利用AI驱动的HuskyLens模块，使诸如图像识别和对象检测之类的复杂任务变得简单，并在LoRa上传输该数据。 硬件部件: Arduino 101和Genuino 101×1个 NodeMCU ESP8266分支板×1个 DFHuskyLens机器人×1个 RYLR907×1个 软件应用程序和在线服务: Arduino IDE 在这个项目中，我们将看看DFRobot的HuskyLens。它是一款由AI驱动的相机模块，能够执行多种人工智能操作，例如人脸识别，对象识别和线条识别等。 它有点类似于我们在这个项目中讨论过的MatchX模块。由于MatchX模块有点贵，因此我决定自己做类似的事情，为此，我发现HuskyLens是一个不错的选择，因为与MatchX模块相比，它更便宜，并且可以完成MatchX可以做的所有事情，除了数据传输，为此，我们将把Huskylens模块与Reyax的RYLR907 LoRa模块连接起来，我们会做的很好。连接之后，我们将使用此HuskyLens检测对象，并使用LoRa模块将检测到的数据发送到接收方的另一个LoRa模块。

如何在Visual C++中读写并控制3DMax制作的模型，用3D Exploration这个软件，先把你的模型导入，然后另存为.cpp文件，然后把.cpp文件改成.h文件，也就是说把模型相关的一些参数都作为全局变量初始化后，然后调入到程序当中。 这种方法需要自己编写一个类来规范化这些模型代码。

获取当前实时温湿度和光照数据，并实时显示到OLED屏幕上，当光照值低于80lux时，点亮Led1,否则熄灭；单击Key2实现Led2的闪烁，单击Key3关闭Led2。

基于STM32的LORA测试代码，可实现LORA模块的数据收发。透传协议。控制器采用的是STM32F103VGT6单片机，LoRa模块采用外购的形式，控制芯片是SX1728，工程采用Keil5开发环境，基于STM32F1的固件库开发，使用core_cm3底层，涉及到使用的外设包含RCC、Timer定时器、USART、GPIO、RTC等内容。测试过程采用写入的数据和发送的数据进行比较，判断值是否一致。如果一致，则认为正确。

修改library/daloradius.conf.php即可使用。具体说明见官方文档。

适用于ESP8266 / ESP32 / Raspberry_Pi的MicroPython的SX127x（LoRa收发器）驱动程序

详细描述LoRa芯片1301以及1308的原理图设计

LLCC68 lora芯片数据手册

lora，LLCC68官方硬件资料

基于间隙的强化学习无监督探索_Gap-Dependent Unsupervised Exploration for Reinforcement Learning.pdf