🌈 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:
1Фиолетовый ← Синий ← Голубой ← Зеленый ← Желтый ← Оранжевый ← Красный
2380 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:
1Коэффициент отражения = Отраженный свет / Падающий свет
2
3Примеры:
4- Свежий снег: ~90%
5- Белая бумага: ~80%
6- Серая поверхность: ~50%
7- 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:
1E_фотона = h × f
2
3где:
4E_фотона - энергия фотона
5h - постоянная Планка
6f - 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:
11. Подключить мультиметр к фоторезистору
22. Измерить сопротивление в темноте
33. Постепенно увеличивать освещенность
44. Записать изменения сопротивления
55. 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:
1Цифровое_значение = (Напряжение_входа / Опорное_напряжение) × (2^Разрядность - 1)
2
3Для 10-битного АЦП с опорным напряжением 5В:
4Цифровое_значение = (U_вх / 5В) × 1023
📝 Примеры расчетов:
📏 Разрешающая способность:
1Разрешение = Опорное_напряжение / (2^Разрядность)
2
3Для 10-битного АЦП:
4Разрешение = 5В / 1024 ≈ 4.9 мВ на единицу
🎯 Зачем нужна калибровка:
📊 Метод двухточечной калибровки:
Шаг 1: Измерение крайних точек
1Темнота (0 люкс): показание АЦП = значение_мин
2Яркий свет (1000 люкс): показание АЦП = значение_макс
Шаг 2: Расчет коэффициентов
1k = (люкс_макс - люкс_мин) / (значение_макс - значение_мин)
2b = люкс_мин - k × значение_мин
Шаг 3: Формула перевода
1Освещенность_люкс = k × Показание_АЦП + b
📝 Практический пример:
1Измерения:
2- В темноте: АЦП = 50, освещенность = 0 люкс
3- На ярком свету: АЦП = 950, освещенность = 1000 люкс
4
5Расчет коэффициентов:
6k = (1000 - 0) / (950 - 50) = 1000 / 900 ≈ 1.11
7b = 0 - 1.11 × 50 = -55.5
8
9Формула калибровки:
10Освещенность = 1.11 × АЦП - 55.5
🌊 Проблема шума в сигнале:
🔧 Методы фильтрации:
1. Простое усреднение:
1АЛГОРИТМ Усреднение_показаний(количество_измерений):
2 сумма = 0
3 ДЛЯ i = 1 ДО количество_измерений:
4 показание = Прочитать_АЦП()
5 сумма = сумма + показание
6 Ждать(10 мс)
7 КОНЕЦ ДЛЯ
8 среднее = сумма / количество_измерений
9 ВОЗВРАТ среднее
10КОНЕЦ АЛГОРИТМА
2. Скользящее среднее:
1МАССИВ буфер[размер_буфера]
2индекс = 0
3
4ФУНКЦИЯ Скользящее_среднее(новое_значение):
5 буфер[индекс] = новое_значение
6 индекс = (индекс + 1) % размер_буфера
7
8 сумма = 0
9 ДЛЯ i = 0 ДО размер_буфера - 1:
10 сумма = сумма + буфер[i]
11 КОНЕЦ ДЛЯ
12
13 ВОЗВРАТ сумма / размер_буфера
14КОНЕЦ ФУНКЦИИ
3. Медианная фильтрация:
1ФУНКЦИЯ Медианный_фильтр(размер_окна):
2 МАССИВ окно[размер_окна]
3
4 ДЛЯ i = 0 ДО размер_окна - 1:
5 окно[i] = Прочитать_АЦП()
6 Ждать(5 мс)
7 КОНЕЦ ДЛЯ
8
9 Отсортировать(окно)
10 ВОЗВРАТ окно[размер_окна / 2] // Средний элемент
11КОНЕЦ ФУНКЦИИ
📊 Проблема дрожания порога: Когда сигнал находится рядом с пороговым значением, результат может быстро переключаться между “светло” и “темно”.
✅ Решение: гистерезис
1ПЕРЕМЕННЫЕ:
2 порог_включения = 600
3 порог_выключения = 400
4 текущее_состояние = ТЕМНО
5
6ФУНКЦИЯ Определить_освещенность():
7 показание = Прочитать_датчик_с_фильтром()
8
9 ЕСЛИ текущее_состояние = ТЕМНО ТО
10 ЕСЛИ показание > порог_включения ТО
11 текущее_состояние = СВЕТЛО
12 КОНЕЦ ЕСЛИ
13 ИНАЧЕ // текущее_состояние = СВЕТЛО
14 ЕСЛИ показание < порог_выключения ТО
15 текущее_состояние = ТЕМНО
16 КОНЕЦ ЕСЛИ
17 КОНЕЦ ЕСЛИ
18
19 ВОЗВРАТ текущее_состояние
20КОНЕЦ ФУНКЦИИ
🎯 Преимущества гистерезиса:
📊 Схема подключения фоторезистора:
1Arduino → Фоторезистор + делитель напряжения
2
3+5V → Резистор 10кОм → Аналоговый вход A0 → Фоторезистор → GND
4
5Делитель напряжения:
6U_out = U_in × (R_фото / (R_фото + R_постоянный))
🔧 Проверка подключения:
1АЛГОРИТМ Тест_подключения_датчика():
2 НАЧАЛО
3 Настроить аналоговый вход A0
4
5 ПОСТОЯННО:
6 значение = Прочитать_аналоговый_вход(A0)
7 напряжение = значение × 5.0 / 1023
8
9 Вывести("АЦП:", значение, " Напряжение:", напряжение, "В")
10 Ждать(500 мс)
11 КОНЕЦ ПОСТОЯННО
12 КОНЕЦ
13КОНЕЦ АЛГОРИТМА
📋 Методика эксперимента:
Задача: Создать карту освещенности класса
Оборудование:
Процедура:
1ПЛАН ЭКСПЕРИМЕНТА:
21. Разделить класс на сетку 5×5 точек
32. В каждой точке измерить освещенность
43. Записать результаты в таблицу
54. Построить карту освещенности
65. 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:
1График 1: Освещенность vs Расстояние от окна
2График 2: Изменение освещенности по времени
3График 3: Карта изолиний освещенности класса
🔍 Интересные наблюдения:
📝 Базовый алгоритм “Следование за светом”:
1АЛГОРИТМ Робот_следует_за_светом():
2 КОНСТАНТЫ:
3 ПОРОГ_СВЕТА = 500
4 СКОРОСТЬ_ПОИСКА = 100
5 СКОРОСТЬ_ДВИЖЕНИЯ = 200
6
7 НАЧАЛО
8 ПОСТОЯННО:
9 освещенность = Прочитать_датчик_света()
10
11 ЕСЛИ освещенность > ПОРОГ_СВЕТА ТО
12 // Достаточно света - двигаемся вперед
13 Установить_скорость_моторов(СКОРОСТЬ_ДВИЖЕНИЯ, СКОРОСТЬ_ДВИЖЕНИЯ)
14 ИНАЧЕ
15 // Мало света - ищем источник
16 Поиск_источника_света()
17 КОНЕЦ ЕСЛИ
18
19 Ждать(100 мс)
20 КОНЕЦ ПОСТОЯННО
21 КОНЕЦ
22КОНЕЦ АЛГОРИТМА
23
24ФУНКЦИЯ Поиск_источника_света():
25 // Поворачиваемся на месте в поисках света
26 Установить_скорость_моторов(СКОРОСТЬ_ПОИСКА, -СКОРОСТЬ_ПОИСКА)
27
28 максимум_света = 0
29 лучшее_направление = 0
30
31 ДЛЯ угол = 0 ДО 360 ШАГ 30:
32 текущий_свет = Прочитать_датчик_света()
33 ЕСЛИ текущий_свет > максимум_света ТО
34 максимум_света = текущий_свет
35 лучшее_направление = угол
36 КОНЕЦ ЕСЛИ
37 Ждать(200 мс)
38 КОНЕЦ ДЛЯ
39
40 // Поворачиваемся к источнику света
41 Повернуть_на_угол(лучшее_направление)
42КОНЕЦ ФУНКЦИИ
🧠 Алгоритм с памятью:
1ПЕРЕМЕННЫЕ:
2 история_освещенности[10]
3 индекс_истории = 0
4
5ФУНКЦИЯ Умный_поиск_света():
6 // Запоминаем текущую освещенность
7 текущий_свет = Прочитать_датчик_света()
8 история_освещенности[индекс_истории] = текущий_свет
9 индекс_истории = (индекс_истории + 1) % 10
10
11 // Анализируем тенденцию
12 тенденция = Анализ_тенденции(история_освещенности)
13
14 ЕСЛИ тенденция = УВЕЛИЧЕНИЕ ТО
15 // Свет становится ярче - продолжаем в том же направлении
16 Двигаться_вперед()
17 ИНАЧЕ ЕСЛИ тенденция = УМЕНЬШЕНИЕ ТО
18 // Свет тускнеет - поворачиваем и ищем новое направление
19 Повернуть_на_случайный_угол()
20 ИНАЧЕ
21 // Стабильный уровень - медленно исследуем область
22 Медленное_движение_по_спирали()
23 КОНЕЦ ЕСЛИ
24КОНЕЦ ФУНКЦИИ
25
26ФУНКЦИЯ Анализ_тенденции(массив):
27 первая_половина = Среднее(массив[0..4])
28 вторая_половина = Среднее(массив[5..9])
29
30 ЕСЛИ вторая_половина > первая_половина + 20 ТО
31 ВОЗВРАТ УВЕЛИЧЕНИЕ
32 ИНАЧЕ ЕСЛИ вторая_половина < первая_половина - 20 ТО
33 ВОЗВРАТ УМЕНЬШЕНИЕ
34 ИНАЧЕ
35 ВОЗВРАТ СТАБИЛЬНО
36 КОНЕЦ ЕСЛИ
37КОНЕЦ ФУНКЦИИ
👁️ Как человек видит цвета:
🤖 RGB-модель цветов:
🎨 Примеры RGB-кодов:
1Красный: RGB(255, 0, 0)
2Зеленый: RGB(0, 255, 0)
3Синий: RGB(0, 0, 255)
4Белый: RGB(255, 255, 255)
5Черный: RGB(0, 0, 0)
6Желтый: RGB(255, 255, 0)
7Фиолетовый: RGB(255, 0, 255)
8Голубой: RGB(0, 255, 255)
📡 Принцип работы RGB-датчика:
Конструкция:
🔄 Алгоритм измерения:
11. Включить белый светодиод
22. Осветить объект
33. Измерить отраженный свет через красный фильтр → R
44. Измерить отраженный свет через зеленый фильтр → G
55. Измерить отраженный свет через синий фильтр → B
66. Выключить светодиод
77. Нормализовать значения R, G, B
🧮 Математическая обработка:
1// Нормализация к диапазону 0-255
2R_норм = (R_измеренное / R_максимальное) × 255
3G_норм = (G_измеренное / G_максимальное) × 255
4B_норм = (B_измеренное / B_максимальное) × 255
5
6// Определение доминирующего цвета
7максимум = МАХ(R_норм, G_норм, B_норм)
8
9ЕСЛИ максимум = R_норм ТО цвет = "Красный"
10ИНАЧЕ ЕСЛИ максимум = G_норм ТО цвет = "Зеленый"
11ИНАЧЕ ЕСЛИ максимум = B_норм ТО цвет = "Синий"
12КОНЕЦ ЕСЛИ
📋 Эксперимент: “Создание палитры цветов”
Задача: Создать базу данных цветов для робота
Методика:
1АЛГОРИТМ Создание_палитры():
2 цвета = ["красный", "зеленый", "синий", "желтый", "белый", "черный"]
3
4 ДЛЯ КАЖДОГО цвета ИЗ цвета:
5 Вывести("Поднесите", цвет, "объект к датчику")
6 Ждать_нажатия_кнопки()
7
8 // Делаем несколько измерений для точности
9 сумма_R = 0, сумма_G = 0, сумма_B = 0
10
11 ДЛЯ i = 1 ДО 10:
12 (R, G, B) = Прочитать_RGB_датчик()
13 сумма_R = сумма_R + R
14 сумма_G = сумма_G + G
15 сумма_B = сумма_B + B
16 Ждать(100 мс)
17 КОНЕЦ ДЛЯ
18
19 // Вычисляем средние значения
20 эталон[цвет].R = сумма_R / 10
21 эталон[цвет].G = сумма_G / 10
22 эталон[цвет].B = сумма_B / 10
23
24 Вывести(цвет, ": RGB(", эталон[цвет].R, ",", эталон[цвет].G, ",", эталон[цвет].B, ")")
25 КОНЕЦ ДЛЯ
26КОНЕЦ 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:
1ФУНКЦИЯ Распознать_цвет(измеренный_R, измеренный_G, измеренный_B):
2 минимальное_расстояние = БОЛЬШОЕ_ЧИСЛО
3 найденный_цвет = "неизвестный"
4
5 ДЛЯ КАЖДОГО эталона ИЗ база_эталонов:
6 // Вычисляем евклидово расстояние в RGB-пространстве
7 расстояние = КОРЕНЬ(
8 (измеренный_R - эталон.R)² +
9 (измеренный_G - эталон.G)² +
10 (измеренный_B - эталон.B)²
11 )
12
13 ЕСЛИ расстояние < минимальное_расстояние ТО
14 минимальное_расстояние = расстояние
15 найденный_цвет = эталон.название
16 КОНЕЦ ЕСЛИ
17 КОНЕЦ ДЛЯ
18
19 // Проверяем, достаточно ли близко
20 ЕСЛИ минимальное_расстояние < ПОРОГ_СХОЖЕСТИ ТО
21 ВОЗВРАТ найденный_цвет
22 ИНАЧЕ
23 ВОЗВРАТ "неизвестный цвет"
24 КОНЕЦ ЕСЛИ
25КОНЕЦ ФУНКЦИИ
🎯 Улучшенный алгоритм с нормализацией:
1ФУНКЦИЯ Нормализованное_распознавание(R, G, B):
2 // Нормализуем к общей яркости
3 яркость = R + G + B
4
5 ЕСЛИ яркость > 0 ТО
6 R_норм = R / яркость
7 G_норм = G / яркость
8 B_норм = B / яркость
9 ИНАЧЕ
10 ВОЗВРАТ "черный"
11 КОНЕЦ ЕСЛИ
12
13 // Теперь сравниваем нормализованные значения
14 ВОЗВРАТ Распознать_цвет(R_норм, G_норм, B_норм)
15КОНЕЦ ФУНКЦИИ
🎮 Алгоритм “Робот-сортировщик”:
1АЛГОРИТМ Сортировка_по_цветам():
2 ПОСТОЯННО:
3 цвет = Определить_цвет_объекта()
4
5 ВЫБОР цвет:
6 СЛУЧАЙ "красный":
7 Вывести("Красный объект - поворачиваю налево")
8 Повернуть_налево()
9 Проехать_вперед(30)
10
11 СЛУЧАЙ "зеленый":
12 Вывести("Зеленый объект - двигаюсь прямо")
13 Проехать_вперед(50)
14
15 СЛУЧАЙ "синий":
16 Вывести("Синий объект - поворачиваю направо")
17 Повернуть_направо()
18 Проехать_вперед(30)
19
20 СЛУЧАЙ "черный":
21 Вывести("Черная линия - остановка")
22 Остановиться()
23 Ждать(2000 мс)
24
25 ПО_УМОЛЧАНИЮ:
26 Вывести("Неизвестный цвет - случайное движение")
27 Случайное_движение()
28 КОНЕЦ_ВЫБОРА
29
30 Ждать(500 мс)
31 КОНЕЦ ПОСТОЯННО
32КОНЕЦ 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:
1Белая поверхность: 800-1000 (АЦП)
2Граница линии: 400-600 (АЦП)
3Черная линия: 0-200 (АЦП)
🧠 Базовый алгоритм (два датчика):
1АЛГОРИТМ Следование_по_линии():
2 КОНСТАНТЫ:
3 ПОРОГ_ЛИНИИ = 400
4 СКОРОСТЬ_БАЗОВАЯ = 150
5 СКОРОСТЬ_ПОВОРОТА = 100
6
7 ПОСТОЯННО:
8 левый_датчик = Прочитать_датчик(ЛЕВЫЙ)
9 правый_датчик = Прочитать_датчик(ПРАВЫЙ)
10
11 левый_на_линии = (левый_датчик < ПОРОГ_ЛИНИИ)
12 правый_на_линии = (правый_датчик < ПОРОГ_ЛИНИИ)
13
14 ЕСЛИ левый_на_линии И правый_на_линии ТО
15 // Оба датчика на линии - едем прямо
16 Установить_скорости(СКОРОСТЬ_БАЗОВАЯ, СКОРОСТЬ_БАЗОВАЯ)
17
18 ИНАЧЕ ЕСЛИ левый_на_линии И НЕ правый_на_линии ТО
19 // Линия ушла влево - поворачиваем налево
20 Установить_скорости(СКОРОСТЬ_ПОВОРОТА, СКОРОСТЬ_БАЗОВАЯ)
21
22 ИНАЧЕ ЕСЛИ НЕ левый_на_линии И правый_на_линии ТО
23 // Линия ушла вправо - поворачиваем направо
24 Установить_скорости(СКОРОСТЬ_БАЗОВАЯ, СКОРОСТЬ_ПОВОРОТА)
25
26 ИНАЧЕ
27 // Линия потеряна - поиск
28 Поиск_линии()
29 КОНЕЦ ЕСЛИ
30
31 Ждать(50 мс)
32 КОНЕЦ ПОСТОЯННО
33КОНЕЦ АЛГОРИТМА
🎯 Проблемы простого алгоритма:
✅ Решение: ПИД-регулятор
1ПЕРЕМЕННЫЕ:
2 Kp = 0.8 // Пропорциональный коэффициент
3 Ki = 0.1 // Интегральный коэффициент
4 Kd = 0.2 // Дифференциальный коэффициент
5
6 предыдущая_ошибка = 0
7 интеграл_ошибки = 0
8
9ФУНКЦИЯ ПИД_управление():
10 левый = Прочитать_датчик(ЛЕВЫЙ)
11 правый = Прочитать_датчик(ПРАВЫЙ)
12
13 // Вычисляем ошибку позиции
14 ошибка = левый - правый
15
16 // Пропорциональная составляющая
17 P = ошибка
18
19 // Интегральная составляющая (накопленная ошибка)
20 интеграл_ошибки = интеграл_ошибки + ошибка
21 I = интеграл_ошибки
22
23 // Дифференциальная составляющая (скорость изменения ошибки)
24 D = ошибка - предыдущая_ошибка
25 предыдущая_ошибка = ошибка
26
27 // Вычисляем управляющее воздействие
28 управление = Kp × P + Ki × I + Kd × D
29
30 // Применяем к моторам
31 скорость_левого = БАЗОВАЯ_СКОРОСТЬ - управление
32 скорость_правого = БАЗОВАЯ_СКОРОСТЬ + управление
33
34 // Ограничиваем скорости
35 скорость_левого = Ограничить(скорость_левого, 0, 255)
36 скорость_правого = Ограничить(скорость_правого, 0, 255)
37
38 Установить_скорости(скорость_левого, скорость_правого)
39КОНЕЦ ФУНКЦИИ
🔧 Монтаж датчиков:
Позиционирование:
Калибровка:
1АЛГОРИТМ Калибровка_датчиков():
2 Вывести("Калибровка датчиков следования по линии")
3
4 // Калибровка белой поверхности
5 Вывести("Поставьте робота на белую поверхность и нажмите кнопку")
6 Ждать_кнопки()
7
8 сумма_левый_белый = 0, сумма_правый_белый = 0
9 ДЛЯ i = 1 ДО 50:
10 сумма_левый_белый += Прочитать_датчик(ЛЕВЫЙ)
11 сумма_правый_белый += Прочитать_датчик(ПРАВЫЙ)
12 Ждать(20 мс)
13 КОНЕЦ ДЛЯ
14
15 левый_белый = сумма_левый_белый / 50
16 правый_белый = сумма_правый_белый / 50
17
18 // Калибровка черной линии
19 Вывести("Поставьте робота на черную линию и нажмите кнопку")
20 Ждать_кнопки()
21
22 сумма_левый_черный = 0, сумма_правый_черный = 0
23 ДЛЯ i = 1 ДО 50:
24 сумма_левый_черный += Прочитать_датчик(ЛЕВЫЙ)
25 сумма_правый_черный += Прочитать_датчик(ПРАВЫЙ)
26 Ждать(20 мс)
27 КОНЕЦ ДЛЯ
28
29 левый_черный = сумма_левый_черный / 50
30 правый_черный = сумма_правый_черный / 50
31
32 // Вычисляем пороги
33 ПОРОГ_ЛЕВЫЙ = (левый_белый + левый_черный) / 2
34 ПОРОГ_ПРАВЫЙ = (правый_белый + правый_черный) / 2
35
36 Вывести("Калибровка завершена:")
37 Вывести("Левый порог:", ПОРОГ_ЛЕВЫЙ)
38 Вывести("Правый порог:", ПОРОГ_ПРАВЫЙ)
39КОНЕЦ 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!