二哈识图 2 + 行空板 M10 宠物智能陪伴助手 简单

本项目核心以行空板 M10 为中央控制中枢，整合二哈识图 2 的 AI 视觉感知、温度传感器的环境感知，通过 RGB 灯带实现可视化反馈，形成 “感知 - 判断 - 执行” 的闭环智能陪伴系统。

一、项目背景

该项目的背景既贴合当下人们的情感陪伴需求与养宠现实痛点，又依托于成熟的硬件技术与教育、创客领域的落地需求，是技术适配市场与场景需求的典型创意项目，具体可从社会需求、技术支撑和应用场景三个层面展开：

1、社会需求层面：填补孤独经济下的陪伴缺口与养宠痛点

• 情感陪伴需求激增：当前社会独居人群规模不断扩大，中国独居人口已超 9000 万，同时 Z 世代年轻人面临职场压力、银发群体缺乏日常陪伴等问题，传统家庭结构难以满足所有人的陪伴需求。而 AI 宠物类产品成为 “孤独经济” 的新出口，能为不同人群提供持续的情感回应，该宠物智能陪伴助手正是契合这一需求的轻量化方案。
• 解决传统养宠的现实阻碍：养真实宠物常面临租房限制、照料精力消耗、经济成本高、生病照料难等问题，许多渴望养宠的人因此望而却步。这款智能助手无需繁琐照料，还能通过识别宠物状态提供基础陪伴相关反馈，既满足人们对宠物互动的需求，又规避了传统养宠的诸多麻烦。
•  
• 2、技术支撑层面：硬件与编程技术的成熟降低项目实现门槛
• 核心硬件的适配性与高性能：二哈识图 2 作为新一代 AI 视觉传感器，搭载 6TOPS 算力的芯片，集成内存与存储，支持物体检测等 20 余种预置 AI 模型，还能自定义训练模型，其 200 万像素摄像头和补光灯可保障宠物识别的精准性；而行空板 M10 作为高集成度的 AIoT 开发板，自带屏幕且接口丰富，能无缝对接二哈识图 2 及温度传感器、RGB 灯带等外设，二者搭配可高效实现视觉识别与外设控制的联动。
• 低代码编程降低开发难度：两款硬件均支持 Mind + 图形化编程，无需复杂的手写代码基础。这让创客、学生甚至普通科技爱好者都能快速上手开发，打破了 AI 项目开发的技术壁垒，为该陪伴助手项目的落地提供了编程层面的便利，也契合中小学人工智能通识教育的实践需求。

3、应用场景层面：适配家庭日常与创客教育双重场景

• 家庭日常陪伴的实用化需求：多数宠物主人外出时，难以实时了解家中宠物状态。该项目可通过二哈识图 2 识别宠物是否焦躁、是否处于活动状态，结合温度传感器监测宠物所处环境温度，再通过 RGB 灯带等外设反馈状态，解决主人对宠物居家状态的牵挂问题，是家庭养宠场景的实用补充工具。
• 创客与教育场景的落地需求：当前 STEAM 教育和创客项目愈发重视 AI 与硬件结合的实践。二哈识图 2 与行空板 M10 均已融入中小学人工智能教育课程体系，这款宠物智能陪伴助手项目，能将 AI 视觉识别、外设联动、逻辑编程等知识点融合，成为创客教育中的典型案例，帮助学习者理解嵌入式 AI 与物联网的实际应用，同时也为创意创客项目提供了可参考的硬件搭配与功能实现范式。

二、硬件清单与连接规范

1. 核心硬件清单

2. 硬件连接示意图（行空板 M10 引脚）

注意：RGB 灯带若超过 10 灯珠，需单独接 5V 电源，避免行空板供电过载。

三、方案核心目标

1. 基础监测：AI 识别宠物（猫 / 狗）类型，实时监测宠物活动区温度，超阈值报警；
2. 状态感知：识别宠物 “放松 / 焦躁” 情绪，通过灯带可视化提醒；
3. 互动陪伴：识别主人靠近时触发灯带渐变、语音提示等欢迎互动；
4. 低门槛实现：全程采用 Mind + 图形化编程，无需手写代码，适配创客 / 学生群体。

二哈识图 2 模型训练（关键！）

模型烧录：训练完成后，通过平台生成固件，用 USB 线将二哈识图 2 连电脑，按教程烧录模型。

四、程序编写

Python代码

# MindPlus

#

import time

from unihiker import GUI

from pinpong.board import Board

from pinpong.board import DHT11

from pinpong.board import NeoPixel

from pinpong.board import Board,Pin

from pinpong.extension.unihiker import *

from pinpong.board import Board

from dfrobot_huskylensv2 import *

# 变量

WenDu = 0

JianBianZhi = 0

# 自定义函数

def DF_ChongWuShiBie():

    huskylens.getResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION)

    print("13")

    if (huskylens.available(ALGORITHM_SELF_LEARNING_CLASSIFICATION)):

        if ((huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION).name if huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION) else -1).find("猫")!=-1):

            np1.range_color(0,6,(0,0,255))

        elif ((huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION).name if huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION) else -1).find("狗")!=-1):

            np1.range_color(0,6,(255,255,0))

        else:

            np1.clear()

        time.sleep(0.5)

def DF_ChongWuQingXuShiBie():

    huskylens.getResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION)

    print("14")

    if (huskylens.available(ALGORITHM_SELF_LEARNING_CLASSIFICATION)):

        if ((huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION).name if huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION) else -1).find("放松")!=-1):

            np1.range_color(0,6,(0,0,255))

        elif ((huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION).name if huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION) else -1).find("焦躁")!=-1):

            for index in range(5):

                np1.range_color(0,6,(0,0,255))

                time.sleep(0.2)

                np1.clear()

                time.sleep(0.2)

        time.sleep(1)

def DF_WenDuJianCeBaoJing():

    global WenDu

    WenDu = dht1.temp_c()

    if (WenDu>30):

        print("高温")

        np1.range_color(0,6,(255,0,0))

        time.sleep(1)

    elif (WenDu<15):

        print("低温")

        np1.range_color(0,6,(0,255,0))

        time.sleep(1)

    else:

        np1.clear()

        time.sleep(1)

    time.sleep(0.5)

def DF_ZhuRenShiBieYuHuDong():

    global JianBianZhi

    huskylens.getResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION)

    if (huskylens.available(ALGORITHM_SELF_LEARNING_CLASSIFICATION)):

        if ((huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION).name if huskylens.getCachedCenterResult(ALGORITHM_SELF_LEARNING_CLASSIFICATION) else -1).find("主人")!=-1):

            JianBianZhi = 0

            for index in range(255):

                np1.range_color(0,6,(JianBianZhi,9,(255 - JianBianZhi)))

                JianBianZhi = (JianBianZhi + 1)

                time.sleep(0.01)

                np1.clear()

        time.sleep(1)

# 主程序开始

u_gui=GUI()

Board().begin()

huskylens = HuskylensV2_I2C()

huskylens.knock()

print("11")

huskylens.switchAlgorithm(ALGORITHM_SELF_LEARNING_CLASSIFICATION)

time.sleep(5)

print("12")

dht1 = DHT11(Pin((Pin.P4)))

np1 = NeoPixel(Pin((Pin.P9)), 7)

np1.brightness(128)

np1.brightness(50)

np1.clear()

t1=u_gui.draw_text(text="欢迎登录",x=0,y=0,font_size=20, color="#0000FF")

t2=u_gui.draw_text(text="宠物智能陪伴助手",x=0,y=50,font_size=20, color="#0000FF")

buzzer.play(buzzer.ENTERTAINER,buzzer.Once)

while True:

    DF_ChongWuShiBie()

    DF_ChongWuQingXuShiBie()

    DF_WenDuJianCeBaoJing()

    DF_ZhuRenShiBieYuHuDong()

    time.sleep(0.5)

总结

本项目实现了更好的情绪检测，可以让宠物主人实时了解宠物的状态，并针对获取到的结果进行调节，便于宠物可以更好的生活。