Künstliche Intelligenz (KI)

21 Produkte

  • Google Coral USB Accelerator - Elektor

    Google Google Coral USB Accelerator

    Nicht auf Lager

    Der Coral USB Accelerator fügt Ihrem System einen Edge-TPU-Coprozessor hinzu und ermöglicht High-Speed-Inferenzen durch maschinelles Lernen auf einer Vielzahl von Systemen, indem er einfach an einen USB-Port angeschlossen wird. Features Unterstütztes Host-Betriebssystem: Debian Linux, macOS, Windows 10 Kompatibel mit Raspberry Pi-Boards Unterstütztes Framework: TensorFlow Lite Führt High-Speed-ML-Inferenzen durch Der integrierte Edge TPU-Coprozessor kann 4 Billionen Operationen (Tera-Operationen) pro Sekunde (TOPS) ausführen, wobei 0,5 Watt für jede TOPS (2 TOPS pro Watt) verbraucht werden. Beispielsweise kann es hochmoderne mobile Vision-Modelle wie MobileNet v2 mit fast 400 FPS auf energieeffiziente Weise ausführen. Unterstützt alle wichtigen Plattformen Verbindet sich über USB mit jedem System, auf dem Debian Linux (einschließlich Raspberry Pi), macOS oder Windows 10 ausgeführt wird. Unterstützt TensorFlow Lite Modelle müssen nicht von Grund auf neu erstellt werden. TensorFlow Lite-Modelle können für die Ausführung auf der Edge-TPU kompiliert werden. Unterstützt AutoML Vision Edge Mit AutoML Vision Edge können Sie ganz einfach schnelle, hochpräzise benutzerdefinierte Bildklassifizierungsmodelle erstellen und auf Ihrem Gerät bereitstellen. Technische Daten ML Accelerator Google Edge TPU Coprozessor:4 TOPS (int8); 2 TOPS pro Watt Anschluss USB 3.0 Typ-C (Daten/Stromversorgung) Abmessungen 65 x 30 mm Downloads/Dokumentation Datasheet Get started with the USB Accelerator Model compatibility on the Edge TPU Edge TPU inferencing overview Run multiple models with multiple Edge TPUs Pipeline a model with multiple Edge TPUs PyCoral API (Python) Libcoral API (C++) Libedgetpu API (C++) Edge TPU compiler Pre-compiled models All software downloads

    Nicht auf Lager

    € 89,95

    Mitglieder € 80,96

  • Raspberry Pi AI Camera - Elektor

    Raspberry Pi Foundation Raspberry Pi AI Camera

    Die Raspberry Pi AI Camera ist ein kompaktes Kameramodul, das auf dem Sony IMX500 Intelligent Vision Sensor basiert. Der IMX500 kombiniert einen 12-MP-CMOS-Bildsensor mit integrierter Inferenz-Beschleunigung für verschiedene gängige neuronale Netzwerkmodelle, so dass Benutzer anspruchsvolle bildverarbeitungsbasierte KI-Anwendungen entwickeln können, ohne einen separaten Beschleuniger zu benötigen. Die AI-Kamera wertet aufgenommene Bilder oder Videos mit Tensor-Metadaten auf, während der Prozessor des Raspberry Pi für andere Aufgaben frei bleibt. Die Unterstützung von Tensor-Metadaten in den Bibliotheken libcamera und Picamera2 sowie in der Anwendungssuite rpicam-apps gewährleistet eine einfache Bedienung für Anfänger und bietet gleichzeitig eine unvergleichliche Leistung und Flexibilität für fortgeschrittene Benutzer. Die Raspberry Pi AI Camera ist mit allen Raspberry Pi-Modellen kompatibel. Features 12 MP Sony IMX500 Intelligent Vision Sensor Sensormodi: 4056 x 3040 (@ 10fps), 2028 x 1520 (@ 30fps) 1,55 x 1,55 µm Zellgröße 78°-Sichtfeld mit manuell einstellbarem Fokus Integriertes RP2040 für neuronales Netzwerk und Firmware-Management Technische Daten Sensor Sony IMX500 Auflösung 12,3 MP (4056 x 3040 Pixel) Sensorgröße 7,857 mm (Typ 1/2,3) Pixelgröße 1,55 x 1,55 μm IR-Sperrfilter Integriert Autofokus Manuell einstellbarer Fokus Fokusbereich 20 cm – ∞ Brennweite 4,74 mm Horizontales Sichtfeld 66 ±3° Vertikales Sichtfeld 52,3 ±3° Brennweitenverhältnis (Blende) F1.79 Ausgabe Bild (Bayer RAW10), ISP-Ausgabe (YUV/RGB), ROI, Metadaten Maximale Größe des Eingabetensors 640 x 640 (H x V) Framerate • 2x2-Binning: 2028x1520 10-Bit 30fps• Volle Auflösung: 4056x3040 10-Bit 10fps Flachbandkabellänge 20 cm Kabelstecker 15 x 1 mm FPC oder 22 x 0,5 mm FPC Abmessungen 25 x 24 x 11,9 mm Downloads Datasheet Documentation

    € 79,95

    Mitglieder identisch

  • ESP32 - S3 - BOX - 3 - Elektor

    Espressif ESP32-S3-BOX-3

    Die ESP32-S3-BOX-3 basiert auf Espressifs ESP32-S3 Wi-Fi + Bluetooth 5 (LE) SoC mit KI-Beschleunigungsfunktionen. Zusätzlich zu den 512 KB SRAM des ESP32-S3 verfügt die ESP32-S3-BOX-3 über 16 MB Quad Flash und 16 MB Octal PSRAM. Auf der ESP32-S3-BOX-3 läuft Espressifs eigenes Spracherkennungs-Framework ESP-SR, das dem Anwender einen Offline-KI-Sprachassistenten zur Verfügung stellt. Es bietet Fernfeld-Sprachinteraktion, kontinuierliche Erkennung, Aufwachunterbrechung und die Fähigkeit, über 200 anpassbare Befehlswörter zu erkennen. BOX-3 kann mit Hilfe fortschrittlicher AIGC-Entwicklungsplattformen wie OpenAI auch in einen Online-KI-Chatbot umgewandelt werden. Basierend auf dem leistungsstarken ESP32-S3 SoC bietet BOX-3 Entwicklern eine sofort einsatzbereite Lösung zur Erstellung von Edge AI- und HMI-Anwendungen. Die fortschrittlichen Funktionen und Möglichkeiten der BOX-3 machen sie zu einer idealen Wahl für diejenigen in der IIoT-Industrie, die sich Industrie 4.0 zu eigen machen und traditionelle Fabrikbetriebssysteme umgestalten wollen. Die ESP32-S3-BOX-3 ist die Haupteinheit, die durch das ESP32-S3-WROOM-1 Modul betrieben wird, das 2,4 GHz Wi-Fi + Bluetooth 5 (LE) Wireless-Fähigkeit sowie KI-Beschleunigungsfunktionen bietet. Zusätzlich zu den 512 KB SRAM, die vom ESP32-S3 SoC bereitgestellt werden, verfügt das Modul über 16 MB Quad-Flash und 16 MB Octal PSRAM. Das Board ist mit einem 2,4-Zoll-SPI-Touchscreen mit 320 x 240 Pixeln (der "rote Kreis" unterstützt Touch), zwei digitalen Mikrofonen, einem Lautsprecher, einem 3-Achsen-Gyroskop, einem 3-Achsen-Beschleunigungsmesser, einem Typ-C-Anschluss für Stromversorgung und Download/Debug, einem High-Density-PCIe-Anschluss, der Hardware-Erweiterungen ermöglicht, sowie drei Funktionstasten ausgestattet. Features ESP32-S3 WiFi + Bluetooth 5 (LE) Eingebauter 512 KB SRAM ESP32-S3-WROOM-1 16 MB Quad flash 16 MB Octal PSRAM Lieferumfang ESP32-S3-BOX-3 Einheit ESP32-S3-BOX-3 Sensor ESP32-S3-BOX-3 Dock ESP32-S3-BOX-3 Halterung ESP32-S3-BOX-3 Bread RGB-LED-Modul und Dupont-Kabel USB-C Kabel Downloads GitHub

    € 99,95

    Mitglieder € 89,96

  • Raspberry Pi AI HAT+ (26 TOPS) - Elektor

    Raspberry Pi Foundation Raspberry Pi AI HAT+ (26 TOPS)

    Das Raspberry Pi AI HAT+ ist eine Erweiterungsplatine für den Raspberry Pi 5, die einen integrierten Hailo AI-Beschleuniger enthält. Dieses Add-on bietet einen kostengünstigen, effizienten und leicht zugänglichen Ansatz für die Integration von leistungsstarken KI-Funktionen, mit Anwendungen in den Bereichen Prozesssteuerung, Sicherheit, Heimautomatisierung und Robotik. Das AI HAT+ ist in Modellen mit 13 oder 26 Tera-Operationen pro Sekunde (TOPS) erhältlich und basiert auf den neuronalen Netzwerkbeschleunigern Hailo-8L und Hailo-8. Das 13 TOPS-Modell unterstützt effizient neuronale Netze für Aufgaben wie Objekterkennung, Semantik- und Instanzsegmentierung, Posenschätzung und mehr. Diese 26 TOPS-Variante ist für größere Netzwerke geeignet, ermöglicht eine schnellere Verarbeitung und ist für den gleichzeitigen Betrieb mehrerer Netzwerke optimiert. Das AI HAT+ wird über die PCIe Gen3-Schnittstelle des Raspberry Pi 5 angeschlossen. Wenn auf dem Raspberry Pi 5 eine aktuelle Version des Raspberry Pi OS läuft, erkennt es automatisch den integrierten Hailo-Beschleuniger und macht die neuronale Verarbeitungseinheit (NPU) für KI-Aufgaben verfügbar. Darüber hinaus unterstützen die im Raspberry Pi OS enthaltenen rpicam-apps Kameraanwendungen das KI-Modul nahtlos und nutzen die NPU automatisch für kompatible Nachbearbeitungsfunktionen. Lieferumfang Raspberry Pi AI HAT+ (26 TOPS) Montage-Hardware-Kit (Abstandshalter, Schrauben) 16 mm GPIO-Stacking-Header Downloads Datasheet

    € 129,95

    Mitglieder identisch

  • BeagleY - AI SBC with GPU, DSP and AI Accelerators - Elektor

    BeagleBoard BeagleY-AI SBC mit GPU, DSP und KI-Beschleunigern

    BeagleY-AI ist ein kostengünstiger, quelloffener und leistungsstarker 64-Bit-Quad-Core-Einplatinencomputer, ausgestattet mit einer GPU, DSP und Vision-/Deep-Learning-Beschleunigern, der für Entwickler und Maker entwickelt wurde. Benutzer können die von BeagleBoard.org bereitgestellten Debian-Linux-Software-Images nutzen, die eine integrierte Entwicklungsumgebung enthalten. Dies ermöglicht die nahtlose Ausführung von KI-Anwendungen auf einem dedizierten 4 TOPS-Coprozessor, während gleichzeitig Echtzeit-I/O-Aufgaben mit einem 800 MHz-Mikrocontroller erledigt werden. BeagleY-AI wurde entwickelt, um die Anforderungen sowohl professioneller Entwickler als auch von Bildungsumgebungen zu erfüllen. Es ist erschwinglich, benutzerfreundlich und Open Source und beseitigt Innovationshindernisse. Entwickler können ohne Einschränkungen vertiefende Lektionen erkunden oder praktische Anwendungen bis an ihre Grenzen ausreizen. Technische Daten Prozessor TI AM67 mit Quad-Core 64-Bit Arm Cortex-A53, GPU, DSP, und Vision/Deep-Learning-Beschleuniger RAM 4 GB LPDDR4 WLAN BeagleBoard BM3301-Modul basierend auf TI CC3301 (802.11ax Wi-Fi) Bluetooth Bluetooth Low Energy 5.4 (BLE) USB • 4x USB-A 3.0 unterstützen gleichzeitigen 5-Gbit/s-Betrieb• 1x USB-C 2.0 unterstützt USB 2.0-Geräte Ethernet Gigabit-Ethernet mit PoE+ Unterstützung (erfordert separaten PoE+ HAT) Kamera/Display 1x 4-Wege MIPI-Kamera/Display-Transceiver, 1x 4-Wege MIPI-Kamera Ausgabe anzeigen 1x HDMI-Display, 1x OLDI-Display Echtzeituhr (RTC) Unterstützt eine externe Knopfbatterie zur Erhaltung der Stromausfallzeit. Es wird nur bei EVT-Proben ausgefüllt. UART debuggen 1x 3-Pin-Debug-UART Stromversorgung 5 V/5 A Gleichstrom über USB-C, mit Power Delivery-Unterstützung Power-Taste Ein/Aus inklusive PCIe-Schnittstelle PCI-Express Gen3 x1-Schnittstelle für schnelle Peripheriegeräte (erfordert separaten M.2 HAT oder anderen Adapter) Erweiterungsanschluss 40-Pin-Header Lüfteranschluss 1x 4-poliger Lüfteranschluss, unterstützt PWM-Geschwindigkeitssteuerung und Geschwindigkeitsmessung Speicher microSD-Kartensteckplatz mit Unterstützung für den Hochgeschwindigkeits-SDR104-Modus Tag Connect 1x JTAG, 1x Tag Connect für PMIC NVM-Programmierung Downloads Pinout Documentation Quick start Software

    € 89,95

    Mitglieder € 80,96

  • Seeed Studio XIAO ESP32S3 Sense - Elektor

    Seeed Studio Seeed Studio XIAO ESP32S3 Sense

    Seeed Studio XIAO ESP32S3 Sense integriert einen Kamerasensor, ein digitales Mikrofon und SD-Kartenunterstützung. Durch die Kombination eingebetteter ML-Rechenleistung und Fotografiefähigkeiten kann dieses Entwicklungsboard Ihr großartiges Werkzeug für den Einstieg in die intelligente Sprach- und Bild-KI sein. Seeed Studio XIAO ESP32S3 Sense basiert auf einem hochintegrierten Xtensa-Prozessor ESP32-S3R8 SoC, der 2,4 GHz WLAN und stromsparendes Bluetooth BLE 5.0 Dual-Mode für mehrere drahtlose Anwendungen unterstützt. Es verfügt über eine Lademanagementfunktion für Lithiumbatterien. Als erweiterte Version des Seeed Studio XIAO ESP32S3 verfügt dieses Board über einen einsteckbaren OV2640-Kamerasensor für die Anzeige der vollen Auflösung von 1600 x 1200. Die Basis ist sogar mit OV5640 kompatibel und unterstützt eine Auflösung von bis zu 2592 x 1944. Das digitale Mikrofon ist ebenfalls im Lieferumfang der Platine enthalten und dient zur Spracherkennung und Audioerkennung. SenseCraft AI bietet verschiedene vorab trainierte künstliche Intelligenz ( AI-Modelle und No-Code-Bereitstellung für XIAO ESP32S3 Sense. Mit leistungsstarkem SoC und integrierten Sensoren verfügt dieses Entwicklungsboard über 8 MB PSRAM und 8 MB Flash auf dem Chip sowie einen zusätzlichen SD-Kartensteckplatz zur Unterstützung von bis zu 32 GB FAT-Speicher. Diese ermöglichen dem Board mehr Programmierraum und bringen noch mehr Möglichkeiten in eingebettete ML-Szenarien. Features Leistungsstarkes MCU-Board: Enthält den 32-Bit-Dual-Core-Xtensa-Prozessorchip ESP32S3 mit einer Taktrate von bis zu 240 MHz, mehrere Entwicklungsanschlüsse und unterstützt Arduino/MicroPython. Erweiterte Funktionalität: Mit OV5640-Kamerasensor, integriert zusätzliches digitales Mikrofon Großartiger Speicher für mehr Möglichkeiten: Bietet 8 MB PSRAM und 8 MB Flash und unterstützt einen SD-Kartensteckplatz für externen 32 GB FAT-Speicher Hervorragende HF-Leistung: Unterstützt 2,4-GHz-WLAN und BLE-Dual-Wireless-Kommunikation, unterstützt Fernkommunikation über 100 m+ bei Verbindung mit einer U.FL-Antenne Daumengroßes, kompaktes Design: 21 x 17,5 mm, übernimmt den klassischen Formfaktor von XIAO, geeignet für Projekte mit begrenztem Platzangebot wie tragbare Geräte Vorab trainiertes Al-Modell von SenseCraft Al für No-Code-Bereitstellung Anwendungen Bildbearbeitung Spracherkennung Videoüberwachung Tragbare Geräte Smart Home Gesundheitsüberwachung Bildung Low Power (LP) Netzwerk Rapid Prototyping Technische Daten 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) Lieferumfang 1x XIAO ESP32S3 1x Plug-in-Kamera-Sensorplatine 1x Antenne Downloads GitHub

    € 24,95

    Mitglieder € 22,46

  • Seeed Studio re_computer case for Raspberry Pi, BeagleBone and Jetson Nano - Elektor

    Seeed Studio reComputer Gehäuse für Raspberry Pi, BeagleBone und Jetson Nano

    Nicht auf Lager

    Das reComputer Gehäuse wurde speziell für das reComputer-System entwickelt, ist mit allen gängigen SBCs (Raspberry Pi, BeagleBone und Jetson Nano) kompatibel, verfügt über eine abnehmbare Acrylabdeckung auf der Oberseite und eine stapelbare Struktur, um endlose Möglichkeiten zu erweitern. Features Es ist mit den gängigsten SBCs kompatibel, darunter Raspberry Pi, BeagleBone und Jetson Nano. Abnehmbare Deckschicht aus Acryl Stapelbare Kofferstruktur für Erweiterungen Lieferumfang 1x Acrylabdeckung 1x Aluminiumrahmen 1x Wärmeableitungsbasis 8x Seitenwand 8x Standoff 12x Schrauben 1x Schraubendreher 1x Knopf 1x Montageanleitung Downloads Dokumentation

    Nicht auf Lager

    € 39,95

    Mitglieder € 35,96

  • NVIDIA Jetson Nano Developer Kit (B01) - Elektor

    Nvidia NVIDIA Jetson Nano Developer Kit (B01)

    Nicht auf Lager

    Sind Sie bereit, mit der Entwicklung von Anwendungen für künstliche Intelligenz (KI) zu beginnen? Das NVIDIA Jetson Nano Developer Kit macht die Leistungsfähigkeit moderner KI für Macher, Entwickler und Studenten zugänglich. Wenn Sie an NVIDIA denken, denken Sie wahrscheinlich zu Recht an Grafikkarten und GPUs. Die Erfolgsbilanz von Nvidia garantiert, dass der Jetson Nano über genügend Leistung verfügt, um selbst die anspruchsvollsten Aufgaben zu bewältigen. Das NVIDIA Jetson Nano Developer Kit ist mit dem JetPack SDK von Nvidia kompatibel und ermöglicht die Bildklassifizierung und Objekterkennung in vielen Anwendungen. Anwendungen Das NVIDIA Jetson Nano Developer Kit kann mehrere neuronale Netze parallel ausführen für Anwendungen wie: Bildklassifizierung Segmentierung Objekterkennung Sprachverarbeitung Technische Daten GPU 128-core Maxwell CPU Quad-Core ARM A57 mit 1,43 GHz Erinnerung 4 GB 64-Bit LPDDR4 25,6 GB/s Lagerung microSD (nicht im Lieferumfang enthalten) Videokodierung 4K@30 | 4x 1080p @ 30 | 9x 720p @ 30 (H.264/H.265) Videodekodierung 4K@60 | 2x 4K @ 30 | 8x 1080p @ 30 | 18x 720p @ 30 (H.264/H.265) Kamera 1 x MIPI CSI-2 DPHY-Spuren Konnektivität Gigabit-Ethernet, M.2 Key E Anzeige HDMI 2.0 und eDP 1.4 USB 4x USB 3.0, USB 2.0 Micro-B Schnittstellen GPIO, I²C, I²S, SPI, UART Maße 100 x 80 x 29 mm Lieferumfang NVIDIA Jetson Nano-Modul und Trägerplatine Kleine Papierkarte mit Schnellstart- und Supportinformationen Gefalteter Papierständer Downloads JetPack SDK Dokumentation Tutorials Online Kurs Wiki

    Nicht auf Lager

    € 229,00

    Mitglieder € 206,10

  • M5Stack UnitV K210 AI Camera for Edge Computing (OV7740) - Elektor

    M5Stack M5Stack UnitV K210 KI-Kamera für Edge Computing (OV7740)

    Merkmale Dual-Core 64-Bit RISC-V RV64IMAFDC (RV64GC) CPU / 400 MHz (normal) Duale unabhängige FPU mit doppelter Präzision 8 MB On-Chip-SRAM mit 64 Bit Breite Neuronaler Netzwerkprozessor (KPU) / 0,8 Tops Feldprogrammierbares IO-Array (FPIOA) AES, SHA256-Beschleuniger Direct Memory Access Controller (DMAC) Micropython-Unterstützung Unterstützung der Firmware-Verschlüsselung Onboard-Hardware: Blitz: 16M Kamera: OV7740 2x Knöpfe Statusanzeige-LED Externer Speicher: TF-Karte/Micro SD Schnittstelle: HY2.0/kompatibel mit GROVE Anwendungen Gesichtserkennung/-erkennung Objekterkennung/-klassifizierung Ermitteln Sie die Größe und Koordinaten des Ziels in Echtzeit Erhalten Sie den Typ des erkannten Ziels in Echtzeit Formerkennung, Videorecorder Inbegriffen 1x UNIT-V (einschließlich 20 cm 4P-Kabel und USB-C-Kabel)

    € 49,95

    Mitglieder € 44,96

  • Fast ausverkauft HuskyLens AI Camera - Elektor

    DFRobot HuskyLens AI Kamera

    1 auf Lager

    Benötigen Sie eine einfache KI-Kamera, um Ihre Projekte zu verbessern? Das intuitive Design der HuskyLens AI-Kamera ermöglicht es dem Benutzer, verschiedene Aspekte der Kamera durch einfaches Drücken von Tasten zu steuern. Sie können das Lernen neuer Objekte starten und stoppen und sogar den Algorithmus vom Gerät aus wechseln. Um die Notwendigkeit, eine Verbindung zu einem PC herzustellen, noch weiter zu reduzieren, verfügt die HuskyLens AI-Kamera über ein 2-Zoll-Display, sodass Sie in Echtzeit sehen können, was vor sich geht. Spezifikationen Prozessor: Kendryte K210 Bildsensor: OV2640 (2,0-Megapixel-Kamera) Versorgungsspannung: 3,3 ~ 5,0 V Stromverbrauch (TYP): 320 mA bei 3,3 V, 230 mA bei 5,0 V (Gesichtserkennungsmodus; 80 % Hintergrundbeleuchtung; Fülllicht aus) Verbindungsschnittstelle: UART, I²C Display: 2,0-Zoll-IPS-Bildschirm mit einer Auflösung von 320 x 240 Integrierte Algorithmen: Gesichtserkennung, Objektverfolgung, Objekterkennung, Linienverfolgung, Farberkennung, Tag-Erkennung Abmessungen: 52 x 44,5 mm Inbegriffen 1x HuskyLens-Motherboard 1x M3-Schraube 1x M3 Muttern 1x kleine Montagehalterung 1x Erhöhungshalterung 1x Schwerkraft-4-Pin-Sensorkabel

    1 auf Lager

    € 89,95

    Mitglieder € 80,96

  • Fast ausverkauft SparkFun JetBot AI Kit v3.0 (without NVIDIA Jetson Nano Developer Kit) - Elektor

    SparkFun SparkFun JetBot AI Kit v3.0 (ohne NVIDIA Jetson Nano Developer Kit)

    2 auf Lager

    Das SparkFun JetBot AI Kit V2.1 ist ein großartiger Startpunkt für die Erstellung völlig neuer KI-Projekte für Maker, Studenten und Enthusiasten, die daran interessiert sind, KI zu lernen und lustige Anwendungen zu bauen. Es ist einfach einzurichten und zu verwenden und ist mit vielen beliebten Zubehörteilen kompatibel. Mehrere interaktive Tutorials zeigen Ihnen, wie Sie die Kraft der KI nutzen können, um dem SparkFun JetBot beizubringen, Objekten zu folgen, Kollisionen zu vermeiden und vieles mehr. Das Jetson Nano Developer Kit (nicht in diesem Kit enthalten) bietet nützliche Tools wie die Jetson GPIO Python-Bibliothek und ist kompatibel mit Standardsensoren und Peripheriegeräten; einschließlich einiger neuer Python-Kompatibilität mit dem SparkFun Qwiic-Ökosystem. Zusätzlich wird das mitgelieferte Image mit der erweiterten Funktionalität von JetBot ROS (Robot Operating System) und AWS RoboMaker Ready mit AWS IoT Greengrass bereits installiert geliefert. Das JetBot AI Kit von SparkFun ist das einzige Kit auf dem Markt, das über die Standard-JetBot-Beispiele hinaus in die Welt der vernetzten und intelligenten Robotik vorstößt. Dieses Kit enthält alles, was Sie brauchen, um mit JetBot zu beginnen, abzüglich eines Kreuzschlitzschraubendrehers und einer Ubuntu-Desktop-GUI. Wenn Sie diese benötigen, sehen Sie sich die Registerkarten "Includes" für einige Vorschläge aus unserem Katalog an. Bitte beachten Sie, dass die Fähigkeit, mehrere neuronale Netzwerke parallel zu betreiben, nur mit einer vollen 5V-4A Stromversorgung möglich ist. Features SparkFun Qwiic Ökosystem für I²C-Kommunikation Das Ökosystem kann mit 4x Qwiic-Anschlüssen auf GPIO-Header erweitert werden Beispielcode für Grundbewegung, Teleoperation, Kollisionsvermeidung, & Objektverfolgung Kompakter Formfaktor zur Optimierung des vorhandenen neuronalen Netzes von NVIDIA 136° FOV Kamera für maschinelles Sehen Vorgeflashte MicroSD-Karte Gehäuseaufbau bietet erweiterbare Architektur Lieferumfang 64GB MicroSD-Karte - vorgeflashtes SparkFun JetBot Image: Nvidia Jetbot Basis-Image mit folgendem installiert: SparkFun Qwiic python library package Treiber für Edimax WiFi-Adapter Greengrass Jetbot ROS Leopard Imaging 136FOV Weitwinkelkamera & Flachbandkabel EDIMAX WiFi Adapter SparkFun Qwiic Motor Driver SparkFun Micro OLED Breakout (Qwiic) Alle Hardware & Prototyping-Elektronik benötigt, um Ihren voll funktionsfähigen Roboter zu vervollständigen! Erforderlich NVIDIA Jetson Nano Developer Kit Hier finden Sie die von SparkFun bereitgestellte Montageanleitung!

    2 auf Lager

    € 219,00

    Mitglieder € 197,10

  • Raspberry Pi AI HAT+ (13 TOPS) - Elektor

    Raspberry Pi Foundation Raspberry Pi AI HAT+ (13 TOPS)

    Das Raspberry Pi AI HAT+ ist eine Erweiterungsplatine für den Raspberry Pi 5, die einen integrierten Hailo AI-Beschleuniger enthält. Dieses Add-on bietet einen kostengünstigen, effizienten und leicht zugänglichen Ansatz für die Integration von leistungsstarken KI-Funktionen, mit Anwendungen in den Bereichen Prozesssteuerung, Sicherheit, Heimautomatisierung und Robotik. Das AI HAT+ ist in Modellen mit 13 oder 26 Tera-Operationen pro Sekunde (TOPS) erhältlich und basiert auf den neuronalen Netzwerkbeschleunigern Hailo-8L und Hailo-8. Dieses 13 TOPS-Modell unterstützt effizient neuronale Netze für Aufgaben wie Objekterkennung, Semantik- und Instanzsegmentierung, Posenschätzung und mehr. Die 26 TOPS-Variante ist für größere Netzwerke geeignet, ermöglicht eine schnellere Verarbeitung und ist für den gleichzeitigen Betrieb mehrerer Netzwerke optimiert. Das AI HAT+ wird über die PCIe Gen3-Schnittstelle des Raspberry Pi 5 angeschlossen. Wenn auf dem Raspberry Pi 5 eine aktuelle Version des Raspberry Pi OS läuft, erkennt es automatisch den integrierten Hailo-Beschleuniger und macht die neuronale Verarbeitungseinheit (NPU) für KI-Aufgaben verfügbar. Darüber hinaus unterstützen die im Raspberry Pi OS enthaltenen rpicam-apps Kameraanwendungen das KI-Modul nahtlos und nutzen die NPU automatisch für kompatible Nachbearbeitungsfunktionen. Lieferumfang Raspberry Pi AI HAT+ (13 TOPS) Montage-Hardware-Kit (Abstandshalter, Schrauben) 16 mm GPIO-Stacking-Header Downloads Datasheet

    € 84,95

    Mitglieder identisch

  • LuckFox Pico Mini B Linux Micro Development Board (with Headers) - Elektor

    Luckfox LuckFox Pico Mini B Linux Micro Development Board (mit Header)

    LuckFox Pico Mini ist ein kompaktes Linux-Mikro-Entwicklungsboard, das auf dem Rockchip RV1103-Chip basiert und eine einfache und effiziente Entwicklungsplattform für Entwickler bietet. Es unterstützt eine Vielzahl von Schnittstellen, einschließlich MIPI CSI, GPIO, UART, SPI, I²C, USB usw., was für eine schnelle Entwicklung und Fehlerbehebung praktisch ist. Features Single-Core ARM Cortex-A7 32-Bit-Kern mit integriertem NEON und FPU Eingebaute, von Rockchip selbst entwickelte NPU der 4. Generation, zeichnet sich durch hohe Rechenpräzision aus und unterstützt die Hybridquantisierung int, int8 und int16. Die Rechenleistung von int8 beträgt 0,5 TOPS und bis zu 1,0 TOPS mit int4 Integrierter, selbst entwickelter ISP3.2 der dritten Generation, unterstützt 4 Megapixel, mit mehreren Bildverbesserungs- und Korrekturalgorithmen wie HDR, WDR, mehrstufiger Rauschunterdrückung usw. Verfügt über eine leistungsstarke Kodierungsleistung, unterstützt den intelligenten Kodierungsmodus und das adaptive Stream-Speichern je nach Szene, spart mehr als 50% Bitrate im Vergleich zum herkömmlichen CBR-Modus, sodass die Bilder von der Kamera hochauflösende Bilder mit geringerer Größe und doppelt so viel Speicherplatz bieten Leerzeichen Die integrierte RISC-V-MCU unterstützt einen geringen Stromverbrauch und einen schnellen Start, unterstützt eine schnelle Bildaufnahme von 250 ms und lädt gleichzeitig die Al-Modellbibliothek, um die Gesichtserkennung "in einer Sekunde" zu realisieren. Eingebauter 16-Bit-DRAM DDR2, der anspruchsvolle Speicherbandbreiten bewältigen kann Integriert mit integriertem POR, Audio-Codec und MAC PHY Technische Daten Prozessor ARM Cortex-A7, Single-Core-32-Bit-CPU, 1,2 GHz, mit NEON und FPU NPU Rockchip NPU der 4. Generation, unterstützt int4, int8, int16; bis zu 1,0 TOPS (int4) ISP ISP3.2 der dritten Generation, bis zu 4 MP-Eingang bei 30fps, HDR, WDR, Rauschunterdrückung RAM 64 MB DDR2 Speicher 128 MB SPI NAND Flash USB USB 2.0-Host/Gerät über Typ-C Kameraschnittstelle MIPI CSI 2-spurig GPIO-Pins 17 GPIO-Pins Stromverbrauch RISC-V-MCU mit geringem Stromverbrauch für schnellen Start Abmessungen 28 x 21 mm Downloads Wiki

    € 19,95

    Mitglieder € 17,96

  • LuckFox Pico Ultra Linux Micro Development Board - Elektor

    Luckfox LuckFox Pico Ultra Linux Micro Development Board

    Der LuckFox Pico Ultra ist ein kompakter Single-Board-Computer (SBC) mit dem Rockchip RV1106G3-Chipsatz, der für KI-Verarbeitung, Multimedia und stromsparende Embedded-Anwendungen entwickelt wurde. Er ist mit einer integrierten 1-TOPS-NPU ausgestattet und eignet sich daher ideal für Edge-KI-Workloads. Mit 256 MB RAM, 8 GB Onboard-eMMC-Speicher, integriertem WLAN und Unterstützung für das LuckFox PoE-Modul bietet das Board Leistung und Vielseitigkeit für eine Vielzahl von Anwendungsfällen. Der LuckFox Pico Ultra läuft unter Linux und unterstützt eine Vielzahl von Schnittstellen – darunter MIPI CSI, RGB-LCD, GPIO, UART, SPI, I²C und USB – und bietet so eine einfache und effiziente Entwicklungsplattform für Anwendungen in den Bereichen Smart Home, Industriesteuerung und IoT. Technische Daten Chip Rockchip RV1106G3 Prozessor Cortex-A7 1,2 GHz Neuronaler Netzwerkprozessor (NPU) 1 TOPS, unterstützt int4, int8, int16 Bildprozessor (ISP) Max. Eingangsgeschwindigkeit 5 M @30fps Speicher 256 MB DDR3L WLAN + Bluetooth 2,4 GHz WiFi-6 Bluetooth 5.2/BLE Kameraschnittstelle MIPI CSI 2-Lane DPI-Schnittstelle RGB666 PoE-Schnittstelle IEEE 802.3af PoE Lautsprecherschnittstelle MX1,25 mm USB USB 2.0 Host/Gerät GPIO 30 GPIO Pins Ethernet 10/100M Ethernet-Controller und eingebetteter PHY Standardspeichermedium eMMC (8 GB) Lieferumfang 1x LuckFox Pico Ultra W 1x LuckFox PoE Modul 1x IPX 2,4G 2 dB Antenne 1x USB-A auf USB-C Kabel 1x Schraubensatz Downloads Wiki

    € 39,95

    Mitglieder € 35,96

  • Arduino Alvik - Elektor

    Arduino Arduino Alvik

    Nicht auf Lager

    Der Arduino Alvik ist ein leistungsstarker und vielseitiger Roboter, der speziell für die Ausbildung in Programmierung und Robotik entwickelt wurde. Der Arduino Alvik basiert auf dem Arduino Nano ESP32 und bietet dank verschiedener Programmiersprachen wie MicroPython, Arduino C und blockbasierter Programmierung vielfältige Lernpfade. So können Anwender die Robotik, das Internet der Dinge (IoT) und die künstliche Intelligenz (KI) auf unterschiedliche Weise erforschen. Arduino Alvik vereinfacht die Programmierung und komplexe Roboterprojekte, sodass Benutzer aller Erfahrungsstufen in die spannende Welt der Programmierung und Robotik eintauchen können. Es handelt sich außerdem um ein fächerübergreifendes Werkzeug, das die Kluft zwischen Bildung und der Zukunft der Robotik mit kostenlosen, an CSTA- und NGSS-Standards ausgerichteten Kursen schließt. Dieser innovative und vielseitige Roboter macht Lernen und Gestalten einfacher und unterhaltsamer denn je. Features Dank des vielseitigen Nano ESP32 und der umfassenden Programmierumgebung mit MicroPython und Arduino-Sprache verkürzt Alvik die Lernkurve in der Robotik. Alvik wurde für Benutzer aller Kenntnisstufen entwickelt und plant die Einführung von blockbasierter Programmierung, um die Zugänglichkeit für jüngere Schüler zu verbessern und einen spannenden Einstieg in die Robotik zu ermöglichen. Die Flugzeit-, RGB-Farb- und Linienverfolgungssensoren von Alvik sowie das 6-Achsen-Gyroskop und der Beschleunigungsmesser ermöglichen es Benutzern, eine Reihe innovativer realer Projekte in Angriff zu nehmen. Von einem Hindernisvermeidungsroboter bis hin zu einem intelligenten Lagerautomatisierungsroboter sind die Möglichkeiten unbegrenzt! Alvik ist mit LEGO Technic-Anschlüssen ausgestattet, mit denen Benutzer den Roboter personalisieren und seine Fähigkeiten erweitern können. Darüber hinaus verfügt es über M3-Schraubenanschlüsse für kundenspezifische 3D- oder Laserdesigns. Die Servo-, I²C Grove- und I²C Qwiic-Anschlüsse ermöglichen es Benutzern, das Potenzial von Alvik zu erweitern und Robotikprojekte auf eine völlig neue Ebene zu bringen. Fügen Sie Motoren zur Steuerung von Bewegungen und Roboterarmen hinzu oder integrieren Sie zusätzliche Sensoren zur Datenerfassung und -analyse. Technische Daten Alvik-Hauptcontroller Arduino Nano ESP32: 8 MB RAM u-blox NORA-W106 (ESP32-S3) Prozessor bis 240 MHz ROM 384 kB + SRAM 512 kB 16 MB externer FLASH Alvik integrierter Core STM32 Arm Cortex-M4 32 Bit Stromversorgung Nano ESP32 USB-C wiederaufladbarer und austauschbarer 18650 Li-Ion-Akku (im Lieferumfang enthalten) Programmiersprache MicroPython, Arduino & Blockbasierte Programmierung Konnektivität Wi-Fi, Bluetooth LE Eingänge Flugzeit-Entfernungssensor (bis zu 350 cm)RGB-Farbsensor6-Achsen-Gyroskop-Beschleunigungsmesser3x Linienfolger-Array7x Berührbare Tasten Ausgänge 2x RGB-LEDs6-V-Motoren (Leerlaufdrehzahl 96 U/min, Leerlaufstrom 70 mA) Erweiterungen 4x LEGO Technic Anschlüsse8x M3 SchraubanschlüsseServomotorI²C GroveI²C Qwiic Downloads Datasheet Documentation

    Nicht auf Lager

    € 169,95

    Mitglieder € 152,96

  • Elektor Select: Embedded & AI (PDF) - Elektor

    Elektor Digital Elektor Select: Embedded & AI (PDF)

    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

    € 9,95

    Mitglieder € 8,96

  • Seeed Studio Deep Learning Starter Kit for Jetson Nano - Elektor

    Seeed Studio Seeed Studio Deep Learning Starter Kit für Jetson Nano

    Das Starterkit für Jetson Nano ist eines der besten Kits für Einsteiger, um mit Jetson Nano zu beginnen. Dieses Kit enthält eine 32-GB-MicroSD-Karte, einen 20-W-Adapter, einen 2-poligen Jumper, eine Kamera und ein Micro-USB-Kabel. Features 32 GB Hochleistungs-MicroSD-Karte 5 V/4 A Netzteil mit 2,1 mm DC Hohlstecker 2-poliger Jumper Raspberry Pi Kameramodul V2 Micro-B-zu-Typ-A-USB-Kabel mit aktivierter DATA-Funktion

    € 62,95

    Mitglieder € 56,66

  • Waveshare Jetson Orin Nano AI Development Kit - Elektor

    Waveshare Waveshare Jetson Orin Nano AI Development Kit

    Nicht auf Lager

    Dieses AI Edge Computing Development Kit basiert auf dem Jetson Orin Nano Modul und bietet umfangreiche Peripherieschnittstellen wie M.2, DP, USB usw. Dieses Kit enthält außerdem eine vorinstallierte drahtlose Netzwerkkarte AW-CB375NF, die Bluetooth 5.0 und Dualband-WIFI unterstützt, sowie zwei zusätzliche PCB-Antennen für eine schnelle und zuverlässige drahtlose Netzwerkverbindung und Bluetooth-Kommunikation. Technische Daten KI-Leistung 40 TOPS GPU 1024-Kern-GPU mit N-VIDIA Ampere-Architektur und 32 Tensor-Kernen GPU-Frequenz 625 MHz (maximal) CPU Arm Cortex-A78AE v8.2 64-Bit-CPU mit 6 Kernen, 1,5 MB L2 + 4 MB L3 CPU-Frequenz 1,5 GHz (maximal) RAM 8 GB 128-Bit LPDDR5, 68 GB/s Speicher 128 GB NVMe Solid State Drive Stromversorgung 7~15 W PCIE M.2 Key M-Steckplatz mit x4 PCIe Gen3 M.2 Key M-Steckplatz mit x2 PCIe Gen3 M.2 Key E-Steckplatz USB USB Typ-A: 4x USB 3.2 Gen2 USB Typ-C (UFP) CSI-Kamera 2x MIPI CSI-2 Kameraanschluss Videokodierung 1080p30 wird von 1–2 CPU-Kernen unterstützt Videodekodierung 1x 4K60 (H.265) 2x 4K30 (H.265) 5x 1080p60 (H.265) 11x 1080p30 (H.265) Anzeige 1x DisplayPort 1.2 (+MST)-Anschluss Schnittstellen 40-Pin-Erweiterungs-Header (UART, SPI, I²S, I²C, GPIO), 12-Pin-Tasten-Header, 4-Pin-Lüfter-Header, DC-Stromanschluss Netzwerk 1x GbE-Anschluss Abmessungen 103 x 90,5 x 34 mm Lieferumfang Waveshare Orin Nano Development Kit 1x Jetson Orin Nano Modul (8 GB) 1x JETSON-ORIN-IO-BASE 1x Lüfter 1x 128 GB NVMe Solid State Drive (montiert) 1x WLAN-Netzwerkkarte (montiert) 1x USB-A auf Typ-C-Kabel (1 m) 1x Ethernet-Kabel (1,5 m) 1x Jumper 1x Netzteil (EU) Dokumentation Wiki

    Nicht auf Lager

    € 799,00

    Mitglieder € 719,10

  • reComputer J3010 – Edge AI Device with NVIDIA Jetson Orin Nano (4 GB) - Elektor

    Seeed Studio reComputer J3010 – Edge AI-Gerät mit NVIDIA Jetson Orin Nano (4 GB)

    Der reComputer J3010 ist ein kompaktes und leistungsstarkes Edge-KI-Gerät, das auf dem NVIDIA Jetson Orin Nano basiert und eine beeindruckende KI-Leistung von 20 TOPS liefert – bis zu 40 mal schneller als der Jetson Nano. Es ist mit Jetpack 5.1.1 vorinstalliert und verfügt über eine 128-GB-SSD, 4x USB 3.2-Anschlüsse, HDMI, Gigabit-Ethernet und ein vielseitiges Trägerboard mit M.2 Key E für WLAN, M.2 Key M für SSD, RTC, CAN und ein 40-Pin GPIO Header. Anwendungen KI-Videoanalyse Machine Vision Robotik Technische Daten Jetson Orin Nano System-on-Module KI-Leistung reComputer J3010, Orin Nano 4 GB (20 TOPS) GPU GPU mit NVIDIA-Ampere-Architektur und 512 Kernen und 16 Tensor-Kernen (Orin Nano 4 GB) CPU Arm Cortex-A78AE v8.2 64-Bit-CPU mit 6 Kernen, 1,5 MB L2 + 4 MB L3 Speicher 4 GB 64-Bit LPDDR5 34 GB/s (Orin Nano 4 GB) Video-Encoder 1080p30 wird von 1–2 CPU-Kernen unterstützt Video-Decoder 1x 4K60 (H.265) | 2x 4K30 (H.265) | 5x 1080p60 (H.265) | 11x 1080p30 (H.265) Carrier Board Speicher M.2 Key M PCIe (M.2 NVMe 2280 SSD 128 GB enthalten) Netzwerk Ethernet 1x RJ-45 Gigabit Ethernet (10/100/1000M) M.2 Key E 1x M.2 Key E (vorinstalliertes 1x Wi-Fi/Bluetooth-Kombimodul) I/O USB 4x USB 3.2 Typ-A (10 Gbit/s)1x USB 2.0 Typ-C (Gerätemodus) CSI-Kamera 2x CSI (2-spurig, 15-polig) Display 1x HDMI 2.1 Lüfter 1x 4-poliger Lüfteranschluss (5 V PWM) CAN 1x CAN Multifunktionsanschluss 1x 40-Pin-Erweiterungs-Header 1x 12-Pin-Steuerung und UART-Header RTC RTC 2-polig, unterstützt CR1220 (nicht im Lieferumfang enthalten) Stromversorgung 9-19 V DC Mechanisch Abmessungen 130 x 120 x 58,5 mm (mit Gehäuse) Installation Desktop, Wandmontage Betriebstemperatur −10°C~60°C Lieferumfang 1x reComputer J3010 (System installiert) 1x Netzteil (12 V / 5 A) Downloads reComputer J301x Datasheet NVIDIA Jetson Devices and carrier boards comparisions reComputer J401 schematic design file reComputer J3010 3D file

    € 699,00

    Mitglieder € 629,10

  • reComputer J1020 v2 – Edge AI Device with NVIDIA Jetson Nano (4 GB) - Elektor

    Seeed Studio reComputer J1020 v2 – Edge AI-Gerät mit NVIDIA Jetson Nano (4 GB)

    Der reComputer J1020 v2 ist ein kompaktes Edge-KI-Gerät mit NVIDIA Jetson Nano 4 GB, das 0,5 TFLOPs KI-Leistung liefert. Es verfügt über ein robustes Aluminiumgehäuse mit passivem Kühlkörper und ist mit JetPack 4.6.1 vorinstalliert. Das Gerät verfügt über 16 GB integrierten eMMC-Speicher und bietet 2x SCI, 4x USB 3.0, M.2 Key M, HDMI und DP. Anwendungen Computer Vision Maschinelles Lernen Autonomer mobiler Roboter (AMR) Technische Daten Jetson Nano 4 GB System-on-Modul KI-Leistung Jetson Nano 4 GB (0,5 TOPS) GPU NVIDIA Maxwel-Architektur mit 128 NVIDIA CUDA Kernen CPU Quad-Core ARM Cortex-A57 MPCore-Prozessor Speicher 4 GB 64-Bit LPDDR4 25,6 GB/s Video-Encoder 1x 4K30 | 2x 1080p60 | 4x 1080p30 | 4x 720p60 | 9x 720p30 (H.265 & H.264) Video-Decoder 1x 4K60 | 2x 4K30 | 4x 1080p60 | 8x 1080p30 | 9x 720p60 (H.265 & H.264) Carrier Board Speicher 1x M.2 Key M PCIe Netzwerk Ethernet 1x RJ-45 Gigabit Ethernet (10/100/1000M) I/O USB 4x USB 3.0 Typ-A1x Micro-USB-Anschluss für den Gerätemodus CSI-Kamera 2x CSI (2-spurig, 15-polig) Display 1x HDMI Typ A; 1x DP Lüfter 1x 4-poliger Lüfteranschluss (5 V PWM) CAN 1x CAN Multifunktionsanschluss 1x 40-Pin-Erweiterungs-Header 1x 12-Pin-Steuerung und UART-Header Stromversorgung DC 12 V/2 A Mechanisch Abmessungen 130 x 120 x 50 mm (mit Gehäuse) Installation Desktop, Wandmontage Betriebstemperatur −10°C~60°C Lieferumfang reComputer J1020 v2 (System installiert) 12 V/2 A Netzteil (mit 5 wechselbaren Adaptersteckern) Downloads reComputer J1020 v2 datasheet reComputer J1020 v2 3D file Seeed NVIDIA Jetson Product Catalog NVIDIA Jetson Device and Carrier Boards Comparison

    € 369,00

    Mitglieder € 332,10

  • Waveshare Jetson Nano Development Kit Lite - Elektor

    Waveshare Waveshare Jetson Nano Development Kit Lite

    Das Waveshare Jetson Nano Developer Kit basiert auf den KI-Computern Jetson Nano (mit 16 GB eMMC) und Jetson Xavier NX. Es bietet nahezu die gleichen I/O-Anschlüsse, die gleiche Größe und Höhe wie das Jetson Nano Developer Kit (B01), wodurch ein Upgrade des Kernmoduls besonders einfach wird. Dank der Leistungsfähigkeit des Kernmoduls eignet es sich für Bereiche wie Bildklassifizierung, Objekterkennung, Segmentierung, Sprachverarbeitung usw. und kann in verschiedenen KI-Projekten eingesetzt werden. Technische Daten GPU 128-core Maxwell CPU Quad-Core ARM A57 bei 1,43 GHz RAM 4 GB 64-Bit LPDDR4 25,6 GB/s Speicher 16 GB eMMC + 64 GB TF-Karte Video-Encoder 250 MP/s 1x 4K @ 30 (HEVC) 2x 1080p @ 60 (HEVC) 4x 1080p @ 30 (HEVC) Video-Decoder 500 MP/s 1x 4K @ 60 (HEVC) 2x 4K @ 30 (HEVC) 4x 1080p @ 60 (HEVC) 8x 1080p @ 30 (HEVC) Kamera 1x MIPI CSI-2 D-PHY-Lanes Konnektivität Gigabit Ethernet, M.2 Key E-Erweiterungsanschluss Display HDMI USB 1x USB 3.2 Gen 1 Typ A 2x USB 2.0 Typ A 1x USB 2.0 Micro-B Schnittstellen GPIO, I²C, I²S, SPI, UART Abmessungen 100 x 80 x 29 mm Lieferumfang 1x JETSON-NANO-LITE-DEV-KIT (Carrier + Nano + Kühlkörper) 1x AC8265 Dual-Mode NIC 1x Lüfter 1x USB-Kabel (1,2 m) 1x Ethernet-Kabel (1,5 m) 1x 5 V/3 A Netzteil (EU) 1x 64 GB TF-Karte 1x Kartenleser Dokumentation Wiki

    € 269,00

    Mitglieder € 242,10

Login

Passwort vergessen?

Sie haben noch kein Konto?
Konto erstellen