新闻详情

新闻详情

首页 / 资讯中心 / 详情

源师兄L1教学应用完全清单:信息科技、人工智能与创客教育的10个课程项目

发布时间:2026/11/11 15:13:28来源:尧图网络
源师兄L1教学应用完全清单:信息科技、人工智能与创客教育的10个课程项目
源师兄L1教学应用完全清单信息科技、人工智能与创客教育的10个课程项目【免费下载链接】源师兄L1基于海思ws63芯片平台的源师兄开源项目硬件资料包括硬件原理图和PCB layout文档。项目地址: https://gitcode.com/yuanshixiong/ysx-v1源师兄L1是基于华为海思 Hi3863WS63芯片平台的开源教学开发板运行 OpenHarmony 4.1 系统板载 OLED 屏、六轴陀螺仪、磁力传感器、麦克风、光感传感器和 3 颗可编程 RGB 灯支持 Wi-Fi 6 与星闪无线连接。它面向信息科技、人工智能与创客教育三大课程方向一块板子即可落地 10 个动手课程项目适合从小学到高中学段的信息科技课堂与社团教学。为什么源师兄L1适合课程教学对老师来说选教学板最怕传感器不够用和学生学不会。源师兄L1 在这两点上都做得比较完整传感器一步到位OLED 屏、六轴 IMU、磁力计、麦克风、光感、RGB 灯、蜂鸣器、A/B 按键全部板载不用外接模块也能开课无线能力齐全Wi-Fi 6 星闪NearLink 低功耗蓝牙BLE/HID支持云 AI 接入与多设备协同实验编程门槛低支持图形化与 PythonmicroPython双模式进阶还可学习 C 与 OpenHarmony 固件开发硬件完全开源原理图、PCB 文档全部开放遵循开放原子开放硬件许可证教师可放心二次设计与讲解核心参数速览完整表格见 README.md参数项说明主控芯片海思 Hi3863240MHzFlash 4M操作系统OpenHarmony 4.1已过兼容性认证显示0.96 寸 OLED128×64传感器六轴陀螺仪、磁力、光感可测距、麦克风扩展11 路 GPIO、4 路 ADC、5 路 PWM、I2C、串口无线Wi-Fi 6、星闪 SLE、BLE 4.0–5.23 分钟认识硬件传感器与课程能力对照先看这张标注图正面是 OLED 屏、A/B 按键、RGB 灯与麦克风背面能看到陀螺仪、地磁处理器、蜂鸣器与天线每个传感器都对应明确的课程能力硬件型号对应课程能力OLED 屏128×64文字输出、数据可视化六轴陀螺仪SC7112姿态感知、手势识别、运动控制磁力传感器MMC5983M电子指南针、方位导航光感传感器LTR553光控实验、障碍物检测麦克风板载声音强度采集、语音 AI 实验RGB 灯 ×3WS2812声光反馈、可视化提示蜂鸣器板载旋律播放、提示音学生做项目时最常用的引脚如下引脚说明见 README.md10 个课程项目完全清单 以下 10 个项目按三大课程方向组织每个项目都只使用板载硬件或简单扩展保证开箱即教。一、信息科技课程项目小学 3–6 年级项目 1你好源师兄OLED 点亮的第一个程序用到硬件OLED 屏学习目标认识开发板、下载运行第一个程序、在屏幕上显示文字编程方式图形化拖入当程序启动时积木块即可难度⭐项目 2按钮互动计数器用到硬件A/B 按键、OLED、RGB 灯学习目标事件响应、变量加减、条件判断编程方式图形化难度⭐⭐项目 3电子指南针用到硬件磁力传感器、OLED学习目标I2C 传感器数据读取、角度换算与实时显示编程方式Python难度⭐⭐⭐项目 4智能分贝仪用到硬件麦克风、OLED、RGB 灯学习目标模拟量采集、阈值判断、超阈值声光报警编程方式图形化或 Python难度⭐⭐二、人工智能课程项目中学项目 5AI 语音互动站用到硬件麦克风、Wi-Fi 6学习目标采集声音数据、联网调用云端语音识别、理解 AI 的感知—处理—响应流程编程方式Python难度⭐⭐⭐项目 6AI 智能问答小助手用到硬件Wi-Fi 6、OLED、A/B 按键学习目标通过 WiFi 6 高速网络对接云端大模型 APIOLED 逐行显示回答体验生成式 AI 应用编程方式Python难度⭐⭐⭐⭐项目 7AI 手势控灯用到硬件六轴 IMU、RGB 灯学习目标加速度/角速度数据融合、手势分类逻辑理解机器学习中的特征概念编程方式Python难度⭐⭐⭐⭐三、创客教育项目跨学段 / 拓展项目 8避障智能小车用到硬件光感传感器LTR553 可测距、PWM、IO 扩展板学习目标距离检测、电机 PWM 调速、循线避障策略编程方式Python难度⭐⭐⭐项目 9星闪多机协同用到硬件两块源师兄L1、星闪 SLE学习目标近场通信的广播与连接模型实现主设备指令 → 从设备亮灯/显示的联动实验编程方式Python难度⭐⭐⭐⭐项目 10蓝牙 HID 遥控器用到硬件BLEHID 键盘模式、A/B 按键学习目标把开发板变成电脑的键盘实现远程输入与创客演示编程方式图形化或 Python难度⭐⭐⭐ 教学建议项目 1–4 可作为学期主线课程项目 5–7 适合作为 AI 主题单元项目 8–10 留给社团与科创竞赛。完整课程资料可关注源师兄教学资料获取。编程上手图形化 Python 双模式源师兄L1 使用 OH Code 作为主力编程软件图形化与 Python 模式自由切换写完直接下载到板子运行。图形化模式积木块分类清晰涵盖引脚、板载、显示、控制、运算、变量等低学段学生 10 分钟即可完成第一个项目Python 模式采用更标准的 microPython 规范右侧面板实时查看生成的 Python 代码方便学生从图形化平滑过渡到代码编程除此之外mu-editor、thonny 等主流 microPython 工具也能直接使用如果学生走向进阶仓库内还提供了 OpenHarmony 固件源码可学习 C/C 与系统开发源码获取指引见 固件源码/sourcecode-acquire.md。开源生态与学习资源源师兄项目围绕硬件开源 → 软件开源 → 编程框架 → 课程四层递进课程资料、编程框架与固件都持续更新常用文件资料导航均为仓库内相对路径资料路径项目总览与硬件参数README.md硬件原理图PDF硬件资料-PCB原理图/v1.0/源师兄V1原理图.pdfPCB 设计文件硬件资料-PCB原理图/v1.0/源师兄V1.PcbDoc扩展板原理图硬件资料-PCB原理图/v1.0/EXP.SchDoc固件源码目录固件源码/固件构建入门固件源码/其它资料/start.md写在最后一块源师兄L1就能覆盖信息科技的基础编程、人工智能的联网实验和创客教育的软硬结合项目。建议按图形化入门 → Python 进阶 → 无线与 AI 拓展的节奏排课让学生从点亮 OLED 的第一行字一路走到星闪协同的科创舞台。动手做是最好的科技教育 【免费下载链接】源师兄L1基于海思ws63芯片平台的源师兄开源项目硬件资料包括硬件原理图和PCB layout文档。项目地址: https://gitcode.com/yuanshixiong/ysx-v1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 2026/11/11 13:52:51

【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 2026/11/10 19:42:40

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 2026/11/11 9:31:44

【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 ... 2026/11/11 5:36:08

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 2026/11/11 15:37:39

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 2026/11/10 17:14:10

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
📞 ✉