La caméra Raspberry Pi AI est un module de caméra compact basé sur le capteur de vision intelligent Sony IMX500. L'IMX500 combine un capteur d'image CMOS de 12 MP avec une accélération d'inférence intégrée pour divers modèles de réseaux neuronaux courants, ce qui permet aux utilisateurs de développer des applications d'IA sophistiquées basées sur la vision sans nécessiter d'accélérateur séparé. La caméra AI améliore les images fixes ou vidéo capturées avec des métadonnées tensorielles, tout en laissant le processeur du Raspberry Pi libre pour d'autres tâches. La prise en charge des métadonnées tensorielles dans les bibliothèques libcamera et Picamera2, ainsi que dans la suite d'applications rpicam-apps, garantit la facilité d'utilisation pour les débutants tout en offrant une puissance et une flexibilité inégalées pour les utilisateurs avancés. La caméra Raspberry Pi AI est compatible avec tous les modèles de Raspberry Pi. Caractéristiques Capteur de vision intelligent Sony IMX500 12 MP Modes du capteur : 4056 x 3040 (@ 10fps), 2028 x 1520 (@ 30fps) Taille des cellules de 1,55 x 1,55 µm Champ de vision de 78° avec mise au point réglable manuellement RP2040 intégré pour la gestion du réseau neuronal et du micrologiciel Spécifications Capteur Sony IMX500 Résolution 12,3 MP (4 056 x 3 040 pixels) Taille du capteur 7,857 mm (type 1/2,3) Taille des pixels 1,55 x 1,55 μm Filtre anti-IR Intégré Autofocus Mise au point réglable manuellement Plage de mise au point 20 cm – ∞ Longueur focale 4,74 mm Champ de vue horizontal 66 ±3° Champ de vue vertical 52,3 ±3° Rapport focal (F-stop) F1.79 Sortie Image (Bayer RAW10), sortie FAI (YUV/RGB), ROI, métadonnées Taille maximale du tenseur d'entrée 640 x 640 (H x V) Taux de rafraîchissement • 2 x 2 regroupés : 2028 x 1520 10 bits, 30 ips• Pleine résolution : 4056 x 3040, 10 bits, 10 ips Longueur du câble ruban 20 cm Connecteur de câble 15 x 1 mm FPC ou 22 x 0,5 mm FPC Dimensions 25 x 24 x 11,9 mm Téléchargements Datasheet Documentation

Lis Plus Moins

L'unité ESP32-S3-BOX-3 est basée sur le module SoC (System on Chip) Espressif ESP32-S3 Wi-Fi + Bluetooth 5 (LE Low Energy), doté de capacités d'accélération en Intelligence Artificielle (IA). En plus de la mémoire de 512 kO SRAM de l'ESP32-S3, l'ESP32-S3-BOX-3 est doté d'une mémoire Quad flash de 16 Mo ainsi que 16 Mo de mémoire PSRAM Octal. L'ESP32-S3-BOX-3 utilise la plateforme de reconnaissance vocale ESP-SR d'Espressif qui offre aux utilisateurs un assistant vocal IA autonome comprenant la reconnaissance vocale en milieu bruité ou à distance, la reconnaissance permanente, des interruptions d'activation, et la possibilité de reconnaissance personnalisable de plus de 200 mots et commandes. BOX-3 peut également se transformer en un chatbot intelligent (robot vocal) en ligne, utilisant les plateformes de développement AIGC  (Artificial Intelligence-Generated Content, IA permettant la génération automatisée de contenus), telle que l'OpenAI. Bénéficiant de la puissance élevée du module ESP32-S3, BOX-3 offre aux développeurs une solution clés en main permettant de créer des solutions d'IA et d'IHM (Interface Homme Machine) de pointe. Les caractéristiques avancées et les capacités offertes par BOX-3, en font un choix idéal pour les acteurs de l'industrie des objets connectés (IoT) qui souhaitent entamer la quatrième révolution industrielle (Industry 4.0) et transformer les méthodes industrielles conventionnelles. L'ESP32-S3-BOX-3 est l'unité principale, bénéficiant de la puissance du module ESP32-S3-WROOM-1, doté des capacités de communication sans fil Wi-Fi 2,4 GHz et Bluetooth 5 (LE), ainsi que l'accélération de l'IA. En plus de la mémoire SRAM de 512 ko intégrés de l'ESP32-S3, la carte est équipée d'une mémoire Quad flash de 16 Mo et de 16 Mo de mémoire PSRAM Octal. La carte est équipée d'un écran tactile SPI de 2,4 pouces de résolution 320x240 (le cercle rouge supporte la fonction tactile), de deux microphones numériques, d'un haut-parleur, d'un gyroscope 3 axes, d'un accéléromètre 3 axes, d'un port USB-C pour l'alimentation, le téléversement et le débogage, d'un connecteur PCIe haute densité permettant des extensions matérielles, ainsi que d'un ensemble de trois boutons de commandes. Caractéristiques ESP32-S3 WiFi + Bluetooth 5 (LE) SRAM 512 Ko intégrée ESP32-S3-WROOM-1 Mémoire Quad flash 16 Mo intégrée Mémoire PSRAM Octal 16 Mo Inclus Unité ESP32-S3-BOX-3 Capteurs ESP32-S3-BOX-3 Station d'accueil ESP32-S3-BOX-3 Adaptateur de connexions externes de l'ESP32-S3-BOX-3 Adaptateur pour carte de prototypage de l' ESP32-S3-BOX-3 Module LED RGB et fils de connexions Câble USB-C Téléchargements GitHub

Lis Plus Moins

Le Raspberry Pi AI HAT+ est une carte d'extension conçue pour le Raspberry Pi 5, dotée d'un accélérateur Hailo AI intégré. Ce module complémentaire offre une approche rentable, efficace et accessible pour intégrer des capacités d'IA hautes performances, avec des applications couvrant le contrôle des processus, la sécurité, la domotique et la robotique. Disponible dans des modèles offrant 13 ou 26 téra-opérations par seconde (TOPS), l'AI HAT+ est basé sur les accélérateurs de réseaux neuronaux Hailo-8L et Hailo-8. Le 13 modèle TOPS prend en charge efficacement les réseaux de neurones pour des tâches telles que la détection d'objets, l'analyse sémantique et la segmentation des instances, l'estimation de la pose, et bien plus encore. Cette variante 26 TOPS s'adapte à des réseaux plus grands, permet un traitement plus rapide et est optimisée pour exécuter plusieurs réseaux simultanément. L'AI HAT+ se connecte via l'interface PCIe Gen3 du Raspberry Pi 5. Lorsque le Raspberry Pi 5 exécute une version actuelle du système d'exploitation Raspberry Pi, il détecte automatiquement l'accélérateur Hailo intégré, rendant l'unité de traitement neuronal (NPU) disponible pour les tâches d'IA. De plus, les applications de caméra rpicam-apps incluses dans Raspberry Pi OS prennent en charge de manière transparente le module AI, en utilisant automatiquement le NPU pour les fonctions de post-traitement compatibles. Inclus Raspberry Pi AI HAT+ (26 TOPS) Kit de matériel de montage (entretoises, vis) Embase d'empilage GPIO 16 mm Télechargements Datasheet

Lis Plus Moins

BeagleY-AI est un ordinateur monocarte quad-core 64 bits puissant, open source et peu coûteux, équipé d'un GPU, d'un DSP et d'accélérateurs de vision/apprentissage profond, conçu pour les développeurs et les makers. Les utilisateurs peuvent profiter des images logicielles Debian Linux fournies par BeagleBoard.org, qui incluent un environnement de développement intégré. Cela permet l'exécution transparente des applications d'IA sur un coprocesseur 4 TOPS dédié, tout en gérant simultanément les tâches d'E/S en temps réel avec un microcontrôleur de 800 MHz. BeagleY-AI est conçu pour répondre aux besoins des développeurs professionnels et des environnements éducatifs. Il est abordable, facile à utiliser et open source, éliminant ainsi les obstacles à l’innovation. Les développeurs peuvent explorer des leçons approfondies ou pousser les applications pratiques jusqu'à leurs limites sans restriction. Spécifications Processeur TI AM67 avec Arm Cortex-A53 quadricœur 64 bits, GPU, DSP, et accélérateurs de vision/deep learning RAM 4 Go LPDDR4 Wi-Fi Module BeagleBoard BM3301 basé sur TI CC3301 (Wi-Fi 802.11ax) Bluetooth Bluetooth basse consommation 5.4 (BLE) USB • 4x USB-A 3.0 prenant en charge un fonctionnement simultané à 5 Gbit/s • 1x USB-C 2.0 compatible avec les périphériques USB 2.0 Ethernet Gigabit Ethernet, avec prise en charge PoE+ (nécessite un HAT PoE+ séparé) Caméra/Écran 1x caméra/émetteur-récepteur d'affichage MIPI à 4 voies, 1x caméra MIPI à 4 voies Afficher la sortie 1x écran HDMI, 1x écran OLDI Horloge en temps réel (RTC) Prend en charge une pile bouton externe pour conserver le temps de panne de courant. Il n'est renseigné que sur les échantillons EVT. Déboguer l'UART 1x UART de débogage à 3 broches Alimentation Alimentation CC 5 V/5 A via USB-C, avec prise en charge Power Delivery Bouton d'alimentation On/Off inclus Interface PCIe Interface PCI-Express Gen3 x1 pour périphériques rapides (nécessite un HAT M.2 séparé ou un autre adaptateur) Connecteur d'extension Connecteur à 40 broches Connecteur de ventilateur 1 connecteur de ventilateur à 4 broches, prend en charge le contrôle de vitesse PWM et la mesure de la vitesse Stockage Emplacement pour carte microSD, avec prise en charge du mode SDR104 haut débit Tag Connecter 1x JTAG, 1x Tag Connect pour la programmation PMIC NVM Téléchargements Pinout Documentation Quick start Software

Lis Plus Moins

Seeed Studio XIAO ESP32S3 Sense intègre un capteur de caméra, un microphone numérique et une prise en charge de la carte SD. Combinant la puissance de calcul ML intégrée et les capacités de photographie, cette carte de développement peut être votre excellent outil pour vous lancer dans l'IA intelligente en matière de voix et de vision. Seeed Studio XIAO ESP32S3 Sense est construit autour d'un système hautement intégré, Il dispose d’une capacité de gestion de charge de batterie au lithium. En tant que version avancée de Seeed Studio XIAO ESP32S3, cette carte est livrée avec un capteur de caméra OV2640 enfichable pour afficher une résolution complète de 1 600 x 1 200. La base est même compatible avec l'OV5640 pour prendre en charge une résolution jusqu'à 2592x1944. Le microphone numérique est également fourni avec la carte pour la détection vocale et la reconnaissance audio. SenseCraft AI fournit divers modèles d'intelligence artificielle (IA) pré-entraînés et un déploiement sans code sur XIAO ESP32S3 Sense. Avec un SoC puissant et des capteurs intégrés, cette carte de développement dispose de 8 Mo de PSRAM et de 8 Mo de Flash sur la puce, ainsi que d'un emplacement pour carte SD supplémentaire pour prendre en charge jusqu'à 32 Go de mémoire FAT. Ceux-ci permettent à la carte de disposer de plus d'espace de programmation et apportent encore plus de possibilités dans les scénarios de ML embarqués. Caractéristiques Carte MCU puissante : intègre la puce de processeur Xtensa double cœur ESP32S3 32 bits fonctionnant jusqu'à 240 MHz, plusieurs ports de développement montés, prise en charge Arduino/MicroPython Fonctionnalité avancée : avec capteur de caméra OV5640, intégrant un microphone numérique supplémentaire Excellente mémoire pour plus de possibilités : offre 8 Mo de PSRAM et 8 Mo de Flash, prenant en charge un emplacement pour carte SD pour une mémoire FAT externe de 32 Go Performances RF exceptionnelles : prend en charge la double communication sans fil Wi-Fi 2,4 GHz et BLE, prend en charge plus de 100 m de communication à distance lorsqu'elle est connectée à une antenne U.FL Conception compacte de la taille d'un pouce : 21 x 17,5 mm, adoptant le facteur de forme classique de XIAO, adapté aux projets à espace limité comme les appareils portables Modèle Al pré-entraîné de SenseCraft Al pour un déploiement sans code Applications Traitement d'image Reconnaissance de la parole Surveillance vidéo Appareils portables Maisons intelligentes Surveillance de la santé Éducation Réseaux basse consommation (LP) Prototypage rapide Caractéristiques Processeur ESP32-S3R8 Processeur Xtensa LX7 dual-core 32 bits fonctionnant jusqu'à 240 MHz Sans fil Sous-système Wi-Fi 2,4 GHz complet BLE : Bluetooth 5.0, maillage Bluetooth Capteurs intégrés Capteur de caméra oV2640 pour 1600x1200 Microphone numérique Mémoire 8 Mo de PSRAM et 8 Mo de Flash sur puce Emplacement pour carte SD intégré, prenant en charge 32 Go de FAT Interface 1x UART, 1x I²C, 1x I²S, 1x SPI, 11x GPIO (PWM), 9x ADC, 1x LED utilisateur, 1x LED de charge, 1x connecteur B2B (avec 2 GPIO supplémentaires) 1x bouton de réinitialisation, 1x bouton de démarrage Dimensions 21 x 17,5 x 15 mm (avec carte d'extension) Pouvoir Tension d'entrée (Type-C) : 5 V Tension d'entrée (BAT) : 4,2 V Tension de fonctionnement du circuit (prêt à fonctionner) : - Type C : 5 V à 38,3 mA - BAT : 3,8 V à 43,2 mA (avec carte d'extension) Application Web pour webcam : Type-C : - Consommation électrique moyenne : 5 V/138 mA - Moment photo : 5 V/341 mA Batterie: - Consommation électrique moyenne : 3,8 V/154 mA - Moment photo : 3,8 V/304 mA Enregistrement par microphone et écriture sur carte SD : Type-C : - Consommation électrique moyenne : 5 V/46,5 mA - Consommation électrique maximale : 5 V/89,6 mA Batterie: - Consommation électrique moyenne : 3,8 V/54,4 mA - Consommation électrique maximale : 3,8 V/108 mA Courant de charge de la batterie : 100 mA Modèle à faible consommation d'énergie (alimentation : 3,8 V) Modèle de veille du modem : ~44 mA Modèle de veille légère : ~5 mA Modèle de sommeil profond : ~3 mA Consommation d'énergie compatible Wi-Fi Modèle actif : ~110 mA (avec carte d'extension) Consommation d'énergie compatible BLE Modèle actif : ~102 mA (avec carte d'extension) Inclus 1xXIAO ESP32S3 1x carte de capteur de caméra enfichable 1x Antenne Téléchargements GitHub

Lis Plus Moins

Caractéristiques Processeur double cœur RISC-V RV64IMAFDC (RV64GC) 64 bits / 400 MHz (normal) Double FPU indépendant à double précision SRAM sur puce de 8 Mo, 64 bits de largeur Processeur de réseau neuronal (KPU) / 0,8Tops Réseau d'E/S programmable sur site (FPIOA) AES, accélérateur SHA256 Contrôleur d'accès direct à la mémoire (DMAC) Prise en charge des micropythons Prise en charge du cryptage du micrologiciel Matériel embarqué : Flash : 16 M Appareil photo : OV7740 2x Boutons Indicateur d'état LED Stockage externe : carte TF/Micro SD Interface : HY2.0/compatible GROVE Applications Reconnaissance/détection de visage Détection/classification d'objets Obtenez la taille et les coordonnées de la cible en temps réel Obtenez le type de cible détectée en temps réel Reconnaissance de forme Enregistreur vidéo Inclus 1x UNIT-V (comprend un câble 4P de 20 cm et un câble USB-C)

Lis Plus Moins

Avez-vous besoin d'une simple caméra IA pour améliorer vos projets ? La conception intuitive de la caméra HuskyLens AI permet à l'utilisateur de contrôler différents aspects de la caméra en appuyant simplement sur des boutons. Vous pouvez démarrer et arrêter l'apprentissage de nouveaux objets et même changer d'algorithme depuis l'appareil. Pour réduire davantage le besoin de se connecter à un PC, la caméra HuskyLens AI est livrée avec un écran de 2 pouces afin que vous puissiez voir ce qui se passe en temps réel. Caractéristiques Processeur : Kendryte K210 Capteur d'image : OV2640 (appareil photo 2,0 mégapixels) Tension d'alimentation : 3,3 ~ 5,0 V. Consommation électrique (TYP) : 320 mA à 3,3 V, 230 mA à 5,0 V (mode de reconnaissance faciale ; luminosité du rétroéclairage 80 % ; lumière d'appoint éteinte) Interface de connexion : UART, I²C Affichage : écran IPS de 2,0 pouces avec une résolution de 320 x 240 Algorithmes intégrés : reconnaissance de visage, suivi d'objets, reconnaissance d'objets, suivi de lignes, reconnaissance de couleurs, reconnaissance d'étiquettes Dimensions : 52 x 44,5 mm Inclus 1x carte mère HuskyLens 1x vis M3 1x écrous M3 1x petit support de montage 1x support d'élévation 1x câble de capteur de gravité à 4 broches

Lis Plus Moins

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

Lis Plus Moins

Le SparkFun JetBot AI Kit V2.1 constitue une excellente base pour créer de nouveaux projets d'IA pour toute personne intéressée par l'apprentissage de l'IA et la création d'applications amusantes. Il est facile à installer et à utiliser et est compatible avec de nombreux accessoires populaires. Des didacticiels interactifs vous montrent comment utiliser la puissance de l'IA pour apprendre au SparkFun JetBot à suivre des objets, à éviter les collisions, et bien plus encore. Le Jetson Nano Developer Kit (non inclus dans ce kit) offre des outils utiles tels que la bibliothèque Jetson GPIO Python et convient aux capteurs et périphériques standards ; y compris quelques nouveaux de l’écosystème SparkFun Qwiic. De plus, l'image incluse est livrée avec les fonctionnalités avancées de JetBot ROS (Robot Operating System) et AWS RoboMaker Ready avec AWS IoT Greengrass déjà installé. Le kit JetBot AI de SparkFun est le seul kit sur le marché aujourd'hui qui va au-delà des exemples JetBot standard et pénètre dans le monde de la robotique connectée et intelligente. Le kit comprend tout ce dont vous avez besoin pour démarrer avec JetBot, à l'exception d'un tournevis cruciforme et d'une interface graphique de bureau Ubuntu. Veuillez noter que la possibilité de faire fonctionner plusieurs réseaux de neurones en parallèle n'est possible qu'avec une alimentation complète de 5 V-4 A. Caractéristiques Écosystème SparkFun Qwiic pour la communication I2C L'écosystème peut être étendu avec 4x connecteurs Qwiic Exemples d'applications pour le mouvement de base, la téléopération, l'évitement de collision et le suivi d'objets Version compacte pour optimiser le réseau neuronal NVIDIA existant Caméra FOV 136° pour la vision industrielle Carte MicroSD pré-flaschée Le châssis offre des possibilités d'extension Compris Carte MicroSD de 64 Go - image SparkFun JetBot pré-flashétée : Image de base Nvidia Jetbot avec installé : package de bibliothèque SparkFun Qwiic Python Pilote pour l'adaptateur WiFi Edimax L'herbe verte JetbotROS Caméra grand angle et câble ruban Leopard Imaging 136FOV Adaptateur WiFi EDIMAX Pilote de moteur SparkFun Qwiic SparkFun Micro OLED Breakout (Qwiic) Tout le matériel et l'électronique de prototypage nécessaires pour compléter votre robot entièrement fonctionnel ! Requis Kit de développement NVIDIA Jetson Nano Vous trouverez ici le manuel d'installation fourni par SparkFun !

Lis Plus Moins

Le Raspberry Pi AI HAT+ est une carte d'extension conçue pour le Raspberry Pi 5, dotée d'un accélérateur Hailo AI intégré. Ce module complémentaire offre une approche rentable, efficace et accessible pour intégrer des capacités d'IA hautes performances, avec des applications couvrant le contrôle des processus, la sécurité, la domotique et la robotique. Disponible dans des modèles offrant 13 ou 26 téra-opérations par seconde (TOPS), l'AI HAT+ est basé sur les accélérateurs de réseaux neuronaux Hailo-8L et Hailo-8. Ce modèle 13 TOPS prend en charge efficacement les réseaux de neurones pour des tâches telles que la détection d'objets, la segmentation sémantique et d'instance, l'estimation de pose, etc. La variante 26 TOPS s'adapte à des réseaux plus grands, permet un traitement plus rapide et est optimisée. pour exécuter plusieurs réseaux simultanément. L'AI HAT+ se connecte via l'interface PCIe Gen3 du Raspberry Pi 5. Lorsque le Raspberry Pi 5 exécute une version actuelle du système d'exploitation Raspberry Pi, il détecte automatiquement l'accélérateur Hailo intégré, rendant l'unité de traitement neuronal (NPU) disponible pour les tâches d'IA. De plus, les applications de caméra rpicam-apps incluses dans Raspberry Pi OS prennent en charge de manière transparente le module AI, en utilisant automatiquement le NPU pour les fonctions de post-traitement compatibles. Inclus Raspberry Pi AI HAT+ (13 TOPS) Kit de matériel de montage (entretoises, vis) Embase d'empilage GPIO 16 mm Téléchargements Datasheet

Lis Plus Moins

LuckFox Pico Mini est une micro-carte de développement Linux compacte basée sur la puce Rockchip RV1103, offrant une plate-forme de développement simple et efficace pour les développeurs. Il prend en charge une variété d'interfaces, notamment MIPI CSI, GPIO, UART, SPI, I²C, USB, etc., ce qui est pratique pour un développement et un débogage rapides. Caractéristiques Cœur ARM Cortex-A7 monocœur 32 bits avec NEON et FPU intégrés Le NPU de 4e génération intégré, développé par Rockchip, offre une précision de calcul élevée et prend en charge la quantification hybride int, int8 et int16. La puissance de calcul d'int8 est de 0,5 TOPS, et jusqu'à 1,0 TOPS avec int4 ISP3.2 de troisième génération intégré et auto-développé, prend en charge 4 mégapixels, avec plusieurs algorithmes d'amélioration et de correction d'image tels que HDR, WDR, réduction du bruit à plusieurs niveaux, etc. Offre de puissantes performances d'encodage, prend en charge le mode d'encodage intelligent et l'économie de flux adaptative en fonction de la scène, permet d'économiser plus de 50% du débit binaire du mode CBR conventionnel afin que les images de la caméra soient en haute définition avec une taille plus petite, et doublent le stockage. espace Le microcontrôleur RISC-V intégré prend en charge une faible consommation d'énergie et un démarrage rapide, prend en charge une capture d'image rapide de 250 ms et charge simultanément la bibliothèque de modèles AI pour réaliser la reconnaissance faciale "en une seconde" DRAM DDR2 16 bits intégrée, capable de supporter des bandes passantes mémoire exigeantes Intégré avec POR intégré, codec audio et MAC PHY Spécifications Processeur ARM Cortex-A7, processeur monocœur 32 bits, 1,2 GHz, avec NEON et FPU NPU NPU Rockchip 4e génération, prend en charge int4, int8, int16 ; jusqu'à 1.0 TOPS (int4) ISP ISP3.2 de troisième génération, entrée jusqu'à 4 MP à 30 ips, HDR, WDR, réduction du bruit RAM 64 Mo DDR2 Stockage Flash SPI NAND de 128 Mo USB Hôte/périphérique USB 2.0 via Type-C Interface de la caméra MIPI CSI 2 voies Broches GPIO 17 broches GPIO Consommation électrique MCU RISC-V à faible consommation pour un démarrage rapide Dimensions 28 x 21 mm Téléchargements Wiki

Lis Plus Moins

Le LuckFox Pico Ultra est un ordinateur monocarte compact (SBC) équipé du chipset Rockchip RV1106G3, conçu pour le traitement de l'IA, le multimédia et les applications embarquées basse consommation. Il est équipé d'un processeur NPU 1 TOPS intégré, ce qui le rend idéal pour les charges de travail d'IA de pointe. Avec 256 Mo de RAM, 8 Go de stockage eMMC intégré, le Wi-Fi intégré et la prise en charge du module PoE LuckFox, la carte offre performances et polyvalence pour une large gamme d'utilisations. Sous Linux, la LuckFox Pico Ultra prend en charge diverses interfaces, notamment MIPI CSI, RGB LCD, GPIO, UART, SPI, I²C et USB, offrant ainsi une plateforme de développement simple et efficace pour les applications de domotique, de contrôle industriel et d'IoT. Spécifications Puce Rockchip RV1106G3 Processeur Cortex-A7 1,2 GHz Processeur de réseau neuronal (NPU) 1 TOPS, compatible int4, int8, int16 Processeur d'image (ISP) Entrée max. 5 Mo à 30fps Mémoire 256 Mo DDR3L Wi-Fi + Bluetooth WiFi-6 2,4 GHz Bluetooth 5.2/BLE Interface caméra MIPI CSI 2 voies Interface DPI RGB666 Interface PoE IEEE 802.3af PoE Interface haut-parleur MX1,25 mm USB Hôte/Périphérique USB 2.0 GPIO 30 GPIO Broches Ethernet Contrôleur Ethernet 10/100M et PHY intégré Support de stockage par défaut eMMC (8 Go) Inclus 1x LuckFox Pico Ultra W 1x Module PoE LuckFox 1x Antenne IPX 2,4G 2 dB 1x Câble USB-A vers USB-C 1x Sachet de vis Téléchargements Wiki

Lis Plus Moins

Le kit de démarrage pour Jetson Nano est l'un des meilleurs kits permettant aux débutants de démarrer avec Jetson Nano. Ce kit comprend une carte MicroSD de 32 Go, un adaptateur 20 W, un cavalier à 2 broches, un appareil photo et un câble micro-USB. Caractéristiques Carte MicroSD hautes performances de 32 Go Alimentation 5 V/4 A avec connecteur cylindrique CC de 2,1 mm Cavalier à 2 broches Module caméra Raspberry Pi V2 Câble USB Micro-B vers Type-A avec DATA activé

Lis Plus Moins

Le reComputer J3010 est un appareil d'IA de pointe compact et puissant alimenté par le NVIDIA Jetson Orin Nano, offrant des performances impressionnantes d'IA de 20 TOPS – jusqu'à 40 fois plus rapides que le Jetson Nano. Préinstallé avec Jetpack 5.1.1, il comprend un SSD de 128 Go, 4 ports USB 3.2, HDMI, Gigabit Ethernet et une carte de support polyvalente avec M.2 Key E pour le WiFi, M.2. Key M pour SSD, RTC, CAN et en-tête GPIO à 40 broches. Applications Analyse vidéo IA Vision industrielle Robotique Spécifications Jetson Orin Nano System-on-Module Performances de l'IA reComputer J3010, Orin Nano 4 Go (20 TOPS) GPU GPU à architecture NVIDIA Ampere à 512 cœurs avec 16 cœurs Tensor (Orin Nano 4 Go) Processeur Processeur Arm Cortex-A78AE v8.2 64 bits à 6 cœurs 1,5 Mo L2 + 4 Mo L3 Mémoire 4 Go LPDDR5 64 bits 34 Go/s (Orin Nano 4 Go) Encodeur vidéo 1080p30 pris en charge par 1 à 2 cœurs de processeur Décodeur vidéo 1x 4K60 (H.265) | 2x 4K30 (H.265) | 5x 1080p60 (H.265) | 11x 1080p30 (H.265) Carrier Board Stockage M.2 Key M PCIe (M.2 NVMe 2280 SSD 128 Go inclus) Mise en réseau Ethernet 1x RJ-45 Gigabit Ethernet (10/100/1000 M) M.2 Key E 1x M.2 Key E (1x Module combiné Wi-Fi/Bluetooth préinstallé) E/S USB 4x USB 3.2 Type-A (10 Gbit/s)1x USB 2.0 Type-C (mode périphérique) Caméra CSI 2x CSI (2 voies, 15 broches) Affichage 1x HDMI 2.1 Ventilateur 1x Connecteur de ventilateur à 4 broches (5 V PWM) CAN 1x CAN Port multifonctionnel 1x Connecteur d'extension à 40 broches 1x Contrôle à 12 broches et en-tête UART RTC RTC 2 broches, prend en charge CR1220 (non inclus) Alimentation 9-19 V CC Mécanique Dimensions 130 x 120 x 58,5 mm (avec boîtier) Installation Bureau, montage mural Température de fonctionnement −10°C~60°C Inclus 1x reComputer J3010 (système installé) 1x Adaptateur secteur (12 V/5 A) Téléchargements reComputer J301x Datasheet NVIDIA Jetson Devices and carrier boards comparisions reComputer J401 schematic design file reComputer J3010 3D file

Lis Plus Moins

Le reComputer J1020 v2 est un appareil d'IA de pointe compact alimenté par NVIDIA Jetson Nano 4 Go, offrant 0,5 TFLOP de performances d'IA. Il est doté d'un boîtier en aluminium robuste avec un dissipateur thermique passif et est livré préinstallé avec JetPack 4.6.1. L'appareil comprend 16 Go de stockage eMMC intégré et offre 2x SCI, 4x USB 3.0, M.2 Key M, HDMI et DP. Applications Vision par ordinateur Apprentissage automatique Robot mobile autonome (AMR) Spécifications Jetson Nano 4 Go System-on-Module Performances de l'IA Jetson Nano 4 Go (0,5 TOPS) GPU Architecture NVIDIA Maxwel avec 128 cœurs NVIDIA CUDA Processeur Processeur ARM Cortex-A57 MPCore quadricœur Mémoire 4 Go LPDDR4 64 bits 25,6 Go/s Encodeur vidéo 1x 4K30 | 2x 1080p60 | 4x 1080p30 | 4x 720p60 | 9x 720p30 (H.265 et H.264) Décodeur vidéo 1x 4K60 | 2x 4K30 | 4x 1080p60 | 8x 1080p30 | 9x 720p60 (H.265 et H.264) Carrier Board Stockage 1x M.2 Key M PCIe Mise en réseau Ethernet 1x RJ-45 Gigabit Ethernet (10/100/1000M) E/S USB 4x USB 3.0 Type-A1x Port micro-USB pour le mode appareil Caméra CSI 2x CSI (2 voies, 15 broches) Affichage 1x HDMI Type A ; 1x DP Ventilateur 1x Connecteur de ventilateur à 4 broches (5 V PWM) CAN 1x CAN Port multifonctionnel 1x Connecteur d'extension à 40 broches 1x Contrôle à 12 broches et en-tête UART Alimentation CC 12 V/2 A Mécanique Dimensions 130 x 120 x 50 mm (avec boîtier) Installation Bureau, montage mural Température de fonctionnement −10°C~60°C Inclus reComputer J1020 v2 (système installé) Adaptateur secteur 12 V/2 A (avec 5 fiches d'adaptateur interchangeables) Téléchargements reComputer J1020 v2 datasheet reComputer J1020 v2 3D file Seeed NVIDIA Jetson Product Catalog NVIDIA Jetson Device and Carrier Boards Comparison

Lis Plus Moins

Le kit de développement Waveshare Jetson Nano, basé sur les ordinateurs IA Jetson Nano (avec 16 Go eMMC) et Jetson Xavier NX, fournit presque les mêmes E/S, taille et épaisseur que le kit de développement Jetson Nano (B01), plus pratique pour mettre à niveau le noyau. module. En utilisant la puissance du module principal, il est qualifié pour des domaines tels que la classification d'images, la détection d'objets, la segmentation, le traitement de la parole, etc., et peut être utilisé dans divers projets d'IA. Spécifications GPU Maxwell à 128 cœurs CPU ARM A57 quadricœur à 1,43 GHz RAM 4 Go LPDDR4 64 bits 25,6 Go/s Stockage 16 Go eMMC + 64 Go carte TF Encodeur vidéo 250 MP/s 1x 4K à 30 (HEVC) 2x 1080p à 60 (HEVC) 4x 1080p à 30 (HEVC) Décodeur vidéo 500 MP/s 1x 4K à 60 (HEVC) 2x 4K à 30 (HEVC) 4x 1080p à 60 (HEVC) 8x 1080p à 30 (HEVC) Caméra 1x voies MIPI CSI-2 D-PHY Connectivité Gigabit Ethernet, connecteur d'extension M.2 Key E Afficher HDMI USB 1x USB 3.2 Gen 1 Type A 2x USB 2.0 Type-A 1x USB 2.0 Micro-B Interfaces GPIO, I²C, I²S, SPI, UART Dimensions 100x80x29mm Inclus 1x JETSON-NANO-LITE-DEV-KIT (support + Nano + dissipateur thermique) 1x carte réseau double mode AC8265 1x ventilateur de refroidissement 1x câble USB (1,2 m) 1x câble Ethernet (1,5 m) 1x adaptateur secteur 5 V/3 A (UE) 1x carte TF de 64 Go 1x lecteur de carte Documentation Wiki

Lis Plus Moins