MK米客方德SD NAND:无人机存储的高效解决方案

MK米客方德SD NAND:无人机存储的高效解决方案

在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。​

image-20250514113813722
image-20250514113823573

米客方德 SD NAND 芯片特性 ​

免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。​

自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。​

尺寸小巧与强兼容性:该 SD NAND 芯片尺寸小巧,对于空间有限的无人机内部布局而言,这一特性至关重要。它能轻松集成到无人机的飞控系统中,不占用过多宝贵空间。同时,其兼容性强,可与 ESP32 芯片以及整个飞控系统良好适配,无需进行过多硬件调整或优化。​

image-20250514113835941
image-20250514113844322

米客方德 SD NAND 测试流程

飞机通电与姿态数据采集:无人机通电后,操作人员通过翻滚机身改变飞机姿态。在此过程中,飞控系统实时采集飞机的姿态角数据。ESP32 芯片作为主控制器,负责协调各传感器数据的采集与传输,并将姿态角数据按特定格式和协议整理,准备存储到 MK SD NAND 中。​

LOG 目录创建:随着飞机姿态变化,飞控系统在 MK SD NAND 中成功建立 LOG 目录。该目录遵循特定的命名规则和文件结构,便于后续数据的有序存储与管理。目录的成功创建标志着 SD NAND 存储系统已准备好接收飞控 LOG 数据。​

数据下载与分析:测试结束后,将 SD NAND 中的日志数据下载到 Mission Planner 软件中。Mission Planner 是一款功能强大的无人机地面站软件,广泛应用于无人机数据的分析与处理。在软件中,操作人员选中 ATT 字段中的 Roll(横滚角)和 Pitch(俯仰角),利用软件的绘图功能,可清晰看到曲线随飞机实际姿态变化。这些曲线直观反映了飞机飞行过程中的姿态变化,为后续飞行性能评估和问题诊断提供了重要依据。​
测试成果与意义 ​

通过本次测试,成功验证了使用 SD NAND 替代 SD 卡记录飞控 LOG 的功能。 米客方德的 SD NAND 在整个测试中展现出稳定性能。其可靠的数据存储能力确保了飞控 LOG 数据的完整性与准确性,曲线与飞机实际姿态的紧密贴合也证明了数据记录的实时性与有效性。这一成果不仅为无人机飞控数据记录提供了新的、更高效稳定的解决方案,也为未来无人机存储技术的进一步发展与优化奠定了基础,推动了无人机技术在更多领域的广泛应用与创新发展。​


在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。​

image-20250514113813722
image-20250514113823573

米客方德 SD NAND 芯片特性 ​

免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。​

自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。​

尺寸小巧与强兼容性:该 SD NAND 芯片尺寸小巧,对于空间有限的无人机内部布局而言,这一特性至关重要。它能轻松集成到无人机的飞控系统中,不占用过多宝贵空间。同时,其兼容性强,可与 ESP32 芯片以及整个飞控系统良好适配,无需进行过多硬件调整或优化。​

image-20250514113835941
image-20250514113844322

米客方德 SD NAND 测试流程

飞机通电与姿态数据采集:无人机通电后,操作人员通过翻滚机身改变飞机姿态。在此过程中,飞控系统实时采集飞机的姿态角数据。ESP32 芯片作为主控制器,负责协调各传感器数据的采集与传输,并将姿态角数据按特定格式和协议整理,准备存储到 MK SD NAND 中。​

LOG 目录创建:随着飞机姿态变化,飞控系统在 MK SD NAND 中成功建立 LOG 目录。该目录遵循特定的命名规则和文件结构,便于后续数据的有序存储与管理。目录的成功创建标志着 SD NAND 存储系统已准备好接收飞控 LOG 数据。​

数据下载与分析:测试结束后,将 SD NAND 中的日志数据下载到 Mission Planner 软件中。Mission Planner 是一款功能强大的无人机地面站软件,广泛应用于无人机数据的分析与处理。在软件中,操作人员选中 ATT 字段中的 Roll(横滚角)和 Pitch(俯仰角),利用软件的绘图功能,可清晰看到曲线随飞机实际姿态变化。这些曲线直观反映了飞机飞行过程中的姿态变化,为后续飞行性能评估和问题诊断提供了重要依据。​
测试成果与意义 ​

通过本次测试,成功验证了使用 SD NAND 替代 SD 卡记录飞控 LOG 的功能。 米客方德的 SD NAND 在整个测试中展现出稳定性能。其可靠的数据存储能力确保了飞控 LOG 数据的完整性与准确性,曲线与飞机实际姿态的紧密贴合也证明了数据记录的实时性与有效性。这一成果不仅为无人机飞控数据记录提供了新的、更高效稳定的解决方案,也为未来无人机存储技术的进一步发展与优化奠定了基础,推动了无人机技术在更多领域的广泛应用与创新发展。​


在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。​

image-20250514113813722
image-20250514113823573

米客方德 SD NAND 芯片特性 ​

免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。​

自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。​

尺寸小巧与强兼容性:该 SD NAND 芯片尺寸小巧,对于空间有限的无人机内部布局而言,这一特性至关重要。它能轻松集成到无人机的飞控系统中,不占用过多宝贵空间。同时,其兼容性强,可与 ESP32 芯片以及整个飞控系统良好适配,无需进行过多硬件调整或优化。​

image-20250514113835941
image-20250514113844322

米客方德 SD NAND 测试流程

飞机通电与姿态数据采集:无人机通电后,操作人员通过翻滚机身改变飞机姿态。在此过程中,飞控系统实时采集飞机的姿态角数据。ESP32 芯片作为主控制器,负责协调各传感器数据的采集与传输,并将姿态角数据按特定格式和协议整理,准备存储到 MK SD NAND 中。​

LOG 目录创建:随着飞机姿态变化,飞控系统在 MK SD NAND 中成功建立 LOG 目录。该目录遵循特定的命名规则和文件结构,便于后续数据的有序存储与管理。目录的成功创建标志着 SD NAND 存储系统已准备好接收飞控 LOG 数据。​

数据下载与分析:测试结束后,将 SD NAND 中的日志数据下载到 Mission Planner 软件中。Mission Planner 是一款功能强大的无人机地面站软件,广泛应用于无人机数据的分析与处理。在软件中,操作人员选中 ATT 字段中的 Roll(横滚角)和 Pitch(俯仰角),利用软件的绘图功能,可清晰看到曲线随飞机实际姿态变化。这些曲线直观反映了飞机飞行过程中的姿态变化,为后续飞行性能评估和问题诊断提供了重要依据。​
测试成果与意义 ​

通过本次测试,成功验证了使用 SD NAND 替代 SD 卡记录飞控 LOG 的功能。 米客方德的 SD NAND 在整个测试中展现出稳定性能。其可靠的数据存储能力确保了飞控 LOG 数据的完整性与准确性,曲线与飞机实际姿态的紧密贴合也证明了数据记录的实时性与有效性。这一成果不仅为无人机飞控数据记录提供了新的、更高效稳定的解决方案,也为未来无人机存储技术的进一步发展与优化奠定了基础,推动了无人机技术在更多领域的广泛应用与创新发展。​

Read more

2026年8款AI大模型实测排名!国产杀入全球前10,最便宜只要2毛钱

2026年8款AI大模型实测排名!国产杀入全球前10,最便宜只要2毛钱

先说结论:按需求直接选 2026年大模型格局已经从"美国领跑、中国追赶"变成了真正的多极竞争。如果你不想看完全文,这是按场景给出的推荐: * 日常对话和写作:Claude Opus 4.6(综合体验最佳)、豆包 Seed 2.0 Pro(中文国产第一) * 写代码:Claude Opus 4.6 / Gemini 3.1 Pro(旗舰级)、GLM-5 / DeepSeek V3.2(开源最强) * 数学和推理:GPT-5.2(AIME 2025 满分)、豆包 Seed 2.0 Pro(IMO 金牌级)

人工智能:深度学习模型的优化策略与实战调参

人工智能:深度学习模型的优化策略与实战调参

人工智能:深度学习模型的优化策略与实战调参 💡 学习目标:掌握深度学习模型的核心优化方法,理解调参的底层逻辑,能够独立完成模型从欠拟合到高性能的调优过程。 💡 学习重点:正则化技术的应用、优化器的选择与参数调整、批量大小与学习率的匹配策略。 48.1 模型优化的核心目标与常见问题 在深度学习项目中,我们训练的模型往往会出现欠拟合或过拟合两种问题。优化的核心目标就是让模型在训练集和测试集上都能达到理想的性能,实现泛化能力的最大化。 ⚠️ 注意:模型优化不是一次性操作,而是一个“诊断-调整-验证”的循环过程,需要结合数据特性和任务需求逐步迭代。 48.1.1 欠拟合的识别与特征 欠拟合是指模型无法捕捉数据中的潜在规律,表现为训练集和测试集的准确率都偏低。 出现欠拟合的常见原因有以下3点: 1. 模型结构过于简单,无法拟合复杂的数据分布。 2. 训练数据量不足,或者数据特征维度太低。 3. 训练轮次不够,模型还未充分学习到数据的特征。 48.1.2 过拟合的识别与特征 过拟合是指模型在训练集上表现极好,但在测试集上性能大幅下降。 出现过拟合的常见原因有以下3点:

终于,我把 Openclaw 加 Seed2.0 Skills 做 AI 漫剧搞定了

终于,我把 Openclaw 加 Seed2.0 Skills 做 AI 漫剧搞定了

这是苍何的第 500 篇原创! 大家好,我是苍何。 不知不觉,500 篇原创啦。年前开源的 AI 漫导开源项目也 1.1 k star 了。 最近玩 Openclaw 又玩的跟个疯狗似的,给我的小龙虾装了很多实用技能,可以自动写小红书图文,可以自动写作,配图,生成封面等。 但感觉生活还是很无趣,于是又花了一些时间,开发了个 AI 漫剧视频生成 Skills,给小龙虾使用。 准确的说,这是个基于字节 Seed2.0 的技能包,有以下子技能。 「seedance-video」:文生视频、图生视频,seedance 1.5 Pro 版本还自带音频生成,属于基本盘。 等seedance 2.0 的

Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案

Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案 前言 在前文中,我们利用 genkit 实现了基础的 AI 模型流式调用(Streaming)与 Prompt 工程。但在真正的“专业级医疗诊断辅助”、“金融量化分析报告生成”或“大型智能客服矩阵”场景中。简单的模型调用仅仅是起点。面对大模型不可避免的“幻觉(Hallucinations)”问题。面对如何在鸿蒙(OpenHarmony)端实现本地向量库(Vector Store)与云端知识库的实时同步。面对如何在不同算力的设备(从手环到大屏)上分配不同的 AI