This collection features the best of Elektor Magazine's articles on embedded systems and artificial intelligence. From hands-on programming guides to innovative AI experiments, these pieces offer valuable insights and practical knowledge for engineers, developers, and enthusiasts exploring the evolving intersection of hardware design, software innovation, and intelligent technology. Contents Programming PICs from the Ground UpAssembler routine to output a sine wave Object-Oriented ProgrammingA Short Primer Using C++ Programming an FPGA Tracking Down Microcontroller Buffer Overflows with 0xDEADBEEF Too Quick to Code and Too Slow to Test? Understanding the Neurons in Neural NetworksEmbedded Neurons MAUI Programming for PC, Tablet, and SmartphoneThe New Framework in Theory and Practice USB Killer DetectorBetter Safe Than Sorry Understanding the Neurons in Neural NetworksArtificial Neurons A Bare-Metal Programming Guide Part 1: For STM32 and Other Controllers Part 2: Accurate Timing, the UART, and Debugging Part 3: CMSIS Headers, Automatic Testing, and a Web Server Introduction to TinyMLBig Is Not Always Better Microprocessors for Embedded SystemsPeculiar Parts, the Series FPGAs for BeginnersThe Path From MCU to FPGA Programming AI in Electronics DevelopmentAn Update After Only One Year AI in the Electronics LabGoogle Bard and Flux Copilot Put to the Test ESP32 and ChatGPTOn the Way to a Self-Programming System… Audio DSP FX Processor Board Part 1: Features and Design Part 2: Creating Applications Rust + EmbeddedA Development Power Duo A Smart Object CounterImage Recognition Made Easy with Edge Impulse Universal Garden LoggerA Step Towards AI Gardening A VHDL ClockMade with ChatGPT TensorFlow Lite on Small MicrocontrollersA (Very) Beginner’s Point of View Mosquito DetectionUsing Open Datasets and Arduino Nicla Vision Artificial Intelligence Timeline Intro to AI AlgorithmsPrompt: Which Algorithms Implement Each AI Tool? Bringing AI to the Edgewith ESP32-P4 The Growing Role of Edge AIA Trend Shaping the Future

Lees meer minder

Seeed Studio XIAO ESP32S3 Sense integrates a camera sensor, digital microphone, and SD card support. Combining embedded ML computing power and photography capability, this development board can be your great tool to get started with intelligent voice and vision AI. Seeed Studio XIAO ESP32S3 Sense is built around a highly-integrated, Xtensa processor ESP32-S3R8 SoC, which supports 2.4 GHz WiFi and low-power Bluetooth BLE 5.0 dual-mode for multiple wireless applications. It has lithium battery charge management capability. As the advanced version of Seeed Studio XIAO ESP32S3, this board comes with a plug-in OV2640 camera sensor for displaying full 1600x1200 resolution. The base of it is even compatible with OV5640 for supporting up to 2592x1944 resolution. The digital microphone is also carried with the board for voice sensing and audio recognition. SenseCraft AI provides various pre-trained Artificial Intelligence (AI) models and no-code deployment to XIAO ESP32S3 Sense. With powerful SoC and built-in sensors, this development board has 8 MB PSRAM and 8 MB Flash on the chip, an additional SD card slot for supporting up to 32 GB FAT memory. These allow the board for more programming space and bring even more possibilities into embedded ML scenarios. Features Powerful MCU Board: Incorporate the ESP32S3 32-bit, dual-core, Xtensa processor chip operating up to 240 MHz, mounted multiple development ports, Arduino/MicroPython supported Advanced Functionality: with OV5640 camera sensor, integrating additional digital microphone Great Memory for more Possibilities: Offer 8 MB PSRAM and 8 MB Flash, supporting SD card slot for external 32 GB FAT memory Outstanding RF performance: Support 2.4 GHz Wi-Fi and BLE dual wireless communication, support 100m+ remote communication when connected with U.FL antenna Thumb-sized Compact Design: 21 x 17.5 mm, adopting the classic form factor of XIAO, suitable for space-limited projects like wearable devices Pretrained Al model from SenseCraft Al for no-code deployment Applications Image processing Speech Recognition Video Monitoring Wearable devices Smart Homes Health monitoring Education Low-Power (LP) networking Rapid prototyping Specifications Processor ESP32-S3R8 Xtensa LX7 dual-core, 32-bit processor that operates at up to 240 MHz Wireless Complete 2.4 GHz Wi-Fi subsystem BLE: Bluetooth 5.0, Bluetooth mesh Built-in Sensors oV2640 camera sensor for 1600x1200 Digital Microphone Memory On-chip 8 MB PSRAM & 8 MB Flash Onboard SD Card Slot, supporting 32 GB FAT lnterface 1x UART, 1x I²C, 1x I²S, 1x SPI, 11x GPIOs (PWM), 9x ADC, 1x User LED, 1x Charge LED, 1x B2B Connector (with 2 additional GPIOs) 1x Reset button, 1x Boot button Dimensions 21 x 17.5 x 15 mm (with expansion board) Power Input voltage (Type-C): 5 V lnput voltage (BAT): 4.2 V Circuit operating Voltage (ready to operate): - Type-C: 5 V @ 38.3 mA - BAT: 3.8 V @ 43.2 mA (with expansion board) Webcam Web application: Type-C: - Average power consumption: 5 V/138 mA - Photo moment: 5 V/341 mA Battery: - Average power consumption: 3.8 V/154 mA - Photo moment: 3.8 V/304 mA Microphone recording & SD card writing: Type-C: - Average power consumption: 5 V/46.5 mA - Peak power consumption: 5 V/89.6 mA Battery: - Average power consumption: 3.8 V/54.4 mA - Peak power consumption: 3.8 V/108 mA Charging battery current: 100 mA Low Power Consumption Model (Supply Power: 3.8 V) Modem Sleep Model: ~44 mA Light Sleep Model: ~5 mA Deep Sleep Model: ~3 mA Wi-Fi Enabled Power Consumption Active Model: ~ 110 mA (with expansion board) BLE Enabled Power Consumption Active Model: ~ 102 mA (with expansion board) Included 1x XIAO ESP32S3 1x Plug-in camera sensor board 1x Antenna Downloads GitHub

Lees meer minder

Features Dual-Core 64-bit RISC-V RV64IMAFDC (RV64GC) CPU / 400Mhz(Normal) Dual Independent Double Precision FPU 8MiB 64bit width On-Chip SRAM Neural Network Processor(KPU) / 0.8Tops Field-Programmable IO Array (FPIOA) AES, SHA256 Accelerator Direct Memory Access Controller (DMAC) Micropython Support Firmware encryption support On-board Hardware: Flash: 16M Camera :OV7740 2x Buttons Status Indicator LED External storage: TF card/Micro SD Interface: HY2.0/compatible GROVE Applications Face recognition/detection Object detection/classification Obtain the size and coordinates of the target in real-time Obtain the type of detected target in real-time Shape recognition Video recorder Included 1x UNIT-V(include 20cm 4P cable and USB-C cable)

Lees meer minder

De SparkFun JetBot AI Kit V2.1 is een geweldige basis voor het maken van nieuwe AI projecten voor iedereen die geïnteresseerd is in het leren van AI en het bouwen van leuke applicaties. Het is eenvoudig op te zetten en te gebruiken en is compatibel met veel populaire accessoires. Interactieve tutorials laten je zien hoe je de kracht van AI kunt gebruiken om de SparkFun JetBot te leren objecten te volgen, botsingen te vermijden, en meer. De Jetson Nano Developer Kit (niet inbegrepen in deze kit) biedt handige tools zoals de Jetson GPIO Python bibliotheek en is geschikt voor standaard sensoren en randapparatuur; inclusief een aantal nieuwe uit het SparkFun Qwiic Ecosystem. Daarnaast wordt de meegeleverde image voorzien van de geavanceerde functionaliteit van JetBot ROS (Robot Operating System) en AWS RoboMaker Ready met AWS IoT Greengrass al geïnstalleerd. SparkFun's JetBot AI Kit is de enige kit die momenteel op de markt is die verder gaat dan de standaard JetBot voorbeelden en in de wereld van connected, intelligente robotica te stappen. De kit bevat alles wat je nodig hebt om met JetBot aan de slag te gaan, behalve een kruiskopschroevendraaier en een Ubuntu desktop GUI. Houd er wel rekening mee dat de mogelijkheid om meerdere neurale netwerken parallel te laten werken alleen mogelijk is met een volledige 5V-4A power supply. Features SparkFun Qwiic ecosystem for I2C communication Het ecosystem kan uitgebreid worden met 4x Qwiic connectors Voorbeeld-applicaties voor Basic Motion, Teleoperation, Collision avoidance, & Object Following Compacte uitvoering om bestaand neuraal netwerk van NVIDIA te optimaliseren 136° FOV camera for machine vision Pre-flashed MicroSD card Chassis biedt mogelijkheden tot uitbreiden Inclusief 64GB MicroSD card - pre-flashed SparkFun JetBot image: Nvidia Jetbot base image met geïnstalleerd: SparkFun Qwiic Python library package Driver for Edimax WiFi adapter Greengrass Jetbot ROS Leopard Imaging 136FOV wide-angle camera & ribbon cable EDIMAX WiFi Adapter SparkFun Qwiic Motor Driver SparkFun Micro OLED Breakout (Qwiic) Alle hardware & prototyping elektronica die nodig is om uw volledig functionele robot te voltooien! Benodigd NVIDIA Jetson Nano Developer Kit Hier kunt u de door SparkFun verstrekte montagehandleiding vinden!

Lees meer minder

LuckFox Pico Mini is een compact Linux-micro-ontwikkelbord gebaseerd op de Rockchip RV1103-chip en biedt een eenvoudig en efficiënt ontwikkelingsplatform voor ontwikkelaars. Het ondersteunt een verscheidenheid aan interfaces, waaronder MIPI CSI, GPIO, UART, SPI, I²C, USB, enz., wat handig is voor snelle ontwikkeling en foutopsporing. Kenmerken Single-core ARM Cortex-A7 32-bit kern met geïntegreerde NEON en FPU Ingebouwde, door Rockchip zelf ontwikkelde NPU van de 4e generatie, beschikt over een hoge computerprecisie en ondersteunt int, int8 en int16 hybride kwantisering. De rekenkracht van int8 is 0,5 TOPS, en tot 1,0 TOPS met int4 Ingebouwde, zelfontwikkelde ISP3.2 van de derde generatie, ondersteunt 4-megapixel, met meerdere beeldverbeterings- en correctie-algoritmen zoals HDR, WDR, ruisonderdrukking op meerdere niveaus, enz. Beschikt over krachtige coderingsprestaties, ondersteunt intelligente coderingsmodus en adaptieve streambesparing afhankelijk van de scène, bespaart meer dan 50% bitsnelheid van de conventionele CBR-modus, zodat de beelden van de camera high-definition zijn met een kleiner formaat, dubbele opslag spatie Ingebouwde RISC-V MCU ondersteunt een laag stroomverbruik en snel opstarten, ondersteunt 250 ms snelle beeldopname en laden van de AI-modelbibliotheek tegelijkertijd om gezichtsherkenning "in één seconde" te realiseren Ingebouwde 16-bit DRAM DDR2, die veeleisende geheugenbandbreedtes kan ondersteunen Geïntegreerd met ingebouwde POR, audiocodec en MAC PHY Specificaties Processor ARM Cortex-A7, single-core 32-bit CPU, 1,2 GHz, met NEON en FPU NPU Rockchip 4e generatie NPU, ondersteunt int4, int8, int16; tot 1,0 TOPS (int4) ISP Derde generatie ISP3.2, invoer tot 4 MP bij 30 fps, HDR, WDR, ruisonderdrukking RAM 64 MB DDR2 Geheugen 128 MB SPI NAND-flash USB USB 2.0-host/apparaat via Type-C Camera-interface MIPI CSI 2-baans GPIO-pinnen 17 GPIO-pinnen Stroomverbruik Laag stroomverbruik, RISC-V MCU voor snel opstarten Afmetingen 28 x 21 mm Downloads Wiki

Lees meer minder

De LuckFox Pico Ultra is een compacte single-board computer (SBC) die wordt aangestuurd door de Rockchip RV1106G3-chipset, ontworpen voor AI-verwerking, multimedia en low-power embedded-toepassingen. Hij is uitgerust met een ingebouwde 1 TOPS NPU, waardoor hij ideaal is voor edge AI-werklasten. Met 256 MB RAM, 8 GB onboard eMMC-opslag, geïntegreerde wifi en ondersteuning voor de LuckFox PoE-module levert het bord zowel prestaties als veelzijdigheid in een breed scala aan use cases. De LuckFox Pico Ultra draait op Linux en ondersteunt verschillende interfaces, waaronder MIPI CSI, RGB LCD, GPIO, UART, SPI, I²C en USB. Dit biedt een eenvoudig en efficiënt ontwikkelplatform voor toepassingen in smart home, industriële besturing en IoT. Specificaties Chip Rockchip RV1106G3 Processor Cortex A7 1,2 GHz Neurale netwerkprocessor (NPU) 1 TOPS, ondersteunt int4, int8, int16 Beeldprocessor (ISP) Max. invoer 5M @30fps Geheugen 256 MB DDR3L WiFi + Bluetooth 2,4GHz WiFi-6 Bluetooth 5.2/BLE Camera-interface MIPI CSI 2-lane DPI-interface RGB666 PoE-interface IEEE 802.3af PoE Luidsprekerinterface MX1,25 mm USB USB 2.0-host/apparaat GPIO 30 GPIO pinnen Ethernet 10/100M Ethernet-controller en ingebedde PHY Standaardopslagmedium eMMC (8 GB) Inbegrepen 1x LuckFox Pico Ultra W 1x LuckFox PoE module 1x IPX 2.4G 2 db-antenne 1x USB-A naar USB-C kabel 1x Schroevenpakket Downloads Wiki

Lees meer minder

De reComputer J3010 is een compact en krachtig edge AI-apparaat, aangedreven door de NVIDIA Jetson Orin Nano, en levert indrukwekkende 20 TOPS AI-prestaties – tot 40 keer sneller dan de Jetson Nano. Het is vooraf geïnstalleerd met Jetpack 5.1.1 en beschikt over een SSD van 128 GB, 4x USB 3.2-poorten, HDMI, Gigabit Ethernet en een veelzijdig draagbord met M.2 Key E voor WiFi, M.2 Key M voor SSD, RTC, CAN en een 40-pins GPIO-header. Toepassingen AI-videoanalyse Machinevisie Robotica Specificaties Jetson Orin Nano System-on-Module AI-prestaties reComputer J3010, Orin Nano 4 GB (20 TOPS) GPU GPU met 512 core NVIDIA Ampere-architectuur en 16 Tensor-cores (Orin Nano 4 GB) CPU 6-core Arm Cortex-A78AE v8.2 64-bit CPU 1,5 MB L2 + 4 MB L3 Geheugen 4 GB 64-bit LPDDR5 34 GB/s (Orin Nano 4 GB) Video-encoder 1080p30 ondersteund door 1-2 CPU cores Videodecoder 1x 4K60 (H.265) | 2x 4K30 (H.265) | 5x 1080p60 (H.265) | 11x 1080p30 (H.265) Carrier Board Opslag M.2 Key M PCIe (M.2 NVMe 2280 SSD 128 GB inbegrepen) Netwerk Ethernet 1x RJ-45 Gigabit Ethernet (10/100/1000M) M.2 Key E 1x M.2 Key E (vooraf geïnstalleerde 1x Wi-Fi/Bluetooth combo-module) I/O USB 4x USB 3.2 Type-A (10 Gbps)1x USB 2.0 Type-C (Apparaatmodus) CSI-camera 2x CSI (2-baans 15-pins) Display 1x HDMI 2.1 Ventilator 1x 4-pins ventilatorconnector (5 V PWM) CAN 1x CAN Multifunctionele poort 1x 40-pins uitbreidingsheader 1x 12-pins besturing en UART-header RTC RTC 2-pins, ondersteunt CR1220 (niet meegeleverd) Voeding 9-19 V DC Mechanisch Afmetingen 130 x 120 x 58,5 mm (met behuizing) Installatie Bureaublad, wandmontage Bedrijfstemperatuur −10°C~60°C Inbegrepen 1x reComputer J3010 (systeem geïnstalleerd) 1x Voedingsadapter (12 V / 5 A) Downloads reComputer J301x Datasheet NVIDIA Jetson Devices and carrier boards comparisions reComputer J401 schematic design file reComputer J3010 3D file

Lees meer minder

De starterkit voor Jetson Nano is een van de beste kits voor beginners om aan de slag te gaan met Jetson Nano. Deze kit bevat een MicroSD-kaart van 32 GB, een adapter van 20 W, een 2-pins jumper, een camera en een micro-USB-kabel. Kenmerken 32 GB krachtige MicroSD-kaart 5 V/4 A voeding met 2,1 mm DC-cilinderconnector 2-pins jumper Raspberry Pi-cameramodule V2 Micro-B naar Type-A USB-kabel met DATA ingeschakeld

Lees meer minder

De reComputer J1020 v2 is een compact edge AI-apparaat, aangedreven door de NVIDIA Jetson Nano 4 GB, en levert 0,5 TFLOP's aan AI-prestaties. Het beschikt over een robuuste aluminium behuizing met een passief koellichaam en wordt vooraf geïnstalleerd met JetPack 4.6.1. Het apparaat bevat 16 GB ingebouwde eMMC-opslag en biedt 2x SCI, 4x USB 3.0, M.2 Key M, HDMI en DP. Toepassingen Computervisie Machineleren Autonome mobiele robot (AMR) Specificaties Jetson Nano 4 GB System-on-Module AI-prestaties Jetson Nano 4 GB (0,5 TOPS) GPU NVIDIA Maxwel-architectuur met 128 NVIDIA CUDA cores CPU Quad-core ARM Cortex-A57 MPCore-processor Geheugen 4 GB 64-bit LPDDR4 25,6 GB/s Video-encoder 1x 4K30 | 2x 1080p60 | 4x 1080p30 | 4x 720p60 | 9x 720p30 (H.265 en H.264) Videodecoder 1x 4K60 | 2x 4K30 | 4x 1080p60 | 8x 1080p30 | 9x 720p60 (H.265 en H.264) Carrier Board Opslag 1x M.2 Key M PCIe Netwerk Ethernet 1x RJ-45 Gigabit Ethernet (10/100/1000M) I/O USB 4x USB 3.0 Type-A1x Micro-USB-poort voor apparaatmodus CSI-camera 2x CSI (2-baans 15-pins) Display 1x HDMI Type A; 1x DP Ventilator 1x 4-pins ventilatorconnector (5 V PWM) CAN 1x CAN Multifunctionele poort 1x 40-pins uitbreidingsheader 1x 12-pins besturing en UART-header Voeding DC 12 V/2 A Mechanisch Afmetingen 130 x 120 x 50 mm (met behuizing) Installatie Desktop, wandmontage Bedrijfstemperatuur −10°C~60°C Inbegrepen reComputer J1020 v2 (systeem geïnstalleerd) 12 V/2 A voedingsadapter (met 5 verwisselbare adapterstekkers) Downloads reComputer J1020 v2 datasheet reComputer J1020 v2 3D file Seeed NVIDIA Jetson Product Catalog NVIDIA Jetson Device and Carrier Boards Comparison

Lees meer minder