Schede di sviluppo

Hinweis zur B-Ware Dieses Produkt ist ein Versandrückläufer, bei dem die Originalverpackung bereits geöffnet wurde. Die Verpackung kann leicht beschädigt sein oder fehlen. Einzelne kleine Zubehörteile wie ein USB-Ladekabel oder optionales Zubehör, das nicht für den grundlegenden Betrieb des Produkts benötigt wird, können fehlen. Das Produkt selbst weist keine oder minimale Gebrauchsspuren auf, wie z.B. leichte Kratzer, Fingerabdrücke oder Putzschlieren. Um eine einwandfreie Funktion zu gewährleisten, wurde das Produkt gründlich geprüft. Der Google Coral USB Accelerator bringt Real-Time Inferenz für Ihren Pi 4 und viele andere Computer. Künstliche Intelligenz / Machine Learning für alle: Google hat mit dem Coral USB Accelerator einen leistungsfähigen Spezialchip (TPU, Tensor Processing Unit) an ein USB 3 Interface angebunden - damit können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz. Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU ("tensor processing unit"), die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden. Google bringt mit der Edge TPU, die das TensorFlow Lite Framework unterstützt, einen USB 3 Stick auf den Markt. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. Perfekt in Kombination mit dem Pi 4! Mit Hilfe der Google Coral Edge TPU kann Inferenz beispielsweise mit dem MobileNet v2 Model bis zu 20 x schneller als auf "dem nackten" Pi 4 ausgeführt werden. Es können so real-time Erkennungen in Videostreams mit über 50 fps durchgeführt werden, die mit dem Pi 4 ohne Beschleuniger nicht möglich wären. Dank Python und vielen Beispielen online rund um TensorFlow kann man in das Thema künstliche Intelligenz und Machine Learning mit dem Google Coral USB Accelerator einfach und mit Stil einsteigen.

Hinweis zur B-Ware Dieses Produkt ist ein Versandrückläufer, bei dem die Originalverpackung bereits geöffnet wurde. Die Verpackung kann leicht beschädigt sein oder fehlen. Einzelne kleine Zubehörteile wie ein USB-Ladekabel oder optionales Zubehör, das nicht für den grundlegenden Betrieb des Produkts benötigt wird, können fehlen. Das Produkt selbst weist keine oder minimale Gebrauchsspuren auf, wie z.B. leichte Kratzer, Fingerabdrücke oder Putzschlieren. Um eine einwandfreie Funktion zu gewährleisten, wurde das Produkt gründlich geprüft. Mit einem in der Sonne ablesbaren Always-On-Bilschirm, einer Akkulaufzeit von 4 Wochen, vollständiger Flexibilität und vollständiger Kontrolle über Ihre Daten ist Bangle.js 2 eine erfrischende Abwechslung zu teuren Smartwatches. Sie können neue Apps aus dem Internet installieren oder Ihre eigenen mit JavaScript entwickeln. Alles, was Sie brauchen, ist ein Webbrowser (Chrome, Edge oder Opera) und Sie können Apps hochladen oder Code schreiben, der drahtlos auf Ihrer Uhr läuft! Bangle.js ist wasserdicht und verfügt über Bluetooth Low Energy, GPS, einen Herzfrequenzmesser, Beschleunigungsmesser, Magnetometer, Drucksensor und mehr. Technische Daten IP67 Wasserdicht (nicht zum schwimmen geeignet) Nordic 64MHz nRF52840 ARM Cortex-M4 Prozessor mit Bluetooth LE 256kB RAM, 1MB On-Chip-Flash, 8MB externer Flash 1,3 Zoll 176x176 immer eingeschaltetes 3-Bit-Farb-LCD-Display (LPM013M126) mit Hintergrundbeleuchtung Voller Touchscreen (Glas mit 6H Härte) GPS/Glonass-Empfänger Herzfrequenzmesser 3-Achsen-Beschleunigungsmesser 3-Achsen-Magnetometer Luftdruck-/Temperatursensor Vibrationsmotor 200mAh Akku, 4 Wochen Standby-Zeit 36mm x 43mm x 12mm großes Gehäuse, mit 20mm Standardarmbändern Vollständiger SWD-Debug-Anschluss auf der Rückseite der Uhr Farbe: schwarz

Hinweis zur B-Ware Dieses Produkt ist ein Versandrückläufer, bei dem die Originalverpackung bereits geöffnet wurde. Die Verpackung kann leicht beschädigt sein oder fehlen. Einzelne kleine Zubehörteile wie ein USB-Ladekabel oder optionales Zubehör, das nicht für den grundlegenden Betrieb des Produkts benötigt wird, können fehlen. Das Produkt selbst weist keine oder minimale Gebrauchsspuren auf, wie z.B. leichte Kratzer, Fingerabdrücke oder Putzschlieren. Um eine einwandfreie Funktion zu gewährleisten, wurde das Produkt gründlich geprüft. Arduino GIGA R1 WiFi Der Arduino GIGA R1 WiFi ist für ambitionierte Maker konzipiert, die ihre Projekte auf die nächste Stufe heben möchten. Dieses Board bietet fortschrittliche Funktionen und behält dabei den gleichen Formfaktor wie unsere beliebten Mega und Due. Merkmale im Überblick Dual-Core-Mikrocontroller (STM32H747XI) mit Cortex-M7 bei 480 MHz und Cortex-M4 bei 240 MHz Drahtlose Kommunikation mit Wi-Fi und Bluetooth über das Murata 1DX Modul 76 GPIO-Pins, 4 UARTs, 3 I2C-Ports, 2 SPI-Ports, 1 FDCAN Zusätzliche Anschlüsse für USB-A, USB-C, 3,5 mm Audio und JTAG Unterstützung für Arduino IoT Cloud mit sicherer Kommunikation durch ATECC608A Technische Daten Board Name: Arduino GIGA R1 WiFi SKU: ABX00063 Mikrocontroller: STM32H747XI dual Cortex-M7+M4 32bit low power Arm MCU Funkmodul: Murata 1DX dual WiFi 802.11b/g/n 65 Mbps und Bluetooth Sicheres Element: ATECC608A-MAHDA-T USB: USB-C Programming Port / HID USB-A: Host (mit PA_15 aktivieren) Digitale I/O-Pins: 76 Analoge Eingänge: 12 DAC: 2 (DAC0/DAC1) PWM-Pins: 12 VRT & OFF-Pin UART: 4x I2C: 3x SPI: 2x CAN: Externer Transceiver erforderlich Kameraanschluss: I2C + D54-D67 Displayanschluss: D1N, D0N, D1P, D0P, CKN, CKP + D68-D75 Audioanschluss: DAC0, DAC1, A7 Betriebsspannung: 3,3V Eingangsspannung (VIN): 6-24V Gleichstrom pro I/O-Pin: 8 mA Taktfrequenz Cortex M7: 480 MHz Taktfrequenz Cortex M4: 240 MHz Speicher: STM32H747XI 2MB Flash, 1MB RAM Abmessungen: 53 mm x 101 mm Sonstige Daten Zusätzliche Anschlüsse: USB-A, USB-C, 3,5 mm Audio, JTAG Lieferumfang 1x Arduino GIGA R1 WiFi Board LinkZum BerryBase Blog

Hinweis zur B-Ware Dieses Produkt ist ein Versandrückläufer, bei dem die Originalverpackung bereits geöffnet wurde. Die Verpackung kann leicht beschädigt sein oder fehlen. Einzelne kleine Zubehörteile wie ein USB-Ladekabel oder optionales Zubehör, das nicht für den grundlegenden Betrieb des Produkts benötigt wird, können fehlen. Das Produkt selbst weist keine oder minimale Gebrauchsspuren auf, wie z.B. leichte Kratzer, Fingerabdrücke oder Putzschlieren. Um eine einwandfreie Funktion zu gewährleisten, wurde das Produkt gründlich geprüft. Espressif ESP32-S3-BOX-3: Das ultimative Open Source Entwicklungs-Kit für AIoT-Projekte Das ESP32-S3-BOX-3 Entwicklungs-Kit von Espressif Systems ist eine Open Source Schlüsselkomponente in der Welt der AIoT-Entwicklung. Es baut auf dem fortschrittlichen ESP32-S3 AI SoC auf und ist darauf ausgelegt, die Möglichkeiten traditioneller Entwicklungstafeln zu erweitern und zu revolutionieren. Dieses Kit ist ideal für Entwickler, die in der Lage sein möchten, schnell und effizient Prototypen zu erstellen und komplexe AIoT-Systeme zu realisieren. Die ESP32-S3-BOX-3: Von Profi-Ingenieuren bis zu Studenten – die ideale Plattform für innovative Projekte und komplexe AIoT-Systeme System-on-a-Chip (SoC) Merkmale: Kernkomponente: Das Herzstück bildet der ESP32-S3 SoC mit integriertem Wi-Fi und Bluetooth 5 (LE), spezialisiert auf KI-Beschleunigung, was die Entwicklungsarbeit in Bereichen wie intelligente Sprachassistenz und datengesteuerte Anwendungen ermöglicht. Speicherkapazitäten: Ausgestattet mit 512KB SRAM und erweitertem Speicher durch 16MB Quad-Flash sowie 16MB Octal-PSRAM, bietet dieses Kit genügend Kapazität für anspruchsvolle Anwendungen und umfangreiche Datensammlungen. Interaktionsmöglichkeiten und Schnittstellen: Benutzeroberfläche: Ein 2,4-Zoll SPI Touchscreen bietet eine interaktive Schnittstelle für Anwendungssteuerungen und Visualisierungen. Sprachverarbeitung: Mit zwei digitalen Mikrofonen und der leistungsfähigen ESP-SR Spracherkennungssoftware unterstützt das Kit sowohl Offline- als auch Online-KI-Sprachassistenz, die durch Erkennung von über 200 anpassbaren Befehlswörtern und Fernfeld-Sprachinteraktion eine reichhaltige Interaktionsmöglichkeit bietet. Konfigurierbarkeit und Erweiterbarkeit: Erweiterungsanschlüsse: Ein PCIe-Anschluss ermöglicht umfangreiche Hardwareerweiterungen und kundenspezifische Anpassungen. Vielseitige Anschlussmöglichkeiten: Neben USB-Typ-C bietet das Kit Anschlüsse für weitere Peripheriegeräte und Module, die die Bandbreite der Entwicklungen erhöhen. Entwicklung und Programmierung: Firmware und Software: Durch die vollständig offene Quellenpolitik von Espressif sind sämtliche Entwicklungsressourcen frei zugänglich, unterstützt durch ESP-SR, ESP RainMaker und Matter, um eine vielseitige Anwendungsentwicklung zu ermöglichen. Tools für Entwickler: Das Kit kommt mit einer umfassenden Dokumentation und Beispielen, die einen schnellen Einstieg und Fortschritt ermöglichen. Die LVGL Grafikbibliothek und die SquareLine Studio Schnittstelle erleichtern das Entwerfen von GUIs und die ESP Insights Dashboard bietet Überwachungs- und Debugging-Tools an. Anwendungsgebiete: Industrielle IoT-Lösungen: Das Kit eignet sich besonders für den Einsatz in der IIoT-Industrie, um Prozesse im Rahmen der Industrie 4.0 zu optimieren. Es ermöglicht die Entwicklung von Edge-AI-Anwendungen und die Integration in bestehende industrielle Systeme. Bildungs- und Forschungsprojekte: Aufgrund seiner flexiblen Programmierbarkeit und der umfangreichen Entwicklungsunterstützung eignet sich das ESP32-S3-BOX-3 auch hervorragend für akademische Projekte und Bildungszwecke in Hochschulen und Forschungseinrichtungen. 5 Projektideen für Deine ESP32 S3 Box Lokaler Voice Assistant: Entwickeln Sie einen eigenen sprachgesteuerten Assistenten, der lokal betrieben wird und die Privatsphäre besser schützt als kommerzielle Cloud-basierte Lösungen. Lokaler AI LLM (Large Language Model): Implementieren Sie ein eigenes, lokal gehostetes Großes Sprachmodell, das für spezifische Aufgaben wie Textanalyse, automatische Übersetzung oder als Lehrassistent fungieren kann. Lokale Smart Home Steuereinheit: Bauen Sie eine zentrale Steuereinheit, die unabhängig von externen Diensten Ihre Smart Home-Geräte kontrolliert und automatisiert. Persönliches Gesundheitsüberwachungssystem: Entwickeln Sie ein System, das Gesundheitsdaten wie Herzrate, Schlafmuster und Aktivitätslevel erfasst und analysiert, um personalisierte Gesundheitsempfehlungen zu bieten. Steuereinheit für lokales Sicherheitssystem: Erstellen Sie eine zentrale Steuereinheit für ein umfassendes lokales Sicherheitssystem, das mit diversen Sensoren und Überwachungskameras ausgestattet ist, um eine zuverlässige Überwachung und Kontrolle Ihres Zuhauses zu ermöglichen. Merkmale im Überblick KI-Beschleunigung und umfassende Entwicklungstools Ausgestattet mit 2,4-Zoll SPI Touchscreen und USB-Typ-C-Port Unterstützt Offline- und Online-Sprachassistenz durch ESP-SR und erweiterte AIGC-Plattformen Basiert auf ESP32-S3 Wi-Fi + Bluetooth 5 (LE) SoC Technische Daten Wi-Fi + Bluetooth 5 (LE) SoC mit KI-Beschleunigung 512KB SRAM 16MB Quad Flash und 16MB Octal PSRAM Sonstige Daten Vollständige Open-Source-Entwicklung Unterstützung für ESP RainMaker und Matter für IoT-Entwicklung kann in einen Online-KI-Chatbot umgewandelt werden, indem fortschrittliche AIGC-Entwicklungsplattformen wie OpenAI verwendet werden Lieferumfang 1x ESP32-S3-BOX-3 Entwicklungs-Kit

Hinweis zur B-Ware Dieses Produkt ist ein Versandrückläufer, bei dem die Originalverpackung bereits geöffnet wurde. Die Verpackung kann leicht beschädigt sein oder fehlen. Einzelne kleine Zubehörteile wie ein USB-Ladekabel oder optionales Zubehör, das nicht für den grundlegenden Betrieb des Produkts benötigt wird, können fehlen. Das Produkt selbst weist keine oder minimale Gebrauchsspuren auf, wie z.B. leichte Kratzer, Fingerabdrücke oder Putzschlieren. Um eine einwandfreie Funktion zu gewährleisten, wurde das Produkt gründlich geprüft. Das SparkFun QuickLogic Thing Plus EOS™ S3 ist ein System mit kleinem Formfaktor, das sich ideal für die nächste Generation von stromsparenden Machine Learning (ML) Geräten eignet. Das QuickLogic Thing Plus wird von QuickLogics EOS S3 angetrieben, der ersten eFPGA-fähigen Arm Cortex©-M4F MCU, die vollständig von Zephyr RTOS und FreeRTOS unterstützt wird. Im Gegensatz zu anderen Entwicklungsboards, die auf proprietärer Hardware und Software-Tools basieren, basiert das QuickLogic Things Plus auf 100% Open-Source-Hardware, ist kompatibel mit dem Feather-Formfaktor und basiert auf 100% Open-Source-Software (mit Unterstützung für FreeRTOS, Zephyr, nMingen, Docker und SymbiFlow). Mit dem integrierten LiPo-Batterieanschluss und der Ladeschaltung, dem PDM-Mikrofon (Wake-on-Sound) und dem Drei-Achsen-Beschleunigungsmesser mit geringem Stromverbrauch ist dieses Thing Plus-Board ideal für Wearable-, Voice- und Gesture-Sensing-Anwendungen. Die starke Firmware-Unterstützung für das Mikrofon und den Beschleunigungssensor macht es einfach, Sensordaten in das eingebettete FPGA zu übertragen. Von dort aus können Sie SensiML, TensorFlow Lite oder andere Tools verwenden, um eingebettete maschinelle Lernalgorithmen speziell für Ihre Anwendung zu trainieren und auszuführen. Das Board verfügt außerdem über einen Qwiic-Anschluss für den schnellen Anschluss an ein Ökosystem von mehr als 150 I2C-kompatiblen Boards wie Sensoren, RFID-Leser, Displays, Tastaturen und Relais. Merkmale: EOS S3 MCU + eFPGA SoC Arm® Cortex®-M4F Mikrocontroller bis zu 80 MHz Betriebsfrequenz bis zu 512 Kb SRAM Eingebettetes FPGA (eFPGA) 2400 effektive Logikzellen 64 Kb RAM Thing Plus Formfaktor Leiterplatten-kompatible 0,1" (2,54 mm) Pitch-Header 2,75" x 0,9" (70 mm x 22,9 mm) Grundfläche Alle 20 von Feather definierten GPIO + 14 zusätzliche GPIO Schnittstellen SWD-Programmieranschluss zur Verwendung mit USB-TTL-Konverter USB-Datensignale sind mit der programmierbaren Logik des eFPGA verbunden UART über I/O-Header verfügbar I2C verfügbar über I/O Header und Qwiic Connector SPI I2S Speicherung 16 Mbit SPI NOR Flash - GigaDevice GD25Q16CEIGR Sensoren 3-Achsen 12-Bit-Beschleunigungsmesser - STMicro LIS2DH12TR Digitales Pulsdichtemodulationsmikrofon (PDM) mit Wake-on-Sound (WoS)-Funktion - Vesper VM3011-U1 Benutzerschnittstellen RGB-LED Benutzerdrucktaste Druckknopf zum Zurücksetzen Stromversorgung USB Typ-C Anschluss (geregelt auf 3,3 V) Einzelliger LiPo-Akku Eingebaute Ladeschaltung - Microchip MCP73831/2 Standard LiPo JST Stecker Software Maschinelles Lernen TensorFlow Lite SensiML Echtzeit-Betriebssysteme Zephyr RTOS FreeRTOS FPGA-Werkzeuge SymbiFlow Renode Dokumente: Einstieg in die QuickLogic Thing Plus Anschlussanleitung Schaltplan Cadence Board File Platinenabmessungen Grafisches Datenblatt Anschlussanleitung QuickLogic EOS E3 Datenblatt Technisches Referenzhandbuch Whitepaper Software Maschinelles Lernen TensorFlow Lite SensiML Echtzeit-Betriebssysteme Zephry RTOS (QuickLogic Fork) QORC SDK mit FreeRTOS FPGA-Werkzeuge SymbiFlow Qwiic Informationsseite GitHub Hardware Repo