Ngôn ngữ Wolfram - Nhấp nháy LED với GPIO

Mô tả dự án: 

Ta cũng có thể điều khiển nhấp nháy LED GPIO với ngôn ngữ Wolfram. Hãy xem cấu trúc câu lệnh của nó thế nào nhé!

Một số điểm lưu ý trước khi bắt tay vào làm:

  • Bạn phải nhập quyền root thì mới điều khiển được GPIO bằng Wolfram.
  • Ta có thể dùng Wolfram để đọc/viết các chân GPIO với mặc định 1 là bật, 0 là tắt.
  • Các chân mà Wolfram có thể đọc là 4, 7, 8, 9, 10, 11, 14, 15, 17, 18, 22, 23, 24, 25, 28, 29, 30, 31 (GPIO)
    • Dĩ nhiên các bạn cũng có thể truy chân theo WiringPi
  • Nếu các bạn điều khiển Pi từ SSH thì phải enable Remote GPIO trong phần Preference => Raspberry Pi Configuration => Interfaces (giao diện đồ họa)

Code thoai

Đầu tiên là kiểm tra xem Wolfram có nhận diện được GPIO không với lệnh 

FindDevices["GPIO"]

Nếu có 1 (True) là oke. Sau đó ta chỉnh Pin 4 sang Output và 17 sang Input với lệnh Configure[ ]:

Xem trạng thái của Pin 17 xem là cao hay thấp bằng lệnh DeviceRead[ ]:

DeviceRead["GPIO", 17]

Ta thấy ở dòng Out[2], Pin 17 ở trạng thái 0 tức là chân 17 đang ở trạng thái LOW (vì hiện tại mình không mắc cảm biến nào vào chân 17 cả). Bây giờ thử đẩy chân 4 lên mức HIGH với lệnh DeviceWrite:

DeviceWrite["GPIO", 4-> 1]

 

Lưu ý là bạn không thể dùng DeviceRead để đọc trạng thái của Output Pin. Cơ bản là các bạn đã học xong phần điều khiển GPIO. Chúc các bạn có các dự án tốt!

lên
5 thành viên đã đánh giá bài viết này hữu ích.
Từ khóa: 
Các dự án được truyền cảm hứng

Select any filter and click on Apply to see results

Các bài viết cùng tác giả

Lập trình GPIO Raspberry Pi trên iPad - Phần 2: Cài đặt Blynk

Trong phần 1 của bài Lập trình Raspberry Pi GPIO với iPad, tui đã giới thiệu chi tiết về Blynk, một apps khá hay hướng đến việc nhân rộng ứng dụng cho nhiều người dùng điện thoại thông minh. Bài này tui sẽ hướng dẫn các bạn cài đặt Blynk cho Raspberry Pi để tha hồ nhấp nháy LED.

lên
6 thành viên đã đánh giá bài viết này hữu ích.
Từ khóa: 

Trí thông mình nhân tạo với Watson IBM và Raspberry Pi (Phần 2): Nhận dạng khuôn mặt, giới tính và tuổi

Bài trước tui đã hướng dẫn các bạn làm quen với Watson IBM trên Raspberry Pi. Bây giờ chúng ta sẽ quay trở lại với bài toán nhận diện khuôn mặt. Trong bài khóa "thông minh" với OpenCV, dữ liệu nhận dạng khuôn mặt được đưa ra bởi một thuật toán "tĩnh" OpenCV trên laptop của các bạn và sau đó kết quả được chép thủ công vào Raspberry Pi. Raspberry chỉ việc dựa vào kết quả training và đưa ra kết quả nhận diện khuôn mặt. Đây chưa phải là giải pháp tối ưu vì giả sử bạn muốn thay đổi thuật toán mới hoặc train cho tốt hơn thì không thể thực hiện trên Pi được. Thay vậy, bạn có thể dùng dịch vụ cloud của Watson cho việc training và chỉ việc up hình lên để Watson nhận diện. Kết quả sẽ được trả về qua json với lượng thông tin phong phú hơn nhiều. 

lên
7 thành viên đã đánh giá bài viết này hữu ích.
Từ khóa: