Makerobo K210 套件并不是单个开发板加几个传感器,而是一套覆盖输入采集、输出控制、显示交互、通信扩展、运动控制和 AI 视觉的边缘智能硬件实验平台。

在这里插入图片描述

正式进入 LED、蜂鸣器、传感器和摄像头实验之前,需要先完成模块清点。模块清楚了,后续接线、代码、实验现象和排错过程才会更加稳定。

理论基础

实验原理

K210 套件中的每个模块都不是孤立存在的。开发板负责运行 MicroPython 程序,扩展板负责引出接口,输入模块负责采集现实世界数据,输出模块负责反馈状态,通信模块负责数据交换,执行模块负责产生动作,摄像头和 KPU 负责完成 AI 视觉推理。

在这里插入图片描述

从工程角度看,完整的 K210 实验通常包含一条清晰的数据链路。外部环境产生变化,传感器或摄像头采集数据,K210 程序完成判断或推理,再通过 LED、蜂鸣器、LCD、继电器、电机或舵机输出结果。这就是边缘 AI 硬件课程的核心逻辑。

实验基础

套件清点不能只看模块数量,更重要的是理解模块类型。LED、蜂鸣器、继电器属于输出反馈;按键、触摸、倾斜、振动、干簧管属于输入检测;雨滴、温度、声音、光敏、烟雾属于环境采集;LCD、OLED、数码管属于数据显示;摄像头、KPU 模型属于 AI 视觉实验基础。

在这里插入图片描述

后续课程可以按照“基础控制、输入检测、模拟量采集、显示交互、通信扩展、运动控制、视觉识别、AI 推理”逐步推进。这样安排比单纯按模块顺序学习更稳定,因为每一类实验都有明确能力目标。

硬件设施

实验所需硬件

本篇的重点是清点套件资源,不进行复杂接线。需要将主板、扩展板、线材、传感器、显示模块、执行模块和视觉模块按类别摆放,确认每个模块是否完整,接口是否清晰,是否具备后续实验所需的基础条件。

模块清点时,可以按照“作用”而不是“外观”分类。比如按键和触摸开关外观不同,但都属于人工输入;雨滴、光敏、声音和烟雾检测对象不同,但都属于环境采集;OLED、LCD1602 和 TM1637 显示形式不同,但都属于数据显示。

在这里插入图片描述

软件代码

实验所需软件环境

模块清点阶段的软件目标不是控制某个具体硬件,而是确认开发环境可以运行代码,并把后续实验分类打印出来。CanMV IDE 可以作为代码运行和串口输出工具,串口终端可以用于查看清点结果和课程分类信息。

下面程序用于在 CanMV IDE 串口终端中输出 Makerobo K210 套件模块分类信息。它不依赖外部传感器,适合作为模块清点阶段的运行测试脚本。

# Makerobo K210 套件模块清点与实验分类脚本
# 功能:在串口终端输出模块分类和后续实验方向

import time
import os

print("Makerobo K210 Edge Computing AI Super Kit")
print("Module checklist start")
print("-" * 40)

try:
    print("Current file list:", os.listdir())
except Exception as e:
    print("File system check error:", e)

kit_modules = {
    "主控与扩展": [
        "CanMV K210 开发板",
        "CMVBlock K210 学习扩展板",
        "Type-C 数据线",
        "面包板",
        "杜邦线"
    ],
    "基础输出": [
        "板载 LED",
        "双色 LED",
        "RGB LED",
        "七彩 LED",
        "蜂鸣器",
        "继电器",
        "激光模块"
    ],
    "输入检测": [
        "轻触按键",
        "触摸开关",
        "倾斜传感器",
        "振动传感器",
        "干簧管传感器",
        "U 型光电传感器"
    ],
    "模拟采集": [
        "PCF8591 ADC",
        "电位器模块",
        "PS2 摇杆",
        "雨滴传感器",
        "声音传感器",
        "光敏传感器"
    ],
    "环境检测": [
        "DHT11 温湿度传感器",
        "DS18B20 温度传感器",
        "BMP280 气压传感器",
        "火焰传感器",
        "烟雾传感器",
        "HC-SR04 超声波模块"
    ],
    "显示交互": [
        "LCD 显示屏",
        "OLED 显示屏",
        "LCD1602",
        "TM1637 数码管"
    ],
    "通信扩展": [
        "MFRC522 RFID",
        "WiFi 模块",
        "I2C 通信模块",
        "SPI 通信模块",
        "UART 串口通信"
    ],
    "运动执行": [
        "直流电机风扇",
        "28BYJ-48 步进电机",
        "角度舵机"
    ],
    "AI 视觉": [
        "摄像头模块",
        "LCD 图像显示",
        "KPU 模型推理",
        "YOLO 目标检测",
        "人脸检测",
        "MNIST 手写数字识别"
    ]
}

for category, modules in kit_modules.items():
    print("\n[{}]".format(category))
    for index, module in enumerate(modules, 1):
        print("  {}. {}".format(index, module))
        time.sleep_ms(50)

print("\nModule checklist finished")
print("Next step: GPIO output experiment")

这段代码主要完成三个动作。程序先打印套件名称和清点提示,再通过 os.listdir() 查看当前文件系统状态,接着用字典保存模块分类信息,并循环输出每一类模块名称。它的作用是让开发环境、串口输出和课程分类信息同时完成一次基础验证。

在这里插入图片描述

模块清点脚本本身不控制外部硬件,但它适合放在课程早期使用。通过串口输出,可以确认 CanMV IDE、开发板连接、MicroPython 运行和文件系统访问基本正常。后续每一篇实验都可以继续沿用这种“先分类、再接线、再运行”的教学思路。

扩展应用

常见问题

模块清点阶段最常见的问题,不是代码运行失败,而是模块名称混淆、接口类型混淆、供电电压不清楚、外观相似模块拿错、AI 模型文件和普通硬件模块混在一起。清点工作做得越细,后续实验排错越简单。
在这里插入图片描述

扩展实验

完成模块清点后,可以给每个模块建立编号标签,并把编号写入课程笔记。后续做实验时,只需要根据编号查找模块,再按接线表连接开发板。对于 AI 视觉类实验,还可以单独建立模型文件清单,记录模型名称、用途、存放路径和对应实验。

在这里插入图片描述

总结

本篇完成了 Makerobo K210 套件模块清点与实验分类整理。套件中的模块可以按主控、输入、输出、显示、通信、运动执行和 AI 视觉等方向建立清晰分类。

完成清点后,后续实验就能按模块角色推进。基础控制负责建立 GPIO 能力,传感器负责采集数据,显示屏负责呈现状态,摄像头和 KPU 负责进入边缘 AI 视觉应用。

Logo

作为“人工智能6S店”的官方数字引擎,为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐