新闻详情

新闻详情

首页 / 资讯中心 / 详情

鸿蒙+星闪+AI大模型三大核心技术全解析:creation创意作品背后的技术架构

发布时间:2026/11/18 3:34:19来源:尧图网络
鸿蒙+星闪+AI大模型三大核心技术全解析:creation创意作品背后的技术架构
鸿蒙星闪AI大模型三大核心技术全解析creation创意作品背后的技术架构【免费下载链接】作品本仓库用于系统化存储和管理源师兄在学习、竞赛及创作过程中产生的各类作品和项目资源。项目地址: https://gitcode.com/yuanshixiong/creationcreation 创意作品仓库汇聚了源师兄在 2025 创意开发赛中的全部开源硬件作品核心围绕鸿蒙OpenHarmony操作系统、星闪SparkLink短距通信、AI 大模型三大技术展开。本文带你用 5 分钟看懂这些作品背后的技术架构并给出快速上手路径。 creation 仓库结构速览3 步定位目标作品仓库按赛事 / 创意作品两级分类组织每个作品目录都包含固定三件套目录内容作用code/.ohc图形化程序源码可直接导入源师兄开发环境运行code_image/代码截图快速了解关键逻辑show_images/实物展示图了解作品形态 新手建议先从各作品的 README.md 总入口看起再进入具体作品目录。 鸿蒙OpenHarmony如何驱动多板协同鸿蒙在仓库中主要承担核心控制平台角色让多块源师兄开发板作为异构设备分布式协同各自跑一段轻量程序通过广播消息互相协作。典型案例是鸿蒙智慧灾情零距离——救援物资智能发放系统5 块开发板分工明确开发板一超声波距离监测广播灯色指令开发板二接收信号同步灯光颜色开发板三AI 人脸识别精准发放物资程序源码可直接查看鸿蒙智慧灾情零距离_程序_灯带星闪.ohc给新手的理解方式把每块开发板想象成一个微服务鸿蒙系统负责各自的实时任务调度星闪/广播负责服务间通信。 星闪SparkLink低时延通信实战星闪是国产短距无线通信技术主打低时延、高可靠仓库中它几乎是安全类作品的标配1️⃣ 电动车智能头盔车盔联动强制闭环通过金属接近传感器检测扣环、超声波检测头盔位置头盔端把已佩戴信号低延迟发给车辆端实现不戴头盔无法启动。程序见 基于星闪技术的电动车智能头盔_程序_头盔端.ohc。2️⃣ 智能可佩戴聋哑门铃声音转触觉门口按铃后信号采集端经星闪高速传送到腕戴接收端震动 发光提醒听障用户。星闪的低时延特性让按铃—震动几乎零感知延迟。3️⃣ 轮胎损伤 AI 识别预警监控端识别结果通过星闪无线广播一秒内推送到手持显示终端完成动态爆胎风险预警。 共同模式发送端感知 判断→ 星闪广播 → 接收端执行/提醒这是仓库中最高频的双机架构。 AI 大模型与边缘 AI让作品会思考AI 在仓库中分两层落地云端大模型交互小智模块楚彩钟韵编钟文创是最典型代表嵌入小智智能模块基于 AI 大模型把楚文化与音律知识做成随身文化数据库用户敲击 3D 打印编钟听音之余还能对话式问答。硬件程序见 编钟.ohc。边缘 AI 视觉离线推理智能稻草人部署 ONNX 视觉模型智慧农业-智能稻草人模型.onnx本地识别鸟禽并驱赶无需联网轮胎损伤识别Sentry2 摄像头 K210 神经网络处理器运行离线卷积模型实时分类轮胎表面缺陷![楚彩钟韵AI大模型编钟文创的小智模块组装接线](https://raw.gitcode.com/yuanshixiong/creation/raw/2058a51b9f604031740eb39d575d2173fdc705c3/赛事/2025年源师兄创意开发赛/楚彩钟韵-一款基于 AI 大模型的编钟文创/show_images/源师兄接线小智模块组装.jpg?utm_sourcegitcode_repo_files)选型口诀要对话、知识问答选小智大模型要实时、离线、低功耗选边缘视觉模型。 三大技术组合拳一条完整的创作链路把上面的作品串起来可以提炼出 creation 仓库的标准技术架构感知层 传输层 控制层 智能层 传感器/AI摄像头 → 星闪广播/点对点 → 鸿蒙多板协同 → 大模型问答/离线推理新手上手路线双机星闪项目入门 → 看 呼叫.ohc 与 接收.ohc多板协同进阶 → 研读鸿蒙灾情系统的四段分板程序加入 AI → 给作品挂一个小智模块或 ONNX 视觉模型三大技术在几十个作品中反复验证鸿蒙做底座、星闪做神经、AI 做大脑。沿着code/目录里的.ohc源码逐个跑一遍你就掌握了这套完整技术架构。【免费下载链接】作品本仓库用于系统化存储和管理源师兄在学习、竞赛及创作过程中产生的各类作品和项目资源。项目地址: https://gitcode.com/yuanshixiong/creation创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉