术原理、核心算法、实战案例…...

AI Agent在智能鞋柜中的除臭除湿控制

AI Agent在智能鞋柜中的除臭除湿控制关键词:AI Agent、智能鞋柜、除臭除湿控制、传感器技术、自动化控制摘要:本文聚焦于AI Agent在智能鞋柜除臭除湿控制中的应用。通过对AI Agent的核心概念、算法原理、数学模型等方面的深入探讨,详细阐述了…...