🌈 Свет • 👁️ Зрение • 🎨 Цвета • 🤖 Интеллект
5 класс • Технология • 45 минут
👨🏫 Учитель: Ахметов Рустам
🏫 Школа: ГБОУ № 1362
📅 Дата: 2025-06-11
🎯 Цель: Научить роботов “видеть” мир вокруг себя!
🌟 Наша световая миссия:
🎯 К концу урока вы сможете:
1. Типы изученных датчиков:
2. Основы работы датчиков:
🎯 Связь с новой темой: Сегодня изучаем датчики, которые работают со светом!
🤔 Вопросы о свете:
🌍 Свет в природе и технике:
🧠 Проблемная ситуация: Как научить робота различать день и ночь? Как робот может следовать по цветной линии? Как автомобиль “видит” препятствия?
👨 Человеческое зрение:
🤖 Робототехническое зрение:
⚖️ Сравнение возможностей:
| Параметр | Человек | Робот |
|---|---|---|
| Количество цветов | ~10 млн | 16.7 млн (24-бит) |
| Скорость реакции | 0.1-0.2 с | 0.001-0.01 с |
| Работа в темноте | Ограничена | С ИК-подсветкой |
| Точность измерений | Субъективная | Объективная |
| Усталость | Есть | Нет |
📊 Свет как электромагнитная волна:
🎨 Спектр видимого света:
Фиолетовый ← Синий ← Голубой ← Зеленый ← Желтый ← Оранжевый ← Красный
380 нм 450 нм 500 нм 550 нм 580 нм 620 нм 750 нм
⚡ Основные свойства света:
🪞 Закон отражения: Угол падения = Угол отражения
🎨 Цвет объектов:
📊 Коэффициент отражения:
Коэффициент отражения = Отраженный свет / Падающий свет
Примеры:
- Свежий снег: ~90%
- Белая бумага: ~80%
- Серая поверхность: ~50%
- Черный асфальт: ~5%
🔬 Практическое применение: Оптические датчики измеряют количество отраженного света для определения свойств поверхности.
🏆 Открытие Эйнштейна (Нобелевская премия 1921): При попадании света на металл из него вылетают электроны.
🔬 Механизм фотоэффекта:
⚡ Математическая модель:
E_фотона = h × f
где:
E_фотона - энергия фотона
h - постоянная Планка
f - частота света
🎯 Применение в датчиках: Изменение освещенности → Изменение тока → Изменение напряжения → Цифровой сигнал
1️⃣ Фоторезистор (LDR - Light Dependent Resistor):
Принцип работы:
Характеристики:
2️⃣ Фототранзистор:
Принцип работы:
Характеристики:
3️⃣ Фотодиод:
Принцип работы:
Характеристики:
🔬 Эксперимент: “Измерение сопротивления фоторезистора”
Оборудование:
Методика:
1. Подключить мультиметр к фоторезистору
2. Измерить сопротивление в темноте
3. Постепенно увеличивать освещенность
4. Записать изменения сопротивления
5. Проверить с разными цветами света
Ожидаемые результаты:
🎯 Вывод: Фоторезистор надежно преобразует световые изменения в электрические сигналы, пригодные для измерения контроллером.
🔄 Процесс преобразования:
Свет → Фотоэлемент → Аналоговое напряжение → АЦП → Цифровое значение
🧮 Формула преобразования:
Цифровое_значение = (Напряжение_входа / Опорное_напряжение) × (2^Разрядность - 1)
Для 10-битного АЦП с опорным напряжением 5В:
Цифровое_значение = (U_вх / 5В) × 1023
📝 Примеры расчетов:
📏 Разрешающая способность:
Разрешение = Опорное_напряжение / (2^Разрядность)
Для 10-битного АЦП:
Разрешение = 5В / 1024 ≈ 4.9 мВ на единицу
🎯 Зачем нужна калибровка:
📊 Метод двухточечной калибровки:
Шаг 1: Измерение крайних точек
Темнота (0 люкс): показание АЦП = значение_мин
Яркий свет (1000 люкс): показание АЦП = значение_макс
Шаг 2: Расчет коэффициентов
k = (люкс_макс - люкс_мин) / (значение_макс - значение_мин)
b = люкс_мин - k × значение_мин
Шаг 3: Формула перевода
Освещенность_люкс = k × Показание_АЦП + b
📝 Практический пример:
Измерения:
- В темноте: АЦП = 50, освещенность = 0 люкс
- На ярком свету: АЦП = 950, освещенность = 1000 люкс
Расчет коэффициентов:
k = (1000 - 0) / (950 - 50) = 1000 / 900 ≈ 1.11
b = 0 - 1.11 × 50 = -55.5
Формула калибровки:
Освещенность = 1.11 × АЦП - 55.5
🌊 Проблема шума в сигнале:
🔧 Методы фильтрации:
1. Простое усреднение:
АЛГОРИТМ Усреднение_показаний(количество_измерений):
сумма = 0
ДЛЯ i = 1 ДО количество_измерений:
показание = Прочитать_АЦП()
сумма = сумма + показание
Ждать(10 мс)
КОНЕЦ ДЛЯ
среднее = сумма / количество_измерений
ВОЗВРАТ среднее
КОНЕЦ АЛГОРИТМА
2. Скользящее среднее:
МАССИВ буфер[размер_буфера]
индекс = 0
ФУНКЦИЯ Скользящее_среднее(новое_значение):
буфер[индекс] = новое_значение
индекс = (индекс + 1) % размер_буфера
сумма = 0
ДЛЯ i = 0 ДО размер_буфера - 1:
сумма = сумма + буфер[i]
КОНЕЦ ДЛЯ
ВОЗВРАТ сумма / размер_буфера
КОНЕЦ ФУНКЦИИ
3. Медианная фильтрация:
ФУНКЦИЯ Медианный_фильтр(размер_окна):
МАССИВ окно[размер_окна]
ДЛЯ i = 0 ДО размер_окна - 1:
окно[i] = Прочитать_АЦП()
Ждать(5 мс)
КОНЕЦ ДЛЯ
Отсортировать(окно)
ВОЗВРАТ окно[размер_окна / 2] // Средний элемент
КОНЕЦ ФУНКЦИИ
📊 Проблема дрожания порога: Когда сигнал находится рядом с пороговым значением, результат может быстро переключаться между “светло” и “темно”.
✅ Решение: гистерезис
ПЕРЕМЕННЫЕ:
порог_включения = 600
порог_выключения = 400
текущее_состояние = ТЕМНО
ФУНКЦИЯ Определить_освещенность():
показание = Прочитать_датчик_с_фильтром()
ЕСЛИ текущее_состояние = ТЕМНО ТО
ЕСЛИ показание > порог_включения ТО
текущее_состояние = СВЕТЛО
КОНЕЦ ЕСЛИ
ИНАЧЕ // текущее_состояние = СВЕТЛО
ЕСЛИ показание < порог_выключения ТО
текущее_состояние = ТЕМНО
КОНЕЦ ЕСЛИ
КОНЕЦ ЕСЛИ
ВОЗВРАТ текущее_состояние
КОНЕЦ ФУНКЦИИ
🎯 Преимущества гистерезиса:
📊 Схема подключения фоторезистора:
Arduino → Фоторезистор + делитель напряжения
+5V → Резистор 10кОм → Аналоговый вход A0 → Фоторезистор → GND
Делитель напряжения:
U_out = U_in × (R_фото / (R_фото + R_постоянный))
🔧 Проверка подключения:
АЛГОРИТМ Тест_подключения_датчика():
НАЧАЛО
Настроить аналоговый вход A0
ПОСТОЯННО:
значение = Прочитать_аналоговый_вход(A0)
напряжение = значение × 5.0 / 1023
Вывести("АЦП:", значение, " Напряжение:", напряжение, "В")
Ждать(500 мс)
КОНЕЦ ПОСТОЯННО
КОНЕЦ
КОНЕЦ АЛГОРИТМА
📋 Методика эксперимента:
Задача: Создать карту освещенности класса
Оборудование:
Процедура:
ПЛАН ЭКСПЕРИМЕНТА:
1. Разделить класс на сетку 5×5 точек
2. В каждой точке измерить освещенность
3. Записать результаты в таблицу
4. Построить карту освещенности
5. Найти самые светлые и темные места
📊 Таблица результатов:
| Точка | X, м | Y, м | Показание АЦП | Освещенность, люкс | Особенности |
|---|---|---|---|---|---|
| 1 | 0.5 | 0.5 | ___ | ___ | У окна |
| 2 | 1.0 | 0.5 | ___ | ___ | Центр |
| 3 | 1.5 | 0.5 | ___ | ___ | У доски |
| … | … | … | … | … | … |
🎯 Вопросы для анализа:
📊 Построение графиков:
График 1: Освещенность vs Расстояние от окна
График 2: Изменение освещенности по времени
График 3: Карта изолиний освещенности класса
🔍 Интересные наблюдения:
📝 Базовый алгоритм “Следование за светом”:
АЛГОРИТМ Робот_следует_за_светом():
КОНСТАНТЫ:
ПОРОГ_СВЕТА = 500
СКОРОСТЬ_ПОИСКА = 100
СКОРОСТЬ_ДВИЖЕНИЯ = 200
НАЧАЛО
ПОСТОЯННО:
освещенность = Прочитать_датчик_света()
ЕСЛИ освещенность > ПОРОГ_СВЕТА ТО
// Достаточно света - двигаемся вперед
Установить_скорость_моторов(СКОРОСТЬ_ДВИЖЕНИЯ, СКОРОСТЬ_ДВИЖЕНИЯ)
ИНАЧЕ
// Мало света - ищем источник
Поиск_источника_света()
КОНЕЦ ЕСЛИ
Ждать(100 мс)
КОНЕЦ ПОСТОЯННО
КОНЕЦ
КОНЕЦ АЛГОРИТМА
ФУНКЦИЯ Поиск_источника_света():
// Поворачиваемся на месте в поисках света
Установить_скорость_моторов(СКОРОСТЬ_ПОИСКА, -СКОРОСТЬ_ПОИСКА)
максимум_света = 0
лучшее_направление = 0
ДЛЯ угол = 0 ДО 360 ШАГ 30:
текущий_свет = Прочитать_датчик_света()
ЕСЛИ текущий_свет > максимум_света ТО
максимум_света = текущий_свет
лучшее_направление = угол
КОНЕЦ ЕСЛИ
Ждать(200 мс)
КОНЕЦ ДЛЯ
// Поворачиваемся к источнику света
Повернуть_на_угол(лучшее_направление)
КОНЕЦ ФУНКЦИИ
🧠 Алгоритм с памятью:
ПЕРЕМЕННЫЕ:
история_освещенности[10]
индекс_истории = 0
ФУНКЦИЯ Умный_поиск_света():
// Запоминаем текущую освещенность
текущий_свет = Прочитать_датчик_света()
история_освещенности[индекс_истории] = текущий_свет
индекс_истории = (индекс_истории + 1) % 10
// Анализируем тенденцию
тенденция = Анализ_тенденции(история_освещенности)
ЕСЛИ тенденция = УВЕЛИЧЕНИЕ ТО
// Свет становится ярче - продолжаем в том же направлении
Двигаться_вперед()
ИНАЧЕ ЕСЛИ тенденция = УМЕНЬШЕНИЕ ТО
// Свет тускнеет - поворачиваем и ищем новое направление
Повернуть_на_случайный_угол()
ИНАЧЕ
// Стабильный уровень - медленно исследуем область
Медленное_движение_по_спирали()
КОНЕЦ ЕСЛИ
КОНЕЦ ФУНКЦИИ
ФУНКЦИЯ Анализ_тенденции(массив):
первая_половина = Среднее(массив[0..4])
вторая_половина = Среднее(массив[5..9])
ЕСЛИ вторая_половина > первая_половина + 20 ТО
ВОЗВРАТ УВЕЛИЧЕНИЕ
ИНАЧЕ ЕСЛИ вторая_половина < первая_половина - 20 ТО
ВОЗВРАТ УМЕНЬШЕНИЕ
ИНАЧЕ
ВОЗВРАТ СТАБИЛЬНО
КОНЕЦ ЕСЛИ
КОНЕЦ ФУНКЦИИ
👁️ Как человек видит цвета:
🤖 RGB-модель цветов:
🎨 Примеры RGB-кодов:
Красный: RGB(255, 0, 0)
Зеленый: RGB(0, 255, 0)
Синий: RGB(0, 0, 255)
Белый: RGB(255, 255, 255)
Черный: RGB(0, 0, 0)
Желтый: RGB(255, 255, 0)
Фиолетовый: RGB(255, 0, 255)
Голубой: RGB(0, 255, 255)
📡 Принцип работы RGB-датчика:
Конструкция:
🔄 Алгоритм измерения:
1. Включить белый светодиод
2. Осветить объект
3. Измерить отраженный свет через красный фильтр → R
4. Измерить отраженный свет через зеленый фильтр → G
5. Измерить отраженный свет через синий фильтр → B
6. Выключить светодиод
7. Нормализовать значения R, G, B
🧮 Математическая обработка:
// Нормализация к диапазону 0-255
R_норм = (R_измеренное / R_максимальное) × 255
G_норм = (G_измеренное / G_максимальное) × 255
B_норм = (B_измеренное / B_максимальное) × 255
// Определение доминирующего цвета
максимум = МАХ(R_норм, G_норм, B_норм)
ЕСЛИ максимум = R_норм ТО цвет = "Красный"
ИНАЧЕ ЕСЛИ максимум = G_норм ТО цвет = "Зеленый"
ИНАЧЕ ЕСЛИ максимум = B_норм ТО цвет = "Синий"
КОНЕЦ ЕСЛИ
📋 Эксперимент: “Создание палитры цветов”
Задача: Создать базу данных цветов для робота
Методика:
АЛГОРИТМ Создание_палитры():
цвета = ["красный", "зеленый", "синий", "желтый", "белый", "черный"]
ДЛЯ КАЖДОГО цвета ИЗ цвета:
Вывести("Поднесите", цвет, "объект к датчику")
Ждать_нажатия_кнопки()
// Делаем несколько измерений для точности
сумма_R = 0, сумма_G = 0, сумма_B = 0
ДЛЯ i = 1 ДО 10:
(R, G, B) = Прочитать_RGB_датчик()
сумма_R = сумма_R + R
сумма_G = сумма_G + G
сумма_B = сумма_B + B
Ждать(100 мс)
КОНЕЦ ДЛЯ
// Вычисляем средние значения
эталон[цвет].R = сумма_R / 10
эталон[цвет].G = сумма_G / 10
эталон[цвет].B = сумма_B / 10
Вывести(цвет, ": RGB(", эталон[цвет].R, ",", эталон[цвет].G, ",", эталон[цвет].B, ")")
КОНЕЦ ДЛЯ
КОНЕЦ АЛГОРИТМА
📊 Таблица эталонных цветов:
| Цвет | R | G | B | Особенности |
|---|---|---|---|---|
| Красный | ___ | ___ | ___ | Высокий R, низкие G и B |
| Зеленый | ___ | ___ | ___ | Высокий G, низкие R и B |
| Синий | ___ | ___ | ___ | Высокий B, низкие R и G |
| Желтый | ___ | ___ | ___ | Высокие R и G, низкий B |
| Белый | ___ | ___ | ___ | Все компоненты высокие |
| Черный | ___ | ___ | ___ | Все компоненты низкие |
🧠 Метод ближайшего соседа:
ФУНКЦИЯ Распознать_цвет(измеренный_R, измеренный_G, измеренный_B):
минимальное_расстояние = БОЛЬШОЕ_ЧИСЛО
найденный_цвет = "неизвестный"
ДЛЯ КАЖДОГО эталона ИЗ база_эталонов:
// Вычисляем евклидово расстояние в RGB-пространстве
расстояние = КОРЕНЬ(
(измеренный_R - эталон.R)² +
(измеренный_G - эталон.G)² +
(измеренный_B - эталон.B)²
)
ЕСЛИ расстояние < минимальное_расстояние ТО
минимальное_расстояние = расстояние
найденный_цвет = эталон.название
КОНЕЦ ЕСЛИ
КОНЕЦ ДЛЯ
// Проверяем, достаточно ли близко
ЕСЛИ минимальное_расстояние < ПОРОГ_СХОЖЕСТИ ТО
ВОЗВРАТ найденный_цвет
ИНАЧЕ
ВОЗВРАТ "неизвестный цвет"
КОНЕЦ ЕСЛИ
КОНЕЦ ФУНКЦИИ
🎯 Улучшенный алгоритм с нормализацией:
ФУНКЦИЯ Нормализованное_распознавание(R, G, B):
// Нормализуем к общей яркости
яркость = R + G + B
ЕСЛИ яркость > 0 ТО
R_норм = R / яркость
G_норм = G / яркость
B_норм = B / яркость
ИНАЧЕ
ВОЗВРАТ "черный"
КОНЕЦ ЕСЛИ
// Теперь сравниваем нормализованные значения
ВОЗВРАТ Распознать_цвет(R_норм, G_норм, B_норм)
КОНЕЦ ФУНКЦИИ
🎮 Алгоритм “Робот-сортировщик”:
АЛГОРИТМ Сортировка_по_цветам():
ПОСТОЯННО:
цвет = Определить_цвет_объекта()
ВЫБОР цвет:
СЛУЧАЙ "красный":
Вывести("Красный объект - поворачиваю налево")
Повернуть_налево()
Проехать_вперед(30)
СЛУЧАЙ "зеленый":
Вывести("Зеленый объект - двигаюсь прямо")
Проехать_вперед(50)
СЛУЧАЙ "синий":
Вывести("Синий объект - поворачиваю направо")
Повернуть_направо()
Проехать_вперед(30)
СЛУЧАЙ "черный":
Вывести("Черная линия - остановка")
Остановиться()
Ждать(2000 мс)
ПО_УМОЛЧАНИЮ:
Вывести("Неизвестный цвет - случайное движение")
Случайное_движение()
КОНЕЦ_ВЫБОРА
Ждать(500 мс)
КОНЕЦ ПОСТОЯННО
КОНЕЦ АЛГОРИТМА
📋 Техническое задание: Создать робота, который автономно движется вдоль черной линии на белом фоне, используя оптические датчики.
🎯 Требования:
🏗️ Конфигурация датчиков:
Вариант А: Один датчик (простой):
Вариант Б: Два датчика (стандартный):
Вариант В: Три датчика (продвинутый):
🔍 Принцип работы:
📈 Характерные показания:
Белая поверхность: 800-1000 (АЦП)
Граница линии: 400-600 (АЦП)
Черная линия: 0-200 (АЦП)
🧠 Базовый алгоритм (два датчика):
АЛГОРИТМ Следование_по_линии():
КОНСТАНТЫ:
ПОРОГ_ЛИНИИ = 400
СКОРОСТЬ_БАЗОВАЯ = 150
СКОРОСТЬ_ПОВОРОТА = 100
ПОСТОЯННО:
левый_датчик = Прочитать_датчик(ЛЕВЫЙ)
правый_датчик = Прочитать_датчик(ПРАВЫЙ)
левый_на_линии = (левый_датчик < ПОРОГ_ЛИНИИ)
правый_на_линии = (правый_датчик < ПОРОГ_ЛИНИИ)
ЕСЛИ левый_на_линии И правый_на_линии ТО
// Оба датчика на линии - едем прямо
Установить_скорости(СКОРОСТЬ_БАЗОВАЯ, СКОРОСТЬ_БАЗОВАЯ)
ИНАЧЕ ЕСЛИ левый_на_линии И НЕ правый_на_линии ТО
// Линия ушла влево - поворачиваем налево
Установить_скорости(СКОРОСТЬ_ПОВОРОТА, СКОРОСТЬ_БАЗОВАЯ)
ИНАЧЕ ЕСЛИ НЕ левый_на_линии И правый_на_линии ТО
// Линия ушла вправо - поворачиваем направо
Установить_скорости(СКОРОСТЬ_БАЗОВАЯ, СКОРОСТЬ_ПОВОРОТА)
ИНАЧЕ
// Линия потеряна - поиск
Поиск_линии()
КОНЕЦ ЕСЛИ
Ждать(50 мс)
КОНЕЦ ПОСТОЯННО
КОНЕЦ АЛГОРИТМА
🎯 Проблемы простого алгоритма:
✅ Решение: ПИД-регулятор
ПЕРЕМЕННЫЕ:
Kp = 0.8 // Пропорциональный коэффициент
Ki = 0.1 // Интегральный коэффициент
Kd = 0.2 // Дифференциальный коэффициент
предыдущая_ошибка = 0
интеграл_ошибки = 0
ФУНКЦИЯ ПИД_управление():
левый = Прочитать_датчик(ЛЕВЫЙ)
правый = Прочитать_датчик(ПРАВЫЙ)
// Вычисляем ошибку позиции
ошибка = левый - правый
// Пропорциональная составляющая
P = ошибка
// Интегральная составляющая (накопленная ошибка)
интеграл_ошибки = интеграл_ошибки + ошибка
I = интеграл_ошибки
// Дифференциальная составляющая (скорость изменения ошибки)
D = ошибка - предыдущая_ошибка
предыдущая_ошибка = ошибка
// Вычисляем управляющее воздействие
управление = Kp × P + Ki × I + Kd × D
// Применяем к моторам
скорость_левого = БАЗОВАЯ_СКОРОСТЬ - управление
скорость_правого = БАЗОВАЯ_СКОРОСТЬ + управление
// Ограничиваем скорости
скорость_левого = Ограничить(скорость_левого, 0, 255)
скорость_правого = Ограничить(скорость_правого, 0, 255)
Установить_скорости(скорость_левого, скорость_правого)
КОНЕЦ ФУНКЦИИ
🔧 Монтаж датчиков:
Позиционирование:
Калибровка:
АЛГОРИТМ Калибровка_датчиков():
Вывести("Калибровка датчиков следования по линии")
// Калибровка белой поверхности
Вывести("Поставьте робота на белую поверхность и нажмите кнопку")
Ждать_кнопки()
сумма_левый_белый = 0, сумма_правый_белый = 0
ДЛЯ i = 1 ДО 50:
сумма_левый_белый += Прочитать_датчик(ЛЕВЫЙ)
сумма_правый_белый += Прочитать_датчик(ПРАВЫЙ)
Ждать(20 мс)
КОНЕЦ ДЛЯ
левый_белый = сумма_левый_белый / 50
правый_белый = сумма_правый_белый / 50
// Калибровка черной линии
Вывести("Поставьте робота на черную линию и нажмите кнопку")
Ждать_кнопки()
сумма_левый_черный = 0, сумма_правый_черный = 0
ДЛЯ i = 1 ДО 50:
сумма_левый_черный += Прочитать_датчик(ЛЕВЫЙ)
сумма_правый_черный += Прочитать_датчик(ПРАВЫЙ)
Ждать(20 мс)
КОНЕЦ ДЛЯ
левый_черный = сумма_левый_черный / 50
правый_черный = сумма_правый_черный / 50
// Вычисляем пороги
ПОРОГ_ЛЕВЫЙ = (левый_белый + левый_черный) / 2
ПОРОГ_ПРАВЫЙ = (правый_белый + правый_черный) / 2
Вывести("Калибровка завершена:")
Вывести("Левый порог:", ПОРОГ_ЛЕВЫЙ)
Вывести("Правый порог:", ПОРОГ_ПРАВЫЙ)
КОНЕЦ АЛГОРИТМА
📋 Тестовые треки:
Трек 1: Простая прямая
Трек 2: Плавные повороты
Трек 3: Острые углы
🎯 Критерии оценки:
📊 Таблица результатов:
| Команда | Трек 1, с | Трек 2, с | Трек 3, с | Съезды | Итого баллов |
|---|---|---|---|---|---|
| 1 | ___ | ___ | ___ | ___ | ___ |
| 2 | ___ | ___ | ___ | ___ | ___ |
| 3 | ___ | ___ | ___ | ___ | ___ |
1. Исследование оптических датчиков в быту Подготовьте мини-доклад (5-7 минут) о применении оптических датчиков в повседневной жизни:
📝 План доклада:
🎯 Требования:
2. Проект робота с оптическими датчиками Продумайте идею робота, использующего датчики света или цвета:
🤖 Описание проекта:
📝 Примеры идей:
🔬 Для исследователей: Проведите эксперимент по влиянию различных факторов на работу оптических датчиков:
📊 Исследуемые факторы:
Постройте графики зависимостей и сделайте выводы.
💻 Для программистов: Изучите продвинутые алгоритмы обработки оптических сигналов:
🧠 Темы для изучения:
Реализуйте один из алгоритмов в виде подробного псевдокода.
🎨 Для творческих: Спроектируйте инновационное применение оптических датчиков:
🚀 Идеи для проектов:
Создайте презентацию проекта с техническими деталями.
📚 Для изучения:
💻 Симуляторы и инструменты:
🎥 Видеоматериалы:
⚗️ Физические знания:
🧮 Математические навыки:
🤖 Практические умения:
🎯 Ключевые выводы урока:
“Оптические датчики - это глаза роботов в мире света и цвета”
“Правильная калибровка важнее дорогого датчика”
“Комбинация простых датчиков создает сложные возможности”
🔮 Будущее оптических технологий:
🎯 Оцените свое понимание различных аспектов:
⚗️ Физические принципы работы датчиков: ⭐⭐⭐⭐⭐ 🧮 Математические преобразования сигналов: ⭐⭐⭐⭐⭐ 🔧 Практические навыки подключения: ⭐⭐⭐⭐⭐ 🎨 Работа с цветом и RGB-моделью: ⭐⭐⭐⭐⭐ 🤖 Программирование алгоритмов: ⭐⭐⭐⭐⭐
💭 Поделитесь впечатлениями:
🔮 Следующий урок: “Ультразвуковые датчики расстояния”
🎯 Готовимся к новым технологиям:
👁️ ВЫ ДАЛИ РОБОТАМ ЗРЕНИЕ!
Теперь роботы могут видеть свет, различать цвета и следовать по путям!