是一個無線WIFI遍布社會大小角落的時代，小到居民樓，大到工廠，甚至在公交上都有隨時可連的WIFI。
為什么WIFI這么普及
對于普通人：無論是移動設備還是桌面電腦，只需要設置一下，便可輕松接入無線網絡，享受更快速的上網體驗。
對于企業：WIFI提供了無線上網的便利、節省了企業部署網絡的成本，提升了員工的工作效率。
對于社會：加快了社會整體運作、加速了信息傳遞。
當WIFI 遇見傳感器
大液晶顯示屏型
溫濕度看板型
各類WIFI溫濕度傳感器都可以和監控平臺搭配使用，形成一個能實現實時監控、遠程操控的閉環型監測系統。
例如：在倉庫存儲中，溫濕度十分重要，如果倉庫的溫濕度超過正常水平，不僅會對存儲的貨物造成嚴重影響，還會對區域本身產生可怕后果。
病菌和霉菌會在產品和盒子以及貨架和墻壁上生長，冷凝會導致金屬部件生銹和腐蝕，溫度水平若是全天波動，還會令食品變質！
WIFI無線溫濕度監測系統是以溫濕度傳感器為監測終端，實時監測環境溫濕度數據，以WIFI作為信號傳輸媒介，將采集到的溫度和濕度數據上傳到監控平臺。用戶可以通過手機、電腦登錄監控平臺查看實時數據、歷史數據，接收報警信息，以此達到24小時不間斷在線監測、讓溫濕度始終處于安全范圍的目的。
環境溫濕度實時采集
WIFI 無線溫濕度監測系統中的溫濕度采集設備主要是WIFI型溫濕度變送記錄儀組成。WIFI型溫濕度變送記錄儀是一款基于WIFI無線數據傳輸的工業級溫濕度變送器，產品WIFI采用AirKiss 技術，能夠實現一鍵配網、輕松聯網，支持多賬號同時監控數據，達到多賬號、異地實時查看數據的目的。
產品優勢
①大屏液晶顯示，工作人員可直接讀取現場數據；防水防塵按鍵設計，可操作性強。
②進口原裝高品質溫濕度測量單元，具有測量精度高，抗干擾能力強的特點。
③內部集成報警模塊，可設置溫濕度上下限雙控，還能外接一路聲光報警器。
④內置存儲功能，可記錄65000組溫濕度數據，網絡異常情況下設備可暫存數據，網絡暢通時再將已存儲數據二次續傳。
⑤具有 2 路常開觸點，可根據用戶需求選擇關聯的報警事項。
新選型 丨 新功能
WIFI型溫濕度變送記錄儀現同時兼容了2.4GHz和5GHz的WIFI，現場的WIFI如果是5GHz，也可以正常連接！
為什么要增加5GHz的工作頻段？
2.4GHz和5GHz都是指無線路由器的工作頻段。一直以來，2.4 GHz WIFI的普及程度高于5GHz WIFI，隨著時間推移，如今的2.4 GHz WIFI 已經難再提升速率，而5GHz WIFI 的技術經過不斷完善，有趕超2.4 GHz的勢頭。
為了更好的用戶體驗，緊跟科技發展，WIFI 型溫濕度變送記錄儀現如今也兼容了5GHz的工作頻率。
軟件平臺遠程管控
環境監控云平臺
1.大屏可視化
用戶可以在此頁面查看當前所有測點的溫濕度監測數據及設備在線、離線等情況，數據直觀清晰、一覽無余。
2.數據實時監控
用戶可以查看不同測點的實時監測數據、報警數據、設備名字、設備離線/在線等信息，并根據信息對被測環境中的溫濕度進行及時調整。
3.超限報警
用戶可以提前為不同測點的WIFI型溫濕度變送記錄儀設置報警上下限值，當設備監測到的數據超過所設置的限值或者正常運行的設備突然離線時，平臺便會以頁面變紅、短信、振鈴、微信、郵件、彈窗等多種報警方式向用戶發出報警，且報警內容可自定義。
4.歷史數據查詢、導出
用戶可以通過篩選時間范圍和數據類型，查詢一個或者多個監測點的歷史數據、報警數據，并且，查詢到的數據支持PDF、excel等多種格式導出，導出內容標題，使用單位名稱可自定義。
5.賬號分級
對于管理人員較多的大企業而言，做好統籌協調是個問題，不過這個問題用賬號分級功能就可以解決！賬號分級功能能夠讓用戶根據實際需求增設子賬號，并分配不同管理權限，做到管理分工明確。
6.遠程智能控制
平臺支持電腦端、APP端遠程控制現場設備繼電器，且繼電器名稱可自定義編輯，相應繼電器控制功能是否啟用用戶可自行編輯。
用戶登錄云平臺手機APP控制設備。支持視頻查看，設備故障/異常報警、離線告警；支持實時數據、歷史數據曲線查看；還可連接藍牙打印機進行數據打印，功能強大。
本地監控平臺
用戶可以將本地監控平臺部署在自己的電腦或者服務器上以便查看監測到的溫濕度實時數據，歷史數據等，平臺同樣具有采集、控制、記錄、超限報警等功能，完美滿足用戶監控管理所需。
1、在教室、辦公室、公寓等日常生活場所，WIFI無線溫濕度監測系統可以盡可能保證人員學習、工作狀態，從而提升服務對象的滿意度，為企業樹立良好的形象。
2、在變電站、機房、基站等重要設備的運行場所，WIFI無線溫濕度監測系統可以維持設備的良好狀態，延長設備使用壽命，從而為企業節約設備維護、更換的成本。
3、在庫房、糧倉、檔案室等重要物資保存場所，WIFI無線溫濕度監測系統可以保證物資的正常存儲狀態，減少變質、腐化問題的發生，甚至在規定范圍內延長保存期限。
4、在車間廠房、實驗室等工作場所，WIFI無線溫濕度監測系統可以保證生產、實驗在標準下正常運行，避免因溫濕度變化造成生產紊亂、實驗失敗的惡果。
我不太愿意寫這篇文章，我怕寫完之后某某網站自拍專區mov會少很多。咳~說正事~網上關于曝出針孔攝像頭的新聞層出不窮，搜索引擎一搜索，數量多的嚇人。社會上偷拍現象真的是特別普遍，上大學的時候學校里就曝出了有學生偷拍女廁所照片視頻拿來賣錢的事。加上微型攝像頭價格不高，網上很容易買到，更促成了偷拍現象的泛濫。
在我們住酒店、租房的時候的隱私可能正被其他人圍觀，網上說的那些找攝像頭的方法實際并不是很實用。這個時候就非常需要一個專業工具來消除這些安全隱患了，這次給大家帶來的VESANY就是這么一款產品。
簡單的開一下箱湊湊字數，VESANY無線探測器的外包裝比較簡單，正面除了logo、產品渲染圖以及產品名稱之外就沒有其他內容了。
背面介紹了這款探測器的一些參數信息，可以看出這款探測器供電功率為5W，有+4DB的增益天線等。
下面就是VESANY信號探測器包裝內的全部內容了，包含探測器主體、一根Type-C充電線、一根掛繩、一份說明書。
Type-C充帶接口現在已經特別普及了，VESANY信號探測器采用了Type-C充電接口，這樣在日常充電時就不用多備根其他接口的線了。
掛繩不是編制材質，而是橡膠材質，手感比較好，不容易打結，但是日常使用容易沾灰弄臟。
開箱結束，來看一下VESANY信號探測器的外觀吧，一眼看上去有點像紅外體溫儀，圓長條形的造型要比其他同類型信號探測器好看很多。全機僅有一個按鈕，位于產品正面指示燈下方，長按三秒開機。
指示燈上方是一塊窄帶紅外吸光片，可以手持機器對可以區域或物品通過紅色鏡片進行識別。
VESANY信號探測器的背部有8顆高度紅色LED燈珠，在物理探測模式下方便更快的找到攝像頭位置。
VESANY信號探測器的充電接口位于探測器底部，采用的是Type-C充帶接口。VESANY信號探測器內置了250mAh鋰聚合物電池，能夠提供長達兩小時的持續使用時間，待機時間長達100小時。充滿電就能滿足外出旅行需求，不用再擔心使用的過程中突然沒有電。
VESANY信號探測器共有六種工作模式，長按三秒開機，開機自動進入低靈敏度模式。此時信號指示燈第一個燈常亮，探測距離為1米，主要用來探測WiFi信號。
短按一下開關鍵進入高靈敏度模式，探測范圍擴大到5米，此時信號指示燈第二個燈常亮。高靈敏度模式可以探測GPSGGGG等無線信號。
再短按一次電源鍵進入物理模式，此時探測器背部8顆高度紅色LED燈珠呈常亮狀態
再短按一次進入LED等閃爍探測模式，用于探測攝像頭時跟正常環境做對比。
再短按一次，信號指示燈交替閃爍，10s后進入震動報警模式。此模式下可以搭配掛繩掛在賓館或家里的防盜門把手上，只要門產生一定幅度的震動VESANY信號探測器就會報警。
先回答一下朋友們的疑問吧！有一些人肯定好奇，探測信號為什么會跟攝像頭聯系到一塊？其實逛逛某寶就能發現，目前大多數針孔攝像頭都是可以進行實時傳輸數據到手機端或電腦端的，在傳輸的過程中肯定會有信號波動。這時用VESANY信號探測器就能達到查找微型攝像頭的目的。還要一部分微型攝像頭會通過內存卡進行物理儲存，這個時候就需要通過物理偵查模式，借助窄帶紅外吸光片以及高度LED燈珠來尋找微型攝像頭并判斷攝像頭位置。
實際使用過程中，當手機等設備靠近VESANY信號探測器時就會發出警報，高靈敏模式下很遠的距離也能檢測到。震動報警模式在晚上使用效果還行，就是會碰到風刮門造成的震動使無線探測器誤報警的情況。
自Heartbeat
作者：Gant Laborde
機器之心編譯
參與：韓放
你知道怎樣在瀏覽器中訓練并測試機器學習模型嗎？本文帶你快速訓練一個「剪刀石頭布」的識別模型，你可以在家向朋友演示你的模型效果。
假設你回到兩年前，現在要讓我寫一個算法，拍攝一只手的圖像，并確定它是石頭、剪刀還是布。我會說這有可能實現，但需要給我 6 個月時間。
現在，如果你再問我這個問題，我可以引導你訪問 https://rps-tfjs.netlify.com/，并說：「您可以 10 分鐘內在瀏覽器中訓練一個模型。」
什么是網頁版「石頭剪刀布」
通過這個網站，我們可以在瀏覽器中準確得完成識別石頭剪刀布這一任務，所有計算都在本地完成，速度將取決于本地硬件的好壞。因為該項目使用了 TensorFlow.js，所有繁重的工作都發生在瀏覽器和 JavaScript 中！
機器學習需要數據來訓練模型，我們期待經過一段時間的訓練后，這個模型變得足夠聰明，從而識別以前從未見過的石頭、剪刀和布的照片。
首先，我們需要一些「石頭、剪刀、布」圖像的訓練數據。先不要急著給所有的朋友打電話收集數據，我們可以使用谷歌 Laurence Moroney 提供的一些優秀數據。
數據集地址：http://www.laurencemoroney.com/rock-paper-scissors-dataset/
瀏覽器怎樣加載訓練數據
在正常的機器學習工作流程中，我們可以按文件夾組織圖像文件，并通過簡單的全局變量獲取。但是在瀏覽器中，系統對內存中加載的內容進行了沙盒處理，如果我們要加載 10MB 的圖像，那么就會遇到障礙。
幸運的是，我們可以利用一個經典的技巧將一組圖像傳輸到瀏覽器：sprite 表。我們把一組圖像粘在一起形成單獨的圖像。在這種情況下，每一個小圖都展開成一個向量，這些向量堆疊在一起就是一張「大圖」。通過這種方式，我們就可以創建 10MB 的大圖像來保存所有小圖像。
將二維圖像展開成一維向量的效果圖。
我編寫了自己的 sprite 表生成器，并在「石頭剪刀布」數據集上運行它。結果看起來很瘋狂。您可以看到這樣的圖像：
轉換成這樣的集合：
單張小圖縮小到 64x64，上圖一共 2520 張，產生的圖像是（4096x2520）。
Python 源代碼在這個項目的 spritemaker 文件夾中，因此如果你要對完全不同的數據集執行類似的操作，可以用它創建自己的 sprite 表。
既然所有圖像都被組合成單一的圖像，我們就可以將圖像分割開來進行訓練和驗證。
單擊按鈕-準備訓練
可能需要一秒鐘的時間來加載并解析大圖像，并且當你按下網站上的按鈕時，信息將被填充到 TensorFlow Visor。它基本上是一個小的滑動菜單，幫助我們在訓練時顯示信息。
在 visor 上，我們將看到從數據集中隨機抽取了 42 張圖像作為測試數據。所有圖像數據是 RGB 的，但是如果我們打開 constants.js，可以將通道數減少到 1。
加載 42 張隨機樣本并顯示在 vis 中。
此外，我們將在此側菜單中看到模型層、未經訓練的結果、訓練統計信息和訓練結果。
你創建模型的界面如下：
我得到了一個適用于簡單數據的簡單模型，還有一個高級模型。其中高級模型對多個角度和背景的數據更有效，它的魯棒性更強。
什么樣的「石頭剪刀布」模型才算好
你可能會想，我們應該使用高級的模型，這是一個常見的陷阱。如果你選擇高級模型，你可能會遇到一些常見的問題。首先，它需要更長的時間來訓練，第二，它甚至可能訓練地不好。第三，如果訓練時間過長，高級模型將出現過度擬合現象。
過度擬合意味著該模型在預測訓練數據方面非常出色，但是對從未見過的數據非常糟糕，一個好的機器學習模型應該是可以泛化的。
在訓練模型時，每一次迭代更新一張效果圖表，在本例中為 512 個圖像迭代一次。并且每個 epoch 更新一次圖標（所有 2100 個訓練圖像）。良好的訓練迭代意味著損失減少，準確度提高。
準確率圖表中的橙色線是在驗證集上的表現，即模型在未經訓練的 420 張圖像上精確度如何。可以看到橙色線的訓練準確率很高！我們的模型應該很好地泛化（只要新的圖像在復雜性和樣式上與訓練數據相似）。
如果點擊「查看訓練后模型」，會看到一些很好的結果！
正如你所看到的，剪刀總是準確的，而我們最差的類是布，只有 95% 的準確率。由于訓練是隨機初始化的，所以每次結果會略有不同。為了進一步挖掘識別效果，我們也得到了一個混淆矩陣。
正如在這里看到的，布被意外地歸類為剪刀 6 次。這是有道理的，有時候布看起來有點像剪刀。像上面這樣的混淆矩陣可以幫助我們找出需要解決的問題。
最后看看效果吧
現在我們終于可以在現實世界中測試我們的模型了。使用網絡攝像頭，我們可以檢查我們自己的手是否有石頭剪刀布！請記住，我們希望我們的照片與我們的訓練圖像相似，以便正常運行（無旋轉和白色背景）。
網絡攝像頭將拍攝并轉換為 64x64 圖像。
你已經在你的瀏覽器中訓練了一個模型，驗證測試了它，甚至在現實場景中測試了它。很少有人能做到這一點，在瀏覽器中完成這一切的人甚至更少。
最后本項目的一些資源：
源代碼：https://github.com/GantMan/rps_tfjs_demo
Demo：https://rps-tfjs.netlify.com/