返回首页
回到顶部
一个能将你的”手势“化为魔法的物联网项目
【项目介绍】
你有没有幻想过拥有一根真正的魔法棒？挥动它，就能点亮房间里的灯，启动风扇吹来清凉的风……这一切现在不再是幻想！
“AI魔法棒”是一个结合了人工智能、物联网和创意造物的趣味项目。它利用行空板K10（UNIHIKER K10）作为魔法棒的核心，通过板载的加速度传感器采集挥舞手势的轨迹数据，借助Mind+时序模式识别技术训练AI模型，让魔法棒能够精准识别“左右移动”和“上下移动”等不同动作。识别成功后，魔法棒会亮起对应的彩色灯效，并通过物联网平台SIoT向被控设备发送指令，实现“一挥手，灯即亮”的神奇体验。
项目的灵感来源于迪士尼童话中的魔法棒——挥动魔杖即可释放魔法。而今天，我用科技把它变成了现实。
【软硬件清单】
1.硬件部分
（1）魔法棒端
行空板K10 × 1（主控）
24灯珠RGB LED环形灯带 × 1
激光切割外壳材料 × 若干
Type-C数据线 × 1
（2）被控设备端
掌控板 × 2
掌控板扩展板 × 2
LED灯带（5颗灯珠）× 1（配合亚克力雕刻透光板）
数字继电器模块 × 1（DFR0017）
风扇 × 1
杜邦线、电源线等若干
2.软件与工具
Mind+ V2.0（图形化编程与模型训练工具）
SIoT V2物联网服务器
LaserMaker（激光切割设计软件）
【魔法棒的诞生历程】
步骤1 前期构思与设计
魔法棒的外壳采用激光切割亚克力板、椴木板进行制作。在设计时，我以迪士尼童话风格为灵感，让魔法棒兼具科技感和梦幻感。整个外壳留出行空板K10的2.8英寸屏幕窗口，让识别结果可以实时显示在屏幕上，增加交互体验。
步骤2 AI模型训练——让魔法棒“听懂”手势
魔法棒的“魔法”核心，是AI动作识别能力。行空板K10板载ESP32-S3主控和三轴加速度传感器，配合Mind+时序模式识别库，可以实现手势识别-。
训练步骤：
在Mind+中选择“上传模式”，添加行空板K10主控扩展。
编写数据采集程序：设置采样间隔为100ms，持续采集加速度传感器的x、y、z三轴数据并通过串口输出。
进入Mind+的模型训练工具，选择“时序模式识别”任务，分别创建“l”（左右移动）和“v”（上下移动）、"b"（无动作）三个动作类别。
每个动作采集20条以上样本，每条样本时长3~5秒，确保覆盖不同速度和幅度的动作变化。
使用默认训练参数（数据时间间隔100ms、训练轮次100、批次大小16、学习率0.005）开始训练。
模型训练完成后导出为.zip文件，下载到行空板K10中。
步骤3 魔法棒程序开发
模型部署完成后，在Mind+中加载模型，编写魔法棒的主程序。
程序逻辑：
程序启动后，魔法棒屏幕显示“AI魔法棒”字样，连接WiFi和MQTT服务器，LED环形灯带全亮蓝光并进行流光旋转特效。
进入主循环后，以每10次100ms采样为一组数据送入模型进行推理。
当模型识别为“l”（左右移动）时：魔法棒RGB灯和环形灯带切换为蓝色，环形灯带执行流光动画；同时通过MQTT向siot/ai主题发送“a”指令，点亮被控灯的亚克力透光图案。
当模型识别为“v”（上下移动）时：魔法棒RGB灯和环形灯带切换为红色，环形灯带执行流光动画；同时通过MQTT发送“b”指令，关闭灯光，启动风扇。
当识别为“b”（静止）时，RGB灯熄灭。
关键代码（行空板K10端）：
/*!
* MindPlus
* DFRobot, 行空板 K10
*/
#include <DFRobot_Iot.h>
#include "unihiker_k10.h"
#include "ModelProcessor.h"
#include <DFRobot_NeoPixel.h>
// 动态变量
String mind_s_ZhuangTai;
// 静态常量
const String topics[] = {"","","","",""};
// 创建对象
UNIHIKER_K10 k10;
uint8_t screen_dir=2;
DFRobot_Iot myIot;
ModelProcessor modelProcessor;
DFRobot_NeoPixel neoPixel_P0;
// 主程序开始
void setup() {
k10.begin();
k10.initScreen(screen_dir);
k10.creatCanvas();
if (!modelProcessor.initModel()) {while (1);}
k10.setScreenBackground(0x000000);
k10.canvas->canvasText("AI魔法棒", 75, 120, 0xFFFFFF, k10.canvas->eCNAndENFont24, 50, true);
k10.canvas->updateCanvas();
myIot.wifiConnect("sxs", "smj080823");
while (!myIot.wifiStatus()) {}
myIot.init("192.168.31.11","siot","9647044214502064","dfrobot", topics, 1883);
myIot.connect();
while (!myIot.connected()) {}
neoPixel_P0.begin(P0, 24);
neoPixel_P0.setRangeColor(0, 23, 0x0000FF);
delay(90000);
neoPixel_P0.clear();
mind_s_ZhuangTai = "";
}
void loop() {
for (int index = 0; index < 10; index++) {
modelProcessor.addInputValue((String((k10.getAccelerometerX())) + String((String(",") + String((String((k10.getAccelerometerY())) + String((String(",") + String((k10.getAccelerometerZ()))))))))));
delay(100);
}
bool isInferenceSuccessful = modelProcessor.runInference();
if (isInferenceSuccessful) {
if (((modelProcessor.getResult().label=="l") && (!(mind_s_ZhuangTai=="l")))) {
mind_s_ZhuangTai = "l";
k10.rgb->write(-1, 0x0000FF);
neoPixel_P0.setRangeColor(0, 0, 0x0000FF);
for (int index = 0; index < 24; index++) {
neoPixel_P0.shift(1);
delay(100);
}
myIot.publish("siot/ai", "a");
}
else if (((modelProcessor.getResult().label=="v") && (!(mind_s_ZhuangTai=="v")))) {
mind_s_ZhuangTai = "v";
k10.rgb->write(-1, 0xFF0000);
neoPixel_P0.setRangeColor(0, 0, 0xFF0000);
for (int index = 0; index < 24; index++) {
neoPixel_P0.shift(1);
delay(100);
}
myIot.publish("siot/ai", "b");
}
else if ((modelProcessor.getResult().label=="b")) {
mind_s_ZhuangTai = "b";
k10.rgb->write(-1, 0x000000);
}
}
modelProcessor.resetInputBuffer();
}
步骤4 物联网设备联动
被控设备包括两套独立系统：
被控灯（掌控板 + LED灯带 + 亚克力雕刻板）：
灯带安装在亚克力雕刻图案后方，接收MQTT指令“a”时，灯带全部熄灭，图案隐藏；接收指令“b”时，灯带亮起红光，亚克力雕刻图案在夜晚显现出绚丽的光效。
被控风扇（掌控板 + 数字继电器模块）：
继电器模块采用DFR0017数字继电器，最高可接250V/10A交流设备。MQTT接收“a”指令时，继电器吸合，风扇启动；接收“b”指令时，继电器断开，风扇停止。
物联网平台：
SIoT是DFRobot推出的开源免费的MQTT服务器软件，可一键创建本地物联网服务器，与Mind+无缝集成。
所有设备连接同一局域网，魔法棒发布主题siot/ai，被控设备订阅该主题。
【项目演示】
当挥动魔法棒做左右移动时，环形灯带呈现蓝色流光特效，风扇启动运转；当挥动魔法棒做上下移动时，环形灯带呈现红色流光特效，亚克力雕刻灯板亮起温馨灯光。
【制作过程中的难点与收获】
难点1：模型识别准确率提升。 初始训练时样本量不足，导致识别容易误判。解决方案是每个动作采集30条以上样本，覆盖不同速度和幅度，训练完成后用测试集验证，反复迭代到满意为止。
难点2：激光切割外壳的装配精度。 外壳设计时需为屏幕、传感器和电源接口留出精确开口。通过多次调整图纸参数，最终实现了完美贴合。
难点3：MQTT设备的协同调试。 多个设备同时连接MQTT服务器时，需确保每个设备订阅的主题正确。调试时通过SIoT网页控制台查看消息发布情况，快速定位问题。
【项目总结与未来展望】
本项目以迪士尼魔法棒为灵感，将行空板K10的加速度传感器、Mind+时序模式识别技术和SIoT物联网平台有机结合，打造出一款兼具科技感和趣味性的AI交互作品。这个项目的亮点在于：
AI赋能：将复杂的动作识别模型简化到中小学编程场景中，让普通人也能体验人工智能的魅力。
物物联动：通过MQTT实现一控多设备，可扩展性强。
创意造物：激光切割外壳让项目具备完整产品形态，适合展示和推广。
未来，可以继续扩展识别更多手势（如画圆、画方等），增加语音反馈功能，甚至结合行空板K10的摄像头实现视觉识别，让魔法棒变得更智能。希望这个项目能激发更多创客的灵感，一起用科技创造属于自己的“魔法”。
他的勋章
评论