博客
关于我
基于STC89C52单片机的硬币电子秤——2020科创杯
阅读量:342 次
发布时间:2019-03-04

本文共 772 字,大约阅读时间需要 2 分钟。

硬币电子秤是一种专为称量硬币设计的电子秤,它不仅能够测量硬币的总重量,还可以显示硬币的面值和个数。相比于普通电子秤,硬币电子秤在硬件设计上增加了按键模块,用于设置硬币的面值和单个重量。

硬币电子秤的核心设计思路是从功能出发,模块化设计更为合理。首先,称重功能需要依赖压力传感器,其次是显示功能,可以通过LCD或数码管实现。系统的硬件电路设计主要包括单片机控制、传感器采集、模数转换以及显示模块。具体实现如下:

硬件电路采用了STC89C52作为控制单元,这一选择主要基于其内核的优势和与STC89C51的区别。STC89C52相比STC89C51,增加了4K的ROM、128字节的RAM、定时器2及相关中断等功能,更适合复杂控制任务。

在显示模块的选择上,LCD1602液晶屏被选用作为最佳方案。相比于数码管或点阵式数码管,LCD1602具有更强的显示功能和更直观的界面,能够显示更多字符和图形,且更具现代化感。

HX711模块被选为AD转换芯片,主要因为其高精度、高集成度和抗干扰能力。相比普通AD芯片,HX711集成了放大器和稳压电源,简化了硬件设计并提高了系统性能。

参数计算方面,压力传感器的线性关系需要通过校准得到精确的转换系数。通过对测量数据进行反向转换,可以获得硬币的重量值。具体公式为:

Weight_Shiwu = (unsigned long)((float)Weight_Shiwu/429.5);

硬币面值的显示实现通过按键输入,硬币的重量和面值信息通过压力传感器和AD转换模块进行采集和处理,最终在LCD1602上显示硬币的总重量、数量及面值。

最终的显示效果清晰明了,具体展示可参考实物图。建议使用蓝色显示屏以提升视觉效果。

关于代码和电路图,完整设计文件已完成,供进一步了解和应用。如需获取详细信息,欢迎联系作者。

转载地址:http://viwe.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>