SparkFun MicroMod Trägerplatine für maschinelles Lernen

  • HerstellerSparkFun

Beschreibung

Spracherkennung, Always-on-Sprachbefehle, Gesten- oder Bilderkennung sind mit TensorFlow-Anwendungen möglich. Die Cloud ist beeindruckend robust, aber die ständige Verbindung erfordert Strom und Konnektivität, die möglicherweise nicht verfügbar sind. Edge Computing übernimmt diskrete Aufgaben wie die Feststellung, ob jemand "Ja" gesagt hat, und reagiert entsprechend. Die Audioanalyse wird auf der MicroMod-Kombination und nicht im Web durchgeführt. Dadurch werden Kosten und Komplexität drastisch reduziert und gleichzeitig potenzielle Datenlecks begrenzt.

Das Board verfügt über zwei MEMS-Mikrofone (eines mit PDM-Schnittstelle, eines mit I2S-Schnittstelle), einen 3-Achsen-Beschleunigungsmesser ST LIS2DH12, einen Anschluss für eine Kamera (separat erhältlich) und einen Qwiic-Anschluss. Ein moderner USB-C-Anschluss macht die Programmierung einfach und wir haben den JTAG-Anschluss für fortgeschrittene Anwender freigelegt, die lieber die Leistung und Geschwindigkeit professioneller Tools nutzen möchten. Wir haben sogar einen praktischen Jumper hinzugefügt, um den Stromverbrauch für Tests mit geringem Stromverbrauch zu messen. 

Features

  • M.2 MicroMod Keyed-E H4,2mm 65 Pins SMD Stecker 0,5mm
  • Digitales I2C MEMS-Mikrofon PDM Invensense ICS-43434 (COMP)
  • Digitales PDM-MEMS-Mikrofon PDM Knowles SPH0641LM4H-1 (IC)
  • ML414H-IV01E Lithium-Batterie für RTC
  • ST LIS2DH12TR Beschleunigungssensor (3-Achsen, Ultra-Low-Power)
  • 24 Pin 0,5mm FPC Stecker (Himax Kameraanschluss)
  • USB - C
  • Qwiic-Anschluss
  • MicroSD-Buchse
  • Phillips #0 M2.5x3mm Schraube enthalten
Produktformular

Spracherkennung, Always-on-Sprachbefehle, Gesten- oder Bilderkennung sind mit TensorFlow-Anwendungen möglich. Die Cloud ist beeindruckend robust, aber die ständige Verbindung erfordert Strom... Weiterlesen

Keine Bewertungen

€ 24,95 inkl. MwSt.
Mitglieder € 22,46

      Details

      SKU: 19589
      EAN: DEV-16400

      Beschreibung

      Spracherkennung, Always-on-Sprachbefehle, Gesten- oder Bilderkennung sind mit TensorFlow-Anwendungen möglich. Die Cloud ist beeindruckend robust, aber die ständige Verbindung erfordert Strom und Konnektivität, die möglicherweise nicht verfügbar sind. Edge Computing übernimmt diskrete Aufgaben wie die Feststellung, ob jemand "Ja" gesagt hat, und reagiert entsprechend. Die Audioanalyse wird auf der MicroMod-Kombination und nicht im Web durchgeführt. Dadurch werden Kosten und Komplexität drastisch reduziert und gleichzeitig potenzielle Datenlecks begrenzt.

      Das Board verfügt über zwei MEMS-Mikrofone (eines mit PDM-Schnittstelle, eines mit I2S-Schnittstelle), einen 3-Achsen-Beschleunigungsmesser ST LIS2DH12, einen Anschluss für eine Kamera (separat erhältlich) und einen Qwiic-Anschluss. Ein moderner USB-C-Anschluss macht die Programmierung einfach und wir haben den JTAG-Anschluss für fortgeschrittene Anwender freigelegt, die lieber die Leistung und Geschwindigkeit professioneller Tools nutzen möchten. Wir haben sogar einen praktischen Jumper hinzugefügt, um den Stromverbrauch für Tests mit geringem Stromverbrauch zu messen. 

      Features

      • M.2 MicroMod Keyed-E H4,2mm 65 Pins SMD Stecker 0,5mm
      • Digitales I2C MEMS-Mikrofon PDM Invensense ICS-43434 (COMP)
      • Digitales PDM-MEMS-Mikrofon PDM Knowles SPH0641LM4H-1 (IC)
      • ML414H-IV01E Lithium-Batterie für RTC
      • ST LIS2DH12TR Beschleunigungssensor (3-Achsen, Ultra-Low-Power)
      • 24 Pin 0,5mm FPC Stecker (Himax Kameraanschluss)
      • USB - C
      • Qwiic-Anschluss
      • MicroSD-Buchse
      • Phillips #0 M2.5x3mm Schraube enthalten

      Kürzlich angesehene Produkte

      Login

      Passwort vergessen?

      Sie haben noch kein Konto?
      Konto erstellen