Suchergebnisse für "raspi or buffer or 150719 or 2"

MQTT ist ein leichtgewichtiges, ereignis- und nachrichtenorientiertes Protokoll zur effizienten und asynchronen Kommunikation zwischen Geräten auch über limitierte Netzwerke. Das bereits 1999 von IBM entwickelte Protokoll eignet sich heute in besonderer Weise für Internet-of-Things-Anwendungen. Im Gegensatz zu HTTP mit Request/Response-Verfahren ist bei MQTT eine Publish/Subscribe-Architektur umgesetzt. Es stehen mittlerweile zahlreiche MQTT-Broker und -Clients zur Verfügung. Aufgrund der Unterstützung durch die Eclipse Foundation, IBM und vieler anderer stehen zahlreiche Komponenten kostenlos im Internet zur Verfügung. Client-Bibliotheken gibt es für die unterschiedlichsten Plattformen und Programmiersprachen. Unterstützt werden u. a. die PC-Plattform mit Java und .Net sowie Arduino und Raspberry Pi. Das MQTT-Praxisbuch führt Schritt für Schritt in die praktische Arbeit mit diesem ressourcensparenden Protokoll ein. Dabei widmet der Autor Walter Trojan dem Thema IoT-Sicherheit ein ausführliches Kapitel. Anhand von abgeschlossenen Projekten zum Nachbauen stellt der Autor in beeindruckender Weise die praktische Bedeutung des MQTT-Protokolls in modernen IoT-Anwendungen dar: MQTT auf ESP8266 MQTT mit Arduino-IDE MQTT-Benchmarks MQTT auf dem Raspberry Pi Flow-Programmierung mit Node-RED Boss aller Automaten: openHAB Projekt Gewächshaus mit automatisierter Beleuchtung, Bewässerung, Temperaturregelung sowie Luft- und Erdfeuchtigkeitsmessung

Lesen (+) (–)

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. What to expect This Elektor edition guest-edited by Edge Impulse explores the edge AI workflow, from data collection and model training to deployment and optimization: End-to-End Edge AIA hands-on object detection series that walks through the complete machine learning pipeline on embedded hardware. High-Resolution, High-Speed Object Counting (Nvidia Jetson Nano, TensorRT)Pushing inference speed and precision for visual counting applications. PCB Defect Detection with Computer Vision (Raspberry Pi)Smarter manufacturing through embedded vision. Smart Building Ventilation with Sensor FusionAI-powered environmental optimization for energy efficiency. Analog Meter Reading (Arduino Nicla Vision)A TinyML approach to automating analog infrastructure. Smart Appliance Control Using Voice Commands (Nordic Thingy:53)Speech recognition at the edge. Liquid Classification with TinyML (Seeed Wio Terminal + TDS Sensor)Combining IoT sensing and embedded ML for fluid analysis. Surgery Inventory Object DetectionApplying real-time vision to healthcare logistics. Plus, the magazine includes exclusive interviews with: Edge Impulse co-founders Zach Shelby and Jan Jongboom; Qualcomm Technologies VP of product management Manny Singh; and EDGE AI FOUNDATION CEO Pete Bernard. Also included are a Tech the Future essay titled "AI at the Edge: Powering the Next Generation of Devices," an Industry Case Study on GlobalSense, and more. Contents What the Heck Is Edge AI Anyway?Bringing Intelligence to the Device Meet Edge Impulse StudioEasily Build and Deploy Edge AI Models Keyword Spotting with Edge ImpulseCollect, Train, and Deploy Smart Appliance Control Using Voice Commands with the Nordic Thingy:53 Key Terms for Understanding Edge AI and Machine Learning Crash Course: Getting Started with Edge ImpulseLearn to Collect, Train, and Deploy an ML Model with the Arduino Nano 33 BLE Sense A New Chapter for ArduinoFrom Hobby Board to Edge Computing Powerhouse Getting Started with Object Detection on Edge Devices PCB Defect DetectionComputer Vision with Raspberry Pi Scaling AI to the Smallest Devices Optimizing Power Efficiency in Battery-Driven Edge AI Devices AI ToasterWhen Edge AI Meets Breakfast Thundercomm Rubik Pi 3Raspberry Pi Familiarity Meets Edge AI Leadership, Embedded ML, and the Edge Revolution Vision Language Models for the EdgeCascading Models for Better Reliability Get to Know Edge ImpulseQuestions from the Elektor Community Project Update #5: ESP32-Based Energy MeterUsing Edge AI to Recognize Household Loads Motion Recognition with Anomaly DetectionAn End-to-End Tutorial Smart Ventilation System: Fusing Sound and Environmental DataA Dual-MCU Machine Learning Approach for Automated Window and Louver Control Bringing Voice Control to Earbuds and Headsets AI at the Edge: Powering the Next Generation of Devices

Lesen (+) (–)

This is the second edition of a book aimed at engineers, scientists, and hobbyists who want to interface PCs with hardware projects using graphical user interfaces. Desktop and web-based applications are covered. The programming language used is Python 3, which is one of the most popular languages around: speed of programming being a key feature. The book has been revised and updated with an emphasis on getting the user to produce practical designs with ease – a text editor is all that is required to produce Python programs. Hardware interfacing is achieved using an Arduino Uno as a remote slave. A full description and source code of the communication interface is given in the book. The slave provides digital and analog input and outputs. Multiple Unos can be included in one project with all control code written in Python and running on a PC One project involves a PIC microcontroller with the code provided that can be loaded into the PIC using the Uno. The web applications and server are all implemented in Python, allowing you to access your electronic hardware over the Internet. The Raspberry Pi computer can be used as your web server. An introductory chapter is provided to get you started with using Linux. The book is written for use with Debian or variations including Mint or Ubuntu. All of the programs in the book are freely available, ready to use and experiment with by way of a download from Elektor.

Lesen (+) (–)

Le téléchargement intégral de ce numéro est disponible pour nos membres GOLD et GREEN sur le site Elektor Magazine ! Pas encore membre ? Cliquez ici. qu’est-ce que l’edge AI ?L’IA, intégrée à l’appareil découvrez Edge Impulse StudioConcevez et déployez facilement des modèles d’IA en périphérie détection de mots-clés avec Edge ImpulseCollecter, entraîner et déployer contrôle d’appareils par commande vocale avec le Nordic Thingy:53 Termes clés pour comprendre l’edge AI et le machine learning cours accéléré : démarrez avec Edge ImpulseApprenez à collecter, entraîner et déployer un modèle ML avec l’Arduino Nano 33 BLE Sense un nouveau chapitre pour ArduinoD’une carte pour amateurs à une plateforme d’edge computing premiers pas avec la détection d’objets sur des appareils edge détection de défauts sur circuits imprimésVision par ordinateur avec Raspberry Pi adapter l’IA aux appareils les plus compacts optimiser l’efficacité énergétique des appareils edge AI alimentés sur batterie grille-pain intelligentL’IA qui reconnaît le toast parfait Thundercomm Rubik Pi 3Raspberry Pi et l’edge AI, enfin réunis Leadership, ML embarqué et révolution de l’IA en périphérie modèles vision-langage en périphérieCascade de modèles pour une meilleure fiabilité découvrez Edge ImpulseQuestions de la communauté Elektor mise à jour du projet n°5 : Compteur d’énergie ESP32Utiliser l’Edge AI pour identifier les charges domestiques reconnaissance de mouvements avec détection d’anomaliesUn tutoriel détaillé système de ventilation intelligent : fusion des données sonores et environnementalesUtilisation d’un microcontrôleur double-cœur et du ML pour l’automatisation des fenêtres et persiennes intégrer la commande vocale aux écouteurs et aux casques l'IA en périphérie : au cœur des appareils de demain

Lesen (+) (–)

Elektor GREEN en GOLD leden kunnen deze uitgave hier downloaden. Nog geen lid? Klik hier om een lidmaatschap af te sluiten. Wat is Edge-AI nu eigenlijk?Intelligentie naar het apparaat brengen Maak kennis met Edge Impulse StudioEenvoudig Edge-AI modellen bouwen en implementeren Keyword spotting met Edge ImpulseVerzamelen, trainen en implementeren Slimme apparaten bedienen via spraakbesturing met de Nordic Thingy:53 Sleutelbegrippen voor het begrijpen van Edge AI en Machine Learning Snelcursus: Aan de slag met Edge ImpulseLeer een ML-model te verzamelen, trainen en implementeren met de Arduino Nano 33 BLE Sense Een nieuw hoofdstuk voor ArduinoVan hobbyboard tot Edge computing-krachtpatser Aan de slag met objectdetectie op edge-apparaten Detectie van defecten op printplatenComputer Vision met de Raspberry Pi AI op maat maken voor de kleinste apparaten Optimalisatie van het energieverbruik in batterijgevoede Edge-AI apparaten AI ToasterWanneer Edge-AI en ontbijt samenkomen Thundercomm Rubik Pi 3Raspberry Pi ervaring in combinatie met Edge AI Leiderschap, Embedded ML en de Edge-revolutie Vision language models voor EdgeModel-cascadering voor betere betrouwbaarheid Maak kennis met Edge ImpulseVragen van de Elektor-community Projectupdate #5: Energiemeter op basis van ESP32Edge-AI gebruiken voor herkenning van huishoudelijke verbruikers Bewegingsherkenning met anomalie-detectieEen uitgebreide training Slim ventilatiesysteem: integratie van geluids- en omgevingsgegevensEen machine learning toepassing met dubbele MCU voor geautomatiseerde bediening van ramen en lamellen Spraakbesturing voor oordopjes en headsets Edge-AI: de volgende generatie apparaten mogelijk maken

Lesen (+) (–)