Suchergebnisse für "huskylens OR ai OR camera"

A Practical Guide to AI, Python, and Hardware Projects Welcome to your BeagleY-AI journey! This compact, powerful, and affordable single-board computer is perfect for developers and hobbyists. With its dedicated 4 TOPS AI co-processor and a 1.4 GHz Quad-core Cortex-A53 CPU, the BeagleY-AI is equipped to handle both AI applications and real-time I/O tasks. Powered by the Texas Instruments AM67A processor, it offers DSPs, a 3D graphics unit, and video accelerators. Inside this handbook, you‘ll find over 50 hands-on projects that cover a wide range of topics—from basic circuits with LEDs and sensors to an AI-driven project. Each project is written in Python 3 and includes detailed explanations and full program listings to guide you. Whether you‘re a beginner or more advanced, you can follow these projects as they are or modify them to fit your own creative ideas. Here’s a glimpse of some exciting projects included in this handbook: Morse Code Exerciser with LED or BuzzerType a message and watch it come to life as an LED or buzzer translates your text into Morse code. Ultrasonic Distance MeasurementUse an ultrasonic sensor to measure distances and display the result in real time. Environmental Data Display & VisualizationCollect temperature, pressure, and humidity readings from the BME280 sensor, and display or plot them on a graphical interface. SPI – Voltmeter with ADCLearn how to measure voltage using an external ADC and display the results on your BeagleY-AI. GPS Coordinates DisplayTrack your location with a GPS module and view geographic coordinates on your screen. BeagleY-AI and Raspberry Pi 4 CommunicationDiscover how to make your BeagleY-AI and Raspberry Pi communicate over a serial link and exchange data. AI-Driven Object Detection with TensorFlow LiteSet up and run an object detection model using TensorFlow Lite on the BeagleY-AI platform, with complete hardware and software details provided.

Lesen (+) (–)

39 Experiments with Raspberry Pi and Arduino This book is about Raspberry Pi 3 and Arduino camera projects. The book explains in simple terms and with tested and working example projects, how to configure and use a Raspberry Pi camera and USB based webcam in camera-based projects using a Raspberry Pi. Example projects are given to capture images, create timelapse photography, record video, use the camera and Raspberry Pi in security and surveillance applications, post images to Twitter, record wildlife, stream live video to YouTube, use a night camera, send pictures to smartphones, face and eye detection, colour and shape recognition, number plate recognition, barcode recognition and many more. Installation and use of popular image processing libraries and software including OpenCV, SimpleCV, and OpenALPR are explained in detail using a Raspberry Pi. The book also explains in detail how to use a camera on an Arduino development board to capture images and then save them on a microSD card. All projects given in this book have been fully tested and are working. Program listings for all Raspberry Pi and Arduino projects used in this book are available for download on the Elektor website.

Lesen (+) (–)

Diese Ausgabe steht allen GOLD- und GREEN-Mitgliedern auf der ElektorMagazine-Website zum Download bereit! Sie sind noch kein Mitglied? Hier klicken! KI-Sicherheitssystem AlertAlfredMit einem Raspberry Pi 5 plus Hailo-8L-Modul KI in der ElektronikentwicklungEin Update nach nur einem Jahr Einführung in KI-AlgorithmenPrompt: Welche Algorithmen werden in KI-Tools verwendet? Einplatinencomputer für KI-ProjekteÜberblick und Hintergründiges Von Sensordaten zu Modellen des Machine LearningGestenerkennung mit einem Beschleunigungssensor und Edge Impulse Bau eines undichten, integrierenden und Feuer spuckenden NeuronsKünstliche Intelligenz ohne Software ChatGPT für den ElektronikentwurfMacht GPT-4o es besser? KI at the Edge mit dem ESP32-P4 Sprachfunktionen auf dem Raspberry Pi ZeroWenn Übertaktung Sprachanwendungen ermöglicht Die wachsende Rolle von Edge-KIEin Trend, der die Zukunft prägt Die Macht der Edge-KI entfesselnEin Gespräch mit François de Rochebouët von STMicroelectronics Eine VHDL-Uhr, entwickelt mit ChatGPT Die wahren Auswirkungen der KISayash Kapoor über „KI-Schlangenöl“ und mehr Das Neueste von BeagleBoardBeagleY-AI, BeagleV-Fire, BeagleMod, BeaglePlay und BeagleConnect Freedom Moskito-Erkennung mit offenen Daten und Arduino Nicla Vision KI heute und morgenEinblicke von Espressif, Arduino und SparkFun Zeitleiste: Künstliche Intelligenz BeagleY-AIDer neuste Einplatinencomputer für KI-Anwendungen KI im FokusPerspektiven aus der Elektor-Community Maschinelles Sehen mit OpenMVBau eines Limonadendosen-Detektors Ein Gespräch mit dem digitalen VerstandChatGPT vs. Gemini Skilling Me Softly with this Bot?Scheitert die KI-Revolution im elektronischen Bereich an mangelnder sozialer Präzision?

Lesen (+) (–)

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

Lesen (+) (–)

A Practical Guide to AI, Python, and Hardware Projects Welcome to your BeagleY-AI journey! This compact, powerful, and affordable single-board computer is perfect for developers and hobbyists. With its dedicated 4 TOPS AI co-processor and a 1.4 GHz Quad-core Cortex-A53 CPU, the BeagleY-AI is equipped to handle both AI applications and real-time I/O tasks. Powered by the Texas Instruments AM67A processor, it offers DSPs, a 3D graphics unit, and video accelerators. Inside this handbook, you‘ll find over 50 hands-on projects that cover a wide range of topics—from basic circuits with LEDs and sensors to an AI-driven project. Each project is written in Python 3 and includes detailed explanations and full program listings to guide you. Whether you‘re a beginner or more advanced, you can follow these projects as they are or modify them to fit your own creative ideas. Here’s a glimpse of some exciting projects included in this handbook: Morse Code Exerciser with LED or BuzzerType a message and watch it come to life as an LED or buzzer translates your text into Morse code. Ultrasonic Distance MeasurementUse an ultrasonic sensor to measure distances and display the result in real time. Environmental Data Display & VisualizationCollect temperature, pressure, and humidity readings from the BME280 sensor, and display or plot them on a graphical interface. SPI – Voltmeter with ADCLearn how to measure voltage using an external ADC and display the results on your BeagleY-AI. GPS Coordinates DisplayTrack your location with a GPS module and view geographic coordinates on your screen. BeagleY-AI and Raspberry Pi 4 CommunicationDiscover how to make your BeagleY-AI and Raspberry Pi communicate over a serial link and exchange data. AI-Driven Object Detection with TensorFlow LiteSet up and run an object detection model using TensorFlow Lite on the BeagleY-AI platform, with complete hardware and software details provided.

Lesen (+) (–)

A Beginner's Guide to AI and Edge Computing Artificial Intelligence (AI) is now part of our daily lives. With companies developing low-cost AI-powered hardware into their products, it is now becoming a reality to purchase AI accelerator hardware at comparatively very low costs. One such hardware accelerator is the Hailo module which is fully compatible with the Raspberry Pi 5. The Raspberry Pi AI Kit is a cleverly designed hardware as it bundles an M.2-based Hailo-8L accelerator with the Raspberry Pi M.2 HAT+ to offer high speed inferencing on the Raspberry Pi 5. Using the Raspberry Pi AI Kit, you can build complex AI-based vision applications, running in real-time, such as object detection, pose estimation, instance segmentation, home automation, security, robotics, and many more neural network-based applications. This book is an introduction to the Raspberry Pi AI Kit, and it is aimed to provide some help to readers who are new to the kit and wanting to run some simple AI-based visual models on their Raspberry Pi 5 computers. The book is not meant to cover the detailed process of model creation and compilation, which is done on an Ubuntu computer with massive disk space and 32 GB memory. Examples of pre-trained and custom object detection are given in the book. Two fully tested and working projects are given in the book. The first project explains how a person can be detected and how an LED can be activated after the detection, and how the detection can be acknowledged by pressing an external button. The second project illustrates how a person can be detected, and how this information can be passed to a smart phone over a Wi-Fi link, as well as how the detection can be acknowledged by sending a message from the smartphone to your Raspberry Pi 5.

Lesen (+) (–)

Dieses Kameramodul verwendet einen SmartSens SC3336-Sensorchip mit 3 MP-Auflösung. Es zeichnet sich durch hohe Empfindlichkeit, hohes SNR und Leistung bei schwachem Licht aus und ermöglicht einen feineren und lebendigeren Nachtsicht-Bildeffekt und kann sich besser an Änderungen des Umgebungslichts anpassen. Außerdem ist es mit Platinen der Luckfox Pico-Serie kompatibel. Spezifikationen Sensor Sensor: SC3336 CMOS-Größe: 1/2,8" Pixel: 3 MP Statische Auflösung: 2304x1296 Maximale Videobildrate: 30fps Verschluss: Rollladen Linse Brennweite: 3,95 mm Blende: F2.0 Sichtfeld: 98,3° (diagonal) Verzerrung: <33 % Fokussierung: Manueller Fokus Downloads Wiki

Lesen (+) (–)

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

Lesen (+) (–)

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

Lesen (+) (–)

Der Raspberry Pi 5 verfügt über zwei vierspurige MIPI-Anschlüsse, von denen jeder entweder eine Kamera oder ein Display unterstützen kann. Diese Anschlüsse verwenden dasselbe 22-polige "Mini"-FPC-Format mit 0,5 mm Raster wie das Compute Module Development Kit und erfordern Adapterkabel für den Anschluss an die 15-poligen "Standard"-Anschlüsse mit 1 mm Raster an aktuellen Raspberry Pi Kamera- und Display-Produkten. Diese Mini-zu-Standard-Adapterkabel für Kameras und Displays (beachten Sie, dass ein Kamerakabel nicht mit einem Display verwendet werden sollte und umgekehrt) sind in den Längen 200 mm, 300 mm und 500 mm erhältlich.

Lesen (+) (–)

Der Raspberry Pi 5 verfügt über zwei vierspurige MIPI-Anschlüsse, von denen jeder entweder eine Kamera oder ein Display unterstützen kann. Diese Anschlüsse verwenden dasselbe 22-polige "Mini"-FPC-Format mit 0,5 mm Raster wie das Compute Module Development Kit und erfordern Adapterkabel für den Anschluss an die 15-poligen "Standard"-Anschlüsse mit 1 mm Raster an aktuellen Raspberry Pi Kamera- und Display-Produkten. Diese Mini-zu-Standard-Adapterkabel für Kameras und Displays (beachten Sie, dass ein Kamerakabel nicht mit einem Display verwendet werden sollte und umgekehrt) sind in den Längen 200 mm, 300 mm und 500 mm erhältlich.

Lesen (+) (–)