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

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

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

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 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 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 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