Suchergebnisse für "embedded in embedded"

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. PbMonitor v2.0 UpdateBattery Monitoring with Improved Analog Design Audio Latency MeasurementA Standalone Tool for Evaluating Errors and Latency in Audio Transmission Square Wave vs. Bode PlotChecking the Performances of an Audio Device embedded world 2026 Clever Coding with AIAI in Software Development for Electronics Engineers QA403 Audio AnalyzerAffordable Precision for Audio Professionals and Hobbyists EasyGimbalAutonomous Camera Tracking with AI, Stepper and Servo Motors Sigfox Breakout Board (2)Sending Messages Circuit ProtectionControlling Overvoltages with TVS Diodes Emerging Battery Testing ApproachesA New Era of Diagnostics AudiotronicsA First Preamplifier CANopenTermAn Open-Source Tool That Brings CAN to Makers and Engineers Alike Stabilization of Operational AmplifiersAvoiding Feedback Instability Err-lectronicsCorrections, Updates, and Readers’ Letters Signal ConditioningTips and Tricks to Fit Voltage Ranges TDR Attachment for OscilloscopesLength, Short Circuit, Mismatch: Measure Cables Using Reflections! From Life's ExperienceLED It Be Speaker Oscillator and Resonance TesterA Fully Experimental Project for Your Speakers Elektor Community Perspectives on Test and Measurement ESP32 Audio Transceiver Board (Part 5)Audio Processing and Remote Control 2026: An AI OdysseyAI Has a Context Problem Battery Storage for Balcony Power PlantsSmall Batteries, Big Impact

Lesen (+) (–)

Die FNIRSI DLA-Serie kombiniert leistungsstarke USB-3.0-Logikanalyse mit flexibler Mehrkanal-Signalerfassung für das Debugging und die Analyse digitaler Schaltungen und eingebetteter Systeme. Die Serie ist in zwei Ausführungen erhältlich: als DLA-16 Plus mit 16 digitalen Kanälen und als DLA-32 Plus mit 32 digitalen Kanälen. Beide Modelle bieten Abtastraten von bis zu 1 GSa/s, 4 Gbit internen Speicher sowie Unterstützung für über 120 Protokoll-Decoder. Dank der Erfassungsmodi "Buffer", "Stream" und "Roll" eignen sie sich sowohl für die Hochgeschwindigkeits-Signalanalyse als auch für die Langzeitüberwachung. Entscheiden Sie sich für das DLA-16 Plus, wenn Sie bei Nutzung aller Kanäle höhere Abtastraten benötigen, oder für das DLA-32 Plus, wenn Sie mehr Kanäle sowie erweiterte serielle und parallele Triggerfunktionen benötigen. Features Erhältlich mit 16 oder 32 digitalen Eingangskanälen Abtastrate bis zu 1 GSa/s DLA-16 Plus: bis zu 500 MSa/s bei allen 16 Kanälen DLA-32 Plus: bis zu 250 MSa/s bei allen 32 Kanälen 4 Gbit interner Speicher High-Speed-USB-3.0-Schnittstelle Erfassungsmodi: Buffer, Stream und Roll Unterstützung für über 120 Protokoll-Decoder Erweiterte Trigger-Optionen 4 PWM-Ausgänge mit einem Frequenzbereich von 1 Hz bis 20 MHz Datenexport im CSV- und BIN-Format Technische Daten DLA-16 Plus DLA-32 Plus Digitale Kanäle 16 32 Max. Abtastrate 1 GSa/s Abtastrate (1 Kanal) 1 GSa/s Abtastrate (8 Kanäle) 1 GSa/s Max. Buffer Abtastrate 16 Kanäle bei 500 MSa/s 32 Kanäle bei 250 MSa/s Max. Stream Abtastrate 16 Kanäle bei 125 MSa/s 32 Kanäle bei 50 MSa/s Hardware-Speicher 4 Gbit Schnittstelle USB 3.0 / USB-C Max. USB-Übertragungsrate 5 Gbit/s Erfassungsmodi Puffer / Stream / Roll Protokoll-Decoder Über 120 Unterstützung für benutzerdefinierte Protokolle Ja Trigger-Modi Steigende Flanke, fallende Flanke, High, Low, beliebige Flanke Erweiterter Trigger Standard-Triggerung Seriell und parallel Parallele Trigger-Stufen – Bis zu 16 PWM-Ausgänge 4 PWM-Ausgangsspannung 3,3 V PWM-Frequenz 1 Hz–20 MHz Datenexport CSV, BIN Abmessungen 90 x 81 x 11,5 mm Lieferumfang 1x FNIRSI DLA-16/32 Plus Logic Analyzer 4 Sets à 5 abgeschirmte Kabel 18x Mini-IC-Prüfklemmen (High-End-Ausführung) 1x USB 3.0 Datenkabel 10x IC-Prüfklemmen 1x Transparente Aufbewahrungsbox für Prüfklemmen 1x Aufbewahrungstasche 1x Manual Downloads Manual Software for Windows Software for macOS (Apple Silicon) Software for macOS (Intel)

Lesen (+) (–)

Diese Ausgabe steht allen GOLD- und GREEN-Mitgliedern auf der ElektorMagazine-Website zum Download bereit! Sind Sie noch kein Mitglied? Hier klicken! Cloc 2.0 Der Wecker, den Sie sich schon immer gewünscht haben Raspberry Pi Pico: PIO in der Praxis Experimente mit dem Programmable I/O des RP2040 ChipTweaker des armen Mannes Billige Wege, sie zum Sprechen zu bringen Echter Zufallszahlen-Generator mit USB Zwei PICs zum Preis von einem AVR Pimp mein Mikrofon ... Pegelanhebung selbst gebaut FFT mit Maixduino Frequenzspektren erfassen Aus dem Leben gegriffen Entwurfslogik (oder Un-Logik) Schrittmotor-Treiber UCN5804 Bemerkenswerte Bauteile Schaltungssimulation mit Micro-Cap Erste Schritte in einer komplizierten Welt Der PAUL Award 2022 Junge Techniktalente und ihre kreativen Lösungen Mein erstes Software-definiertes Radio Gebaut in weniger als 15 Minuten Mikrocontroller-Dokumentation verstehen Teil 1: Aufbau einer Dokumentation KI und integrierte Systeme – Was kommt als Nächstes? Werkzeuge, Plattformen und das Ende der Textarbeiter Digitalisierung der vertikalen Landwirtschaft Infografik: Embedded und KI, heute und morgen Einführung in TinyML Fallstudie KwickPOS High-Performance in jeder Klasse Computer-on-Module-Standards Aller Anfang... muss nicht schwer sein: Werden wir aktiv! I²C-Kommunikation mit Node.js und einem Raspberry Pi Sehen Sie Ihre Sensordaten in einem Browser Videoausgabe mit Mikrocontrollern Teil 2: VGA- und DVI-Ausgabe Das Echtzeit-Betriebssystem Metronom Ein RTOS für AVR-Prozessoren DVI auf dem RP2040 Ein Interview mit Luke Wren, Chip-Entwickler bei Raspberry Pi Anzeige HAT Mini Zeigt die Leistung auf dem Raspberry Pi WEEF 2022 Awards: Feiern Sie das Gute! Hexadoku

Lesen (+) (–)

Build Your Own RISC-V ControllerFirst Steps with the NEORV32 RISC-V Softcore for Low-Cost FPGAs How to Use Arduino’s Serial PlotterPlotting Graphs With Arduino Is Easy CLUE from AdafruitA Smart Solution for IoT Projects Buffer Board for the Raspberry Pi 400Protect the I/Os Raspberry Pi RP2040 Boards Aplenty A Handbook on DIY Electronic Security and EspionageSRAM Heated or Deep-Frozen Component IdentificationTips & Tricks, Best Practices and Other Useful Information DIY Touchless Light Switch Starting out in ElectronicsMatching and Transforming What’s New in Embedded Development?Rust and Keeping IoT Deployments Updated Infographics How the Industrial and Automotive Sectors Will Benefit from 5G Moving Coil RelaysPeculiar Parts, the series HomeLab ToursEverything Revolves Around the Tools... Understanding the Neurons in Neural Networks (Part 4)Embedded Neurons Magnetic Levitation the Very Easy WayThe Third and Most Compact Version PLC Programming with the Raspberry Pi and the OpenPLC ProjectVisualization of PLC Programs with AdvancedHMI From Life's ExperiencePack Up and Leave Under Your RadarMicrocontrollers You Should Know About Monitor and Debug Over the AirA Solution for Arduino, ESP32 and Co. Portable Temperature- and Humidity-Measuring DeviceUsing Ready-Made Modules Lithium Battery Pack RepairSave Money + More Power! GUIs with PythonMeme-Generator Three Questions to Build OnWhy, What, and Who? HexadokuThe Original Elektorized Sudoku

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 (+) (–)

It is becoming important for microcontroller users to quickly learn and adapt to new technologies and architecture used in high performance 32-bit microcontrollers. Many manufacturers now offer 32-bit microcontrollers as general purpose processors in embedded applications. ARM provide 32 and 64-bit processors mainly for embedded applications. These days, the majority of mobile devices including mobile phones, tablets, and GPS receivers are based on ARM technology. The low cost, low power consumption, and high performance of ARM processors makes them ideal for use in complex communication and mixed signal applications. This book makes use of the ARM Cortex-M family of processors in easy-to-follow, practical projects. It gives a detailed introduction to the architecture of the Cortex-M family. Examples of popular hardware and software development kits are described. The architecture of the highly popular ARM Cortex-M processor STM32F107VCT6 is described at a high level, taking into consideration its clock mechanisms, general input/output ports, interrupt sources, ADC and DAC converters, timer facilities, and more. The information provided here should act as a basis for most readers to start using and programming the STM32F107VCT6 microcontroller together with a development kit. Furthermore, the use of the mikroC Pro for ARM integrated development environment (IDE) has been described in detail. This IDE includes everything required to create a project; namely an editor, compiler, simulator, debugger, and device programmer. Although the book is based on the STM32F107VCT6 microcontroller, readers should not find it difficult to follow the projects using other ARM processor family members.

Lesen (+) (–)

Dieses Bundle enthält das AI Fusion Lab Kit mit über 450 Komponenten sowie das Buch Physical AI mit Raspberry Pi und bietet einen umfassenden, praxisnahen Einstieg in KI, Elektronik und Python-Programmierung. Realisieren Sie praxisnahe Projekte, die Computer Vision, Sprachinteraktion, Sensoren, Motoren und Large Language Models miteinander verknüpfen. Das beiliegende Buch führt Sie Schritt für Schritt von der Einrichtung des Raspberry Pi und der Hardware-Steuerung bis hin zu fortgeschrittenen Anwendungen unter Einsatz von OpenCV, MediaPipe, YOLO, OpenAI-Diensten und lokalen Ollama-Modellen. SunFounder AI Fusion Lab Kit für Raspberry Pi (450+ Teile) Das AI Fusion Lab Kit verwandelt einen Raspberry Pi in eine umfassende Plattform zum Erlernen von künstlicher Intelligenz, Elektronik und Python-Programmierung. Es unterstützt die Modelle Raspberry Pi 5, 4B, 3B+, 3B und Zero 2 W sowie gängige KI-Modelle und -Dienste, darunter ChatGPT, Gemini, Grok, DeepSeek, Qwen, Doubao und Ollama. Dank Kamera, Pan-Tilt-HAT, 10-Achsen-Sensormodul, Mikrofon, Lautsprecher und elektronischen Komponenten ermöglicht das Kit den Bau interaktiver KI-Projekte, die Sprache, Bilderkennung, Bewegung und Sensordaten kombinieren. Es eignet sich für Anfänger, Schüler und Studierende, Maker sowie alle, die praktische KI-Anwendungen erkunden möchten. Multimodale KI-Projekte entwickeln Kombinieren Sie große Sprachmodelle (LLMs) mit Spracherkennung, Text-zu-Sprache-Ausgabe, Kamera-Bilderkennung, Sensoren und Breadboard-Schaltungen. Erstellen Sie Projekte, die hören, sprechen, sehen, reagieren und mit ihrer Umgebung interagieren können, während Sie gleichzeitig die Funktionsweise moderner KI-Systeme kennenlernen. KI-Bilderkennung und Objektverfolgung erkunden Nutzen Sie YOLO, OpenCV und MediaPipe, um Objekte, Farben, Gesichter und menschliche Bewegungen zu erkennen und zu verfolgen. Der motorisierte Pan-Tilt-HAT ermöglicht es der Kamera, Zielen automatisch zu folgen, und demonstriert so das Zusammenspiel von Computer Vision und Bewegungssteuerung. Sprach-KI mit dem Fusion HAT+ Das Fusion HAT+ vereinfacht die Hardware-Steuerung durch eine einheitliche Python-Bibliothek und unterstützt das sichere Herunterfahren des Raspberry Pi. Dank des integrierten Mikrofons und Lautsprechers lassen sich problemlos sprachgesteuerte Assistenten und andere KI-Anwendungen für die Mensch-Maschine-Interaktion entwickeln. Kompatibel mit Raspberry Pi 5, 4B, 3B+, 3B und Zero 2 W Unterstützt verschiedene cloudbasierte und lokale KI-Modelle Umfasst Kamera, Pan-Tilt-HAT, 10-DOF-Modul, Mikrofon und Lautsprecher Projekte zu den Themen Sprach-KI, Computer Vision, Sensorik und Elektronik Video-Tutorials, Dokumentation und Beispielcode Buch: Physical AI with Raspberry Pi Anhand des Raspberry Pi und des AI Fusion Lab Kits führt Sie dieses Buch Schritt für Schritt von den Grundlagen der Hardware-Anbindung bis hin zur Entwicklung intelligenter Systeme, die sehen, hören, sprechen und Entscheidungen treffen können. Ob Schüler, Lehrkraft, Maker oder Ingenieur – Sie sammeln wertvolle Erfahrungen durch Projekte, die darauf ausgelegt sind, sowohl Ihr Wissen als auch Ihr Selbstvertrauen zu stärken. Ausgehend von der Systemeinrichtung, der GPIO-Programmierung sowie dem Einsatz von Sensoren, Displays, Motoren und Automatisierungstechniken führt das Buch schrittweise in fortgeschrittene Themen ein, darunter Spracherkennung, Text-zu-Sprache-Synthese, dialogorientierte KI (Conversational AI), Objekterkennung und maschinelles Lernen. Dabei lernen Sie, sprachgesteuerte Geräte, intelligente Assistenten, Kamera-Tracking-Systeme, Lösungen zur Umweltüberwachung sowie KI-gestützte Embedded-Anwendungen zu entwickeln. Entdecken Sie moderne Technologien wie OpenAI-Dienste, lokale Large Language Models (via Ollama), OpenCV, MediaPipe und die Objekterkennung mit YOLO, während Sie praktische Erfahrungen mit realen Anwendungen aus den Bereichen Robotik, Industrieautomatisierung, Smart Devices und autonome Systeme sammeln. Sie erfahren, wie intelligente Software mit Sensoren, Kameras, Motoren und Displays interagieren kann, um Systeme zu schaffen, die auf natürliche Weise auf ihre Umgebung reagieren. Anstatt lediglich Code-Beispiele nachzuahmen, werden Sie dazu ermutigt, zu experimentieren sowie jedes Projekt individuell anzupassen und zu erweitern. Die in diesem Buch vermittelten Techniken und Fähigkeiten bilden eine solide Grundlage für zukünftige Innovationen, Rapid Prototyping, Forschung und Produktentwicklung. Wenn Sie bereit sind, über die klassische Elektronik hinauszugehen und die Zukunft intelligenter Embedded-Systeme zu erkunden, begleitet Sie dieses Buch auf jedem Schritt des Weges. Dieses Bundle enthält: SunFounder AI Fusion Lab Kit for Raspberry Pi (Einzelpreis: 100 €) Buch: Physical AI with Raspberry Pi (Einzelpreis: 45 €) Nicht enthalten Raspberry Pi

Lesen (+) (–)

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. The RISC-V Open-Source Processor Architecture16 Boards and MCUs You Should Know An FPGA-Based Audio Player with Equalizer (1)Mixing Digital Audio with an Arduino MKR Vidor 4000 Laser Head for Pico-Based Sand ClockDrawing with Light Enter the STM32 Edge AI Contest A Multi-Sensor Environmental Monitoring System for PlantsWireless Measurement of Water Supply and Light Conditions Maixduino AI-Powered Automatic DoormanFace Detection with a Camera Embedded Electronics 2024AI Is Set to Redefine the Industry Charge-Based In-Memory Compute at EnCharge AI AI Inferencing at 10 Times Lower Power and 20 Fold Lower Cost Click Board Helps Develop and Train ML Models for Vibration Analysis The Elektor Mini-WheelieA Self-Balancing Robot Kit MCU, I See YouMCUViewer Open-Source Multiplatform Debugging Tool USB 2.0 IsolatorElectrically Isolated Connections for USB Devices Intervention Before DamagePredictive Maintenance in Practice SPoE – Electromagnetic CompatibilitySingle-Pair with Power-Over-Ethernet Through the Eyes of EMC Color TV: A Wonder of Its TimeCreating a New World ECG Graph MonitoringAn Implementation with Hexabitz Modules and an STM32CubeMonitor The Battle for AI at the Edge HaLow Hits Record 16-km Wi-Fi Distance at 900 MHz First CHERI RISC-V Embedded Chip and Early Access Programme Third-Generation Wildfire Detection Uses Satellite Links From Life’s ExperienceChoice Overload Starting Out in Electronics……Continues Filtering and Controls Tone Quasi-Analog ClockworkA Remake of an Elektor Classic A Modular Approach to Sensor TestingThe ESP32-S3-Based Sensor Evaluation Board 2025: An AI OdysseyThe Rise of Foundation Models and Their Role in Democratizing AI Raspberry Pi Standalone MIDI Synthesizer (1)Preparing a Platform for Some Edge AI Experiments Err-lectronicsCorrections, Updates, and Readers’ Letters Universal AI RISC-V Processor Does It All — CPU, GPU, DSP, FPGA CEO Interview: Ventiva’s Thin and Cool Tech Dual-Core Programming with a Raspberry Pi PicoVenture Into the World of Parallel Programming

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 (+) (–)

With Examples for Raspberry Pi Pico and ESP32 Creating and programming small electronic systems is now easier than ever before. With inexpensive development boards and modern software tools, anyone curious about embedded design can quickly move from an idea to a working piece of hardware. At the heart of this change is MicroPython—a clear, interactive, and beginner-friendly way to program microcontrollers while still remaining closely connected to the underlying electronics. This book introduces embedded programming through MicroPython on popular platforms such as the Raspberry Pi Pico and the ESP32. You will discover how to use microcontrollers for reading inputs, processing data, and controlling outputs in a predictable, real-time loop. With just a few lines of code, you can blink LEDs, read sensors, drive motors, and communicate with the outside world. The interactive REPL programming interface encourages experimentation and fast learning, making concepts tangible from the very first chapter. While different boards offer different capabilities, they all share the same core principles. Timers, GPIO, analog I/O, PWM, interrupts, and communication interfaces form the foundation of every embedded system. By focusing on these universal building blocks, this book helps you build skills that transfer across platforms and scale naturally toward more advanced development. Whether you are a beginner or an experienced programmer entering embedded systems, you will find that working with MicroPython is both practical and genuinely enjoyable.

Lesen (+) (–)

Diese Ausgabe steht allen GOLD- und GREEN-Mitgliedern auf der ElektorMagazine-Website zum Download bereit! Sie sind noch kein Mitglied? Hier klicken! OBD2-Sensor-DashboardEchtzeitdaten statt alter Zeigerinstrumente OBD2: Drehzahlmesser und Schaltblitz nachrüstenRetro, aber praktisch LiDAR- und Vision-Sensoren für die Robotik Sensor+Test 2025 und PCIM 2025 Berührungslose E-Feld-MessungenTeil 1. Eine vibrierende Membran zur Erfassung von Gleichspannungen oder statischen elektrischen Feldern Drahtloser Benachrichtigungsdienst für den BriefkastenVon optischen Sensoren bis zu Empfängern: Entdecken Sie verschiedene Optionen Elektor Mini-WheelieEin selbst-balancierender Roboter SolarzellenBemerkenswerte Bauteile Erste Schritte mit einem modernen RadarsensorPräzise Messungen auf Ihrem Radar? Aus dem Leben gegriffenPapierfabrik CybersecuritySchwere Zeiten für Hacker Siglent präsentiert seine neuen Multi-Kanal-OszilloskopeFür den Einsatz in Leistungselektronik und Embedded Design Bluetooth 6.0 verbessert Distance-Ranging-ApplikationenNeue Version bietet bessere Positionsbestimmungs- und Ortungsdienste für Geräte Kommunikation mit dem BeagleY-AI erkunden Projekt 2.0Korrekturen, Updates und Leserbriefe Aller Anfang ...ist nicht schwer: Das Ende der Operationsverstärker Ein mächtiger KI-Code-AssistentCode-Entwicklung mit Continue und Visual Studio Code Solarladeregler mit MPP-TrackingTeil 2: Die Schaltung Hinderniserkennung mit UltraschallEin einfaches Projekt zur Unterstützung von Menschen mit Sehbehinderungen 2025: Odyssee in die KIHalbjahresrückblick Standalone-MIDI-Synthesizer mit Raspberry PiTeil 3. Mit künstlicher Intelligenz und einer Benutzeroberfläche Meshtastic: Ein DemonstrationsprojektIntelligentes Mesh-Netzwerk auf Basis von LoRa-Funkmodulen Analoger Audio-GeneratorSinus-Generator mit einstellbarer Frequenz

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 (+) (–)