- 综合排序
- 最热优先
- 最新优先
FP137高端电流检测IC是如何检测电流的？电流监测利器！FP137高端电流检测IC助您解决电流问题！
高侧检测带动了电流检测IC的发展，降低了由分立器件带来的参数变化、器件数目太多等问题，集成电路方便了我们使用。 一、FP137电流检测原理大家谈及到电流检测首先会联想到电阻，利用V=IR这个公式，电阻的本质就是会阻碍电流的流动，因此会在电阻的两端产生压降，而电流检测IC正是运用这样的原理。 下面我们简单的介绍一下FP137电流检测的基本原理。IS信号流经RS电阻然后流向负载，这种电流检测我们称之为高端点电流检测，采样电阻直接与地相连的我们称之为低端点电流检测。 通过这点我们就可以知道，高端点电流检测可以有效的避免接地时危险的高电流。 其他电流检测芯片耐压：FP130A完整的高边电流检测电路，电阻调增益设定，2.7～28V耐压，SOT23-5L封装。
51110编辑于 2026-04-03高效电流检测，外置霍尔电流变送器：精确电流监控新选择
科技的飞速发展，外置霍尔电流变送器凭借其高精度、高可靠性以及便捷的安装特性，成为了众多行业争相采用的电流监测利器。 一、定义外置霍尔电流变送器是一种将交流或直流电流信号转化为标准电压信号的传感器。它通过霍尔效应将电流信号转换为电压信号，以其出色的线性度、快速的响应速度和强大的抗干扰能力而著称。 二、工作原理外置霍尔电流变送器的工作原理基于霍尔效应。当电流流经霍尔元件时，会在其垂直方向上产生霍尔电压。通过测量这个电压，我们可以准确得知电流的数值。 三、选型指南选择外置霍尔电流变送器时，以下因素需慎重考虑：电流范围：根据实际应用中的电流值选择合适的电流变送器；输出信号：根据后续电路的需求，选择合适的输出信号类型（如电压、电流等）；精度等级：根据对电流监测精度的要求 五、案例落地某电力公司在其输电线路中引入外置霍尔电流变送器进行电流监测。通过实时监控电流数据，该公司能够及时发现线路故障，确保电力系统的稳定运行。
27710编辑于 2025-11-21- 来自专栏云深之无迹
微小电流检测-nA级
先说明，这文章是小电流！！！电流的检测，不要和电压混为一谈。 微小的电流测量，这个测量的限度在哪里呢？对于科学永无止境，但是对我来说，有尽头，目前是nA的级别，再往高噪音问题可能就有点难了。 对电流测量来说，信号电流变成测量仪器的输入电流，然而在未向仪器的输入端加入信号电流时，总是存在某些背景电流，这种不希望的电流就是仪器的输入偏置电流常常也称为偏置电流。 纵观商品的静电计/微电流计，都是采用大电阻的方式，一般都用到100G，更有吉时利的642和6430，用到了1T，这样才能取得0.08fA的噪音有效值和0.4fA峰峰值（有效值和峰峰值一般是5倍的关系）。 事实上，用氧化钌做主材的高阻可以做得相当好，例如10G的可以做到0.05%、温漂5ppm/C，100G的可以做到25ppm/C的温漂，1T的可以做到0.2%。 (称为泄漏电阻)两端的电压产生的不希望的误差电流，这项电流和偏置电流合在一起就是总的误差电流。
2K11编辑于 2024-08-20 - 来自专栏AI电堂
安利一个电流检测电路！
电流检测技术简介： 电流检测技术常用于高压短路保护、电机控制、DC/DC换流器、系统功耗管理、二次电池的电流管理、蓄电池管理等电流检测等场景。 对于大部分应用，都是通过间接测量电阻两端的压降来获取待测电路电流大小的，如下图所示。在要求不高的情况下，电流检测电路可以通过运放放大转换成电压，反推算负载的电流大小。 电流检测技术分类： 测量电流时，电流检测技术分为高端检测和低端检测。将测量电阻放在电源与负载之间的这种测量方法称为高端检测。将测量电阻放在负载和接地端之间的这种测量方法称为低端电流检测。 这两种用于感测负载中电流的方法如下图所示。 两种测量方法各有利弊。本文重点讲解低端电流检测技术。后续会写关于高端检测的文章。 低侧电流测量的优点： 共模电压，即测量输入端的平均电压接近于零。 将这些元件放在靠近运放的位置后，运算放大器同相输入端出现噪声拾取的可能性会降低，同时对电流通过电阻器时的压降进行检测，需要从电阻器的两端引出用于检测电压的图案。
1.7K10编辑于 2022-12-08 - 来自专栏云深之无迹
微小电流检测-pA级.IV转换模块
微弱电流信号首先通过 I ／ V 转换电路变换为相应的电压信号， 再通过程控放大电路将电压信号规范化，然后通过滤波电路消除无用背景噪声获取有用信号，有用信号再经过 A ／ D 转换模块采集得到相应的数字信号 这篇文章有趣的地方在，20pF的电容可以产生8pA的微弱电流 这是直接采样的结果，可以看到有毛刺的东西 这个24bit的分辨率就是高 放大倍数的意思是输出的电压要到mv，uv这样的，下一级可以感应到 在这种配置下，电压测量是相对于地的，但通过负载电阻的电流会引入一个差分测量的效果。 具体来说，传感器产生的信号通过负载电阻流过，然后负载电阻的两个端口的电压差被测量。 然后，测量差分电流信号，并通过电流放大器和滤波器进行处理。 虽然这并非严格的差分测量，但虚拟地点的使用有助于抑制共模干扰，提高系统的抗干扰能力。 电流放大器连接：将电流放大器的一个输入连接到传感器电极，另一个输入连接到虚拟地点。电流放大器测量这两个输入之间的差异。 测量系统连接：将电流放大器的输出连接到测量系统。
88010编辑于 2024-08-20 - 来自专栏云深之无迹
电流检测放大器(INA240).上
毕设里面用到了一块INA240，用来检测电机的相电流： 原理图在此 这东西其实就是为电机相电流检测使用的，就是一块要10+ 功能的方块图 两种封装，我用前面的这种 芯片使用起来就很简单了，就是看你要接到高测或者低测 使用 Texas Instruments INA181 的低压侧电流测量电路将电流检测电阻器放置在有源负载和接地之间。 低压侧电流测量很容易实现，因为分流电阻器两端的检测电压以接地为参考。 此配置允许电流检测放大器为低压部分，因为被检测的电压为仅高于接地参考的毫伏量级。在此配置中，检测电压不会在更高的电压上工作，因此不需要共模抑制。低压侧测量法是最简单、实现成本最低的方法。 要消除此误差源，ADC 的接地参考引脚必须靠近电流检测电阻器的低压侧和电流检测放大器的低压侧输入端。连接点是接地平面的重要部分，绝不能图方便。 同样，当电流检测电阻器两端的电压很小时，电流检测放大器的输入补偿电压会不成比例地影响放大精度。因此，最好选择输入补偿电压非常低的放大器。
4K20编辑于 2023-03-24 - 来自专栏kali blog
手搓电流表-实时检测锂电池状态
如何获取锂电池的电压、电流、电量等信息呢？本文基于ESP8266 + INA219 实现电池监测。喜欢就收藏吧！ 设备清单 esp8266 INA219模块 18650锂电池 5v充电模块 0.96Oled屏幕 线路连接 连接类别 设备/引脚端 连接至 esp8266-INA219 GPIO4 OLED (D2) INA219 SDA esp8266-INA219 GPIO5 OLED(D1) INA219 SCL esp8266-INA219 3.3V INA219 VCC esp8266-INA219 GND ) 充电模块 正极 INA219 (vim +) 充电模块 负极 锂电池负极 用电器（负载） 设备正极 INA219 (vim +) 用电器（负载） 设备负极 esp8266 (GND) 效果 类似电流表 ，可实时测量电池的电压，电流、容量、充放电状态等。
46210编辑于 2026-02-12 电流变送器：5A输入至1A输出技术解析
本文将围绕一种新型电流变送器——5A输入至1A输出的技术进行解析，从定义、工作原理、选型指南、应用领域、案例落地、行业趋势、发展前景等方面展开论述。 5A输入至1A输出电流变送器，顾名思义，其输入电流为5A，输出电流为1A，广泛应用于各种电流信号的测量与传输。二、工作原理电流变送器的工作原理基于电磁感应原理。 5A输入至1A输出电流变送器主要由以下几个部分组成：线圈：线圈是电流变送器的核心部分，负责将输入电流转换为磁场。传感器：传感器将磁场转换为电信号，实现电流信号的转换。 封装：封装用于保护电流变送器内部电路，提高其防护等级。三、选型指南输入电流：根据实际应用需求，选择合适的输入电流。输出电流：5A输入至1A输出电流变送器，输出电流为1A，适用于各种电流信号的测量。 五、案例落地某电力公司采用5A输入至1A输出电流变送器对输电线路进行电流监测，实现了输电线路的实时监控与故障预警，提高了电力系统的安全稳定运行。
40810编辑于 2025-11-21- 来自专栏燧机科技-视频AI智能分析
yolov5 摔倒检测 跌倒识别检测
摔倒检测跌倒识别检测基于YOLOv5技术来实现的图像识别，是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。 目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。 图片mmpose不同于yolo，SSD等目标检测模型，在视频中进行关节点检测的速度要小于目标检测，即使在边缘计算的盒子上进行部署，也很难对人群进行大规模的关键点检测和判断，因此关键点检测常用于智能运动检测等小规模人群场景 ，图上所示是先使用yolo进行预判断图片openpose和其他关键点检测模型只是给出人体各个器官的点位坐标，而具体需要识别什么，就要自行通过这些坐标进行算法设计，比如引体向上计数，可以通过判断头部节点与肘部节点的坐标进行判断计数 ，对于摔倒，可以通过判断视频前后帧的头部，腰部等关节点进行检测，判断是否摔倒。
1.6K00编辑于 2022-12-05 - 来自专栏电源管理IC
L9170 LGCN 5A电流双向马达驱动芯片电路IC
L9170 LGCN 5A电流双向马达驱动芯片电路ICL9170 LGCN是一款专为驱动电流双向马达而设计的芯片电路，具有高可靠性、低功耗、高性能等优点。 它能够驱动5A电流的双向马达，适用于各种需要高精度、高效率的马达控制的应用场景。L9170 LGCN采用先进的芯片设计技术，内置了过温保护、过电流保护等多种保护功能，能够有效地保护电路和马达的安全。
51500编辑于 2023-11-24 - 来自专栏云深之无迹
小电流测量杂谈
Ib小，电流噪音就自然小。这些运放的电流噪音的指标都低于0.2fA/√Hz。Ib小，受温度系数的影响就小。因此，超微电流测试，Ib是首要选择目标。 价格上，LMC6001A贵一些，其它都很便宜， 三轴电缆的另一个应用是用于进行精确低电流测量的探头，其中通过芯线和屏蔽层之间的绝缘体的泄漏电流通常会改变测量结果。 核心（称为力）和内屏蔽（称为防护）通过电压缓冲器/跟随器保持大致相同的电势，因此它们之间的漏电流在所有实际用途中都为零，尽管存在缺陷绝缘。 相反，漏电流发生在内屏蔽和外屏蔽之间，这并不重要，因为该电流将由缓冲电路而不是被测器件提供，并且不会影响测量。 circuits-from-the-lab/CN0407.html#rd-evaluationNtest https://beta-tools.analog.com/noise/#session=4l-1R5yN9U6l4trrxuVYiw
37210编辑于 2024-08-20 - 来自专栏机器学习AI算法工程
YOLOv5：道路损伤检测
道路损伤检测任务是对几种道路损伤进行检测，不仅要分类出损伤类别，还要定位到损伤的位置，故实质是一个目标检测问题。 项目体验地址 https://loveai.tech IMSC团队(Hedge等，来自美国南加州大学和约旦德国约旦大学)，提出方法基于 ultralytics-YOLO (u-YOLO) [YOLOv5, ，而如果用每幅图像的检测时间来衡量，该方法在检测速度方面是最差的。
2.2K50发布于 2021-07-14 - 来自专栏往期博文
【目标检测】YOLOv5分离检测和识别
前言 YOLO作为单阶段检测方法，可以直接端到端的输出目标对象位置和类别，而在一些大型无人机遥感等目标检测任务中，使用单阶段检测往往会产生类别预测错误的问题。 正好，YOLOv5-6.2版本提供了一个图像分类的网络，那么就可以借此将YOLOv5进行改造，分离检测和识别的过程。 然后运行detect.py，注意save-crop参数设为True，检测完之后，可以得到输出结果： 数据分类 下面进入到二阶段的图像分类的训练，在开始之前，需要拉取YOLOv5仓库的最新版本，注意不要拉取 总结 使用二阶段目标检测带来的明显好处是： 类别划分更加精准 对于虚检目标可以有效剔除 不过存在的问题是： 目标尺寸变化范围大时，很难确定输入图片的合适大小 对于图像边缘目标，容易造成误判 附录：YOLOv5s 使用python export.py --weight yolov5s.pt --include onnx将其转换成onnx格式后，可以用Netron打开查看其结构： 可以看到，yolov5s6在模型最后的输出部分新增了一个检测头
2K21编辑于 2022-11-14 - 来自专栏机器学习AI算法工程
yolov5小目标检测-提高检测小目标的检测精度
向AI转型的程序员都关注了这个号 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。 CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构； Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数 YOLOv5的网络结构 github 链接 https://github.com/ultralytics/yolov5 下载之后按照其中的README.md文件进行配置和设置。 YOLOv5数据集的设置 对yolov5/data/buy.yaml文件进行配置 其中 1：yours数据集的根目录 2：代表生成yolo要求的txt文件 3: 提高小目标检测的基本思想 1、数据加强 2、滑动窗口检测：将图片分割为n个小区域分别检测，最后在concat成正常图像大小。本文也是主要介绍这种思想。
3.3K12编辑于 2024-02-05 - 来自专栏腾讯数据中心
腾讯数据中心基础设备质量检测之电流传感器、智能电表篇
“基础设备质量检测没有结束，也不会结束” 这次，腾讯数据中心对已投入运营使用的电流传感器、智能电表进行抽查，并撰写本文，望君品读。 1测试目的 验证交、直流支路电流传感器精度及智能电表（多回路检测单元）精度。 腾讯数据中心电流传感器精度要求：I<2A（负载小于10%），精度忽略不计、2A<I<6A（负载为10%-30%）精度±5%、6A<I<10A（负载为30%-50%）精度±2%，I>10A（负载大于50% 5测试结果 交流传感器 1.负载电流为2A<I<6A时，传感器精度表现： ? 图3 2A<I<6A测量结果 2.负载电流为6A<I<10A时，传感器精度表现： ? 图4 6A<I<10A测量结果 3.负载电流I>10A时，传感器精度表现： ? 图5 I>10A测量结果 直流传感器 1.负载电流为2A<I<6A时，传感器精度表现 ?
1.5K30发布于 2018-03-16 - 来自专栏往期博文
【目标检测】YOLOv5推理加速实验：图片批量检测
前言 上篇博文探究了一下多进程是否能够对YOLOv5模型推理起到加速作用，本篇主要来研究一下如果将图片批量送入网络中进行检测，是否能对网络的推理起到加速作用。 YOLOv5批量检测源码解析 YOLOv5在训练过程中是可以进行分批次训练(batch_size>1)，然而在默认的推理过程中，却没有预留batch_size的相关接口，仍然只是单张图一张张进行检测推理 实际进行检测的代码块在yolo.py文件中的_forward_once方法。 速度比较 下面使用RTX4090单卡进行速度测试，数据集选用VisDrone的部分数据，模型选择YOLOv5s： 测试结果如下表所示： 图片数量 直接检测花费时间(s) 批量检测花费时间(s) 100 从结果可见，批量检测并没有预期的速度提升，反而比直接单张检测更慢。估计这也是为什么官方不在detect中预留多个batch检测接口的原因。
3.4K30编辑于 2023-04-12 - 来自专栏解决方案，产品应用
AHBC-CANB500霍尔电流传感器用于高精度电流监测
简介AHBC-CANB电量传感器为一高精度直流电流传感器，主要安装于电池组 母排，用于监测充放电电流。AHBC-CANB采用磁通门技术，具有高精度，低 磁滞等优点。 零点偏置电流小于10mA,由于采用磁通门原理，无磁滞影响，在 1000A大电流冲击后仍能保持低零偏，高精度特性。因此特别适用于动力电 池电量监测，高精度电流监测等应用场合。电池电流监测及管理系统。 为保证该精度，充放电监测精度需优于1%，为保证大电流，小电流场合下均 有高精度SOC，传感器满量程精度需尽一步提高至0.3%。
50530编辑于 2023-11-14 - 来自专栏单片机爱好者
如何计算锂电池的最大充电电流和放电电流
先说电池容量，普通的5号碱性电池，容量大概在200mah左右。这个容量的意思是，如果电池外接的设备耗电量是200ma，那么这个电池能工作1小时。如果是南孚电池，容量会高一些，高多少你能猜到吗？ 那么它的充电电流和放电电流能有多大？ 这个问题一般需要厂家提供相应的参数，如果厂家告诉你1000mah的电池，放电能力是0.5C，那么放电电流就是1000*0.5=500ma；如果是2C，那就是1000*2=2A。 充电电流同理。 这个值有什么意义？ 首先你要明白一点，电池的放电能力不是无限大的，不是说容量足够大就行。因此在选择电池的时候，要根据设备的耗电量来判断。
9.5K10发布于 2020-06-29 - 来自专栏机器学习AI算法工程
yolov5人脸检测，带关键点检测
代码说明： 1，在yolov5的检测基础上，加上关键点回归分支，请先下载yolov5的工程：https://github.com/ultralytics/yolov5 2，detect_one.py是单张图片的测试代码 hyp.scatch.yaml中增加关键点loss的超参数（landmark: 0.5） (2)yolo.py中增加了关键点回归的计算 (3)face_datasets.py为人脸数据的读取方式，准备数据的格式参考yolov5的格式 ，在后面增加关键点的坐标（归一化） (4) loss.py中增加关键点回归的loss计算 (5) 链接: https://pan.baidu.com/s/1zjPIF2NZ9CGtB2iUCox6hw 关于口罩人脸的问题： 1，增加口罩人脸这个类别，建议不要直接在检测分支中增加类别。 2，应该在关键点分支额外增加一个属性分支，接一个二分类，判断有没有戴口罩。
3.3K30发布于 2021-05-11 - 来自专栏YOLO大作战
YOLOv5改进： RT-DETR引入YOLOv5，neck和检测头助力检测
： YOLO 检测器有个较大的待改进点是需要 NMS 后处理，其通常难以优化且不够鲁棒，因此检测器的速度存在延迟。 为避免该问题，我们将目光移向了不需要 NMS 后处理的 DETR，一种基于 Transformer 的端到端目标检测器。 然而，相比于 YOLO 系列检测器，DETR 系列检测器的速度要慢的多，这使得"无需 NMS "并未在速度上体现出优势。 上述问题促使我们针对实时的端到端检测器进行探索，旨在基于 DETR 的优秀架构设计一个全新的实时检测器，从根源上解决 NMS 对实时检测器带来的速度延迟问题。 1, 1, SPPF, [1024, 5]], # 9 ] # YOLOv5 v6.0 head head: [ [-1, 1, Conv, [256, 1, 1, None, 1, 1,
2.5K11编辑于 2023-12-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号