新闻详情

新闻详情

首页 / 资讯中心 / 详情

源师兄BH1750光照扩展完整入门:从接线到第一个积木,5分钟测出环境光照

发布时间:2026/11/17 11:27:22来源:尧图网络
源师兄BH1750光照扩展完整入门:从接线到第一个积木,5分钟测出环境光照
源师兄BH1750光照扩展完整入门从接线到第一个积木5分钟测出环境光照【免费下载链接】CupCode_BH1750光线模块该模块用于测量环境光线强度项目地址: https://gitcode.com/yuanshixiong/test想给自己的开发板加一块能看光的传感器吗源师兄 BH1750 光照扩展CupCode_BH1750 光线模块就是一个基于 I2C 的数字环境光照度传感器扩展接上四根线用积木编程即可读取实际照度lux 数值还能直接拿到室内正常强烈日晒这类明暗档位文字。本文带你 5 分钟完成从接线到第一个积木的完整流程。BH1750 光照传感器是什么BH1750 是一颗常用的数字环境光传感器芯片扩展后具备两大能力读取精确照度输出 lux勒克斯数值1 分辨率适合做光线数据采集明暗档位判断内置五档文字结果 ——全黑 / 夜间照明 / 室内正常 / 明亮 / 强烈日晒适合做简单的灯光联动逻辑。驱动核心位于 library/bh1750_lib.py通过 I2C 以 100kHz 频率与传感器通信默认地址 0x23每次测量约 180ms 完成一次高精度读取。BH1750 接线教程4 根线搞定接线是最容易出错的环节对照下面的表格逐一连接即可BH1750 引脚连接到说明SCLGPIO22I2C 时钟线默认值积木内可改SDAGPIO21I2C 数据线VCC3.3V供电注意不要接 5VGNDGND共地ADD接地固定传感器地址为 0x23 小技巧ADD 引脚接地后传感器地址为 0x23若你的开发板上地址冲突可改接 VCC 换成 0x24同时记得修改驱动里对应地址。加载扩展放入 ohcode 扩展库把整个扩展目录含library/、config.json、category.json、blocksdef.js及图片放入 ohcode 扩展库即可加载。加载成功后积木分类中会出现金黄色的「BH1750光照」分类扩展说明信息来自 config.json。搭建第一个积木5 分钟测出环境光照打开积木编辑器在「BH1750光照」分类下只需 3 块积木光照传感器 BH1750初始化默认 SCL 脚 22、SDA 脚 21按实际接线修改即可BH1750 读取光照(lux)输出数值型 lux 照度可接在打印赋值等积木后BH1750 明暗档位输出文字档位全黑/夜间照明/室内正常/明亮/强烈日晒。三个积木分别定义在 blocksdef.js分类结构见 category.json。跑起来后你看到的第一组数据大概就是这样白天窗边1800.5→强烈日晒台灯下150.2→室内正常遮住传感器0.8→全黑常用文件清单文件作用library/bh1750_lib.pyBH1750 驱动类含read_lux()与level()两个核心方法blocksdef.js积木定义与 Python 代码生成逻辑category.json积木分类初始化 / 读取 lux / 明暗档config.json扩展名称与说明小结从接线到第一个积木全程不到 5 分钟4 根线接入 I2C加载扩展拼上初始化 读取积木就能让开发板实时感知环境光照。后续可以试试用「明暗档位」积木做一个自动亮灯的小实验——让传感器成为你项目里的眼睛光强数据随取随用。【免费下载链接】CupCode_BH1750光线模块该模块用于测量环境光线强度项目地址: https://gitcode.com/yuanshixiong/test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 2026/11/16 19:23:38

【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 2026/11/16 17:28:18

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
📞 ✉