物联网AI MicroPython传感器学习 之 HX711称重传感器

2023-10-13 20:36

本文主要是介绍物联网AI MicroPython传感器学习 之 HX711称重传感器,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

学物联网,来万物简单IoT物联网!!在这里插入图片描述

一、产品简介

下图是一款量程为5kg的称重传感器,采用悬臂梁方式安装。传感器主体结构是一个开孔金属条,金属条上下表面各贴有两个应变电阻,当金属条受力发生变形时时,应变电阻的阻值也会随之发生变化。电子秤的原理便是根据测量到的电阻变化前后电压差信号进而计算出重物的质量。
image.png
引脚定义:

  • VCC:接 3.3V
  • DT:接 GPIO
  • SCK:接 GPIO
  • GND:接 GND

二、技术参数:

  • 量程:0~5Kg
  • 灵敏度:1.0 mv/v
  • 精度:24位ADC采样精度

三、软件接口

EleScale(clkDev, dataDev, capValue) - 创建EleScale驱动对象

  • 函数原型:

scaleObj = EleScale(clkDev, dataDev, capValue)

  • 参数说明:
参数类型说明
clkDevGPIO传入Pin对象
dataDevGPIO传入Pin对象
capValuefloat测量系数,理论值为429.5,测量值除以capValue的结果为被测物体的质量(克)。由于不同的传感器其特性曲线并非完全相同,因此在测量时可能会出现一定的偏差,建议在初次使用时使用标准砝码对电子秤做一次校准,如果测量值偏大则适当增大capValue,反之,如果测量值偏小就适当调小capValue,直到测量值与砝码重量直接的偏差在误差允许范围为止。
  • 返回值:
    EleScale对象创建成功,返回EleScale对象;EleScale对象创建失败,抛出Exception
  • 示例代码:
from machine import Pin
import elescaleclkDev = Pin(16, Pin.OUT , Pin.PULL_DOWN)
dataDev = Pin(17, Pin.IN , Pin.PULL_UP)scaleObj = elescale.EleScale(clkDev, dataDev, 430.0)
print("elescale inited!")
  • 输出:
elescale inited!

getWeight() - 获取被测物体重量

  • 函数功能:
    获取被测物体的重量(克)
  • 函数原型:

EleScale.getWeight()

  • 参数说明:
  • 返回值:
返回值类型说明
valuefloat返回被测物体的重量,单位为克。
  • 示例:
from machine import Pin
import elescale
import utimeclkDev = Pin(16, Pin.OUT , Pin.PULL_DOWN)
dataDev = Pin(17, Pin.IN , Pin.PULL_UP)scaleObj = elescale.EleScale(clkDev, dataDev, 430.0)
print("elescale inited!")
while True:weight = scaleObj.getWeight()print("%.2f g"%weight)utime.sleep(1)
  • 输出:
elescale Init!
0.04 g
0.00 g
0.00 g

四、接口案例

  • 代码:
from machine import Pin
import elescale
import utimeclkDev = Pin(16, Pin.OUT , Pin.PULL_DOWN)
dataDev = Pin(17, Pin.IN , Pin.PULL_UP)scaleObj = elescale.EleScale(clkDev, dataDev, 430.0)
print("elescale inited!")while True:weight = scaleObj.getWeight()print("%.2f g"%weight)utime.sleep(1)
  • 输出:
elescale Init!
0.04 g
0.00 g
0.00 g

五、工作原理

电子秤结构示意图如下:
image.png
四个电阻组成一个惠斯通电桥,当空载时电桥处于一个平衡状态,即输出电压E0=输入电压Ex,当托盘上放有重物时力F>0,此时金属条会发生一定程度的形变,应变电阻R1~R4阻值发生变化,对应的输出电压E0与输出电压Ex之间就会有一个压差。
image.png
此称重传感器采用24位高精度的A/D转换器芯片hx711,该芯片专为高精度电子称而设计,具有两路模拟通道输入,内部集成128倍增益可编程放大器,是一款理想的高精度测量模块。hx711模块接线图如下所示:
image.png
被测物体重量计算公式:
m = A D C o u t × M 128 × 2 24 × 1 m v / v = 1 429.5 A D C o u t m = \frac{ADC_{out} \times M}{128 \times 2^{24} \times 1mv/v} = \frac{1}{429.5} ADC_{out} m=128×224×1mv/vADCout×M=429.51ADCout
其中:

  • m为被测物体重量,单位g
  • M为量程此处等于5000,单位g
  • 为HX711输出的ADC采样数据
  • 128表示HX711内部放大增益
  • 2 24 2^{24} 224表示24位ADC采样
  • 表示电子秤灵敏度,即1kg重物可使测量电路上产生1mv的电压输出

注:这里的429.5即为capValue参数

参考文献及购买链接

  • [1] 购买链接

这篇关于物联网AI MicroPython传感器学习 之 HX711称重传感器的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/205715

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss