Ambiq Apollo510B микроконтроллер Edge AI на базе Cortex-M55 со сверхнизким энергопотреблением добавляет поддержку Bluetooth LE 5.4

После выпуска Apollo510 компания Ambiq представила Apollo510B — сверхэнергоэффективный Edge AI MCU, который включает 48 МГц сетевой сопроцессор для поддержки Bluetooth 5.4 LE (BLE). Новый SoC сочетает Cortex-M55 с Helium MVE для ускорения AI/ML, безопасностью secureSPOT 3.0 и графикой graphiqSPOT 2.0 для подключенных носимых устройств, медицинских приборов и промышленных IoT-приложений.

Apollo510B оснащен 3,75 МБ системной оперативной памяти, 4 МБ энергонезависимой памяти и 12-битным АЦП. Он поддерживает интерфейсы MIPI DSI и QuadSPI для дисплеев, а также аппаратное ускорение для сглаживания, альфа-смешивания, текстурирования и сжатия через графический процессор GraphiqSPOT 2.0. Аудиовозможности включают всегда включенный энергоэффективный АЦП, интерфейс стереомикрофона PDM и два многоканальных порта I²S с асинхронным преобразованием частоты дискретизации. Периферийные опции расширяются до USB 2.0 HS/FS, двух контроллеров SDIO/eMMC, нескольких мастеров SPI и I²C, интерфейсов UART с управлением потоком и различных GPIO.

Читать далее «Ambiq Apollo510B микроконтроллер Edge AI на базе Cortex-M55 со сверхнизким энергопотреблением добавляет поддержку Bluetooth LE 5.4»

Платформы для носимых устройств Snapdragon W5+ и W5 Gen 2 получают поддержку спутниковой связи NB-NTN

Qualcomm Snapdragon W5+ и W5 Gen 2 — это новые носимые платформы, добавляющие поддержку спутниковой связи NB-NTN для экстренных случаев к носимым платформам Snapdragon W5+/W5 , представленным в 2022 году и используемым в различных смарт-часах под управлением Wear OS и в модуле Beacon W5 SoM .

Платформы W5+/W5 Gen 2 по-прежнему оснащены четырехъядерным процессором Cortex-A53 с частотой 1,7 ГГц, графическим процессором Adreno A702, сопроцессором машинного обучения AON QCC5100 (только для W5+ Gen 2), интерфейсами MIPI DSI и MIPI CSI, сотовой связью, двухдиапазонным Wi-Fi, Bluetooth 5.3, GNSS и опциональной поддержкой NFC. Основные изменения — поддержка NB-NTN, переход на 3GPP Rel 17 с Cat 1Bis, на 20% (или 30%, в зависимости от источника) уменьшенный RF-фронтенд и на 50% более точный GPS в городских условиях или районах с глубокими каньонами.

Читать далее «Платформы для носимых устройств Snapdragon W5+ и W5 Gen 2 получают поддержку спутниковой связи NB-NTN»

Banana Pi BPI-F4 – промышленная одноплатная система периферийного ИИ на базе SoC Sunplus SP7350 с NPU 4.1 TOPS

Banana Pi BPI-F4 – это компактная плата для разработки промышленного класса периферийного ИИ, построенная на базе четырехъядерного SoC Sunplus SP7350 (Cortex-A55) с нейропроцессором 4.1 TOPS. По сравнению с одноплатной системой BPI-F2S на базе SunPlus SP7021 , новая BPI-F4 поддерживает дополнительные интерфейсы через клеммные колодки и подходит для систем компьютерного зрения, робототехники и управления.

Плата поддерживает загрузку с microSD или встроенной eMMC, оснащена портами USB 3.0/2.0, видеовыходом HDMI, Ethernet и входом MIPI CSI для камеры OV5647. Варианты подключения включают Gigabit Ethernet, Wi-Fi и Bluetooth. Другие особенности: семь клеммных колодок для GPIO, ADC, SPI, I²C, UART и PWM, перемычки для выбора режима питания/USB и автоматической загрузки.

Читать далее «Banana Pi BPI-F4 – промышленная одноплатная система периферийного ИИ на базе SoC Sunplus SP7350 с NPU 4.1 TOPS»

XIAOML Kit с ESP32-S3, камерой, микрофоном и IMU дополняет бесплатную книгу по системам машинного обучения

Комплект XIAOML является одним из наборов для разработки, дополняющих книгу профессора Гарвардского университета Виджая Джанапа Редди « Введение в системы машинного обучения », доступную бесплатно в виде PDF-файла объемом 2050 страниц.

Произведенный Seeed Studio, комплект XIAOML состоит из XIAO ESP32S3 Sense с SoC ESP32-S3 с поддержкой Wi-Fi и Bluetooth, слотом для карт microSD, встроенными OV3660 камерой и микрофоном, а также платой расширения IMU, оснащенной 6-осевым IMU и OLED-дисплеем размером 0,42 дюйма. Комплект позволяет студентам, преподавателям и разработчикам создавать приложения для обработки изображений, звука и движения в рамках tinyML lab сессий, разработанных совместно с Марсело Роваи (UNIFEI).

Читать далее «XIAOML Kit с ESP32-S3, камерой, микрофоном и IMU дополняет бесплатную книгу по системам машинного обучения»

VS Code получает плагин AutoML Embedded для автоматической настройки, развертывания и тестирования производительности моделей.

AutoML for Embedded, разработанный компаниями Analog Devices (ADI) и Antmicro, представляет собой плагин с открытым исходным кодом для Visual Studio Code, работающий совместно с плагином CodeFusion Studio от ADI . Построенный на основе фреймворка Kenning , он автоматизирует весь конвейер машинного обучения, включая поиск моделей, настройку гиперпараметров, оптимизацию, сжатие и развертывание, упрощая разработку edge AI для устройств с ограниченными ресурсами.

Компания указывает, что плагин поддерживает микроконтроллер ADI MAX78002 с AI-ускорителем, MAX32690 MCU, симуляцию на основе Renode и ОСРВ Zephyr. Для автоматического поиска моделей и настройки гиперпараметров используются алгоритмы SMAC и Hyperband, а сжатие и квантование моделей обеспечивают соответствие строгим ограничениям памяти и вычислительных ресурсов. Плагин предлагает встроенное тестирование производительности для скорости вывода, объема памяти и точности, выполняя проверки совместимости по ОЗУ и вычислительным возможностям. Эти функции делают его полезным для классификации изображений, обнаружения аномалий, прогнозирующего обслуживания, NLP и распознавания действий в энергоэффективных IoT и встраиваемых системах.

Читать далее «VS Code получает плагин AutoML Embedded для автоматической настройки, развертывания и тестирования производительности моделей.»

DFRobot FireBeetle 2 ESP32-P4 — это компактная плата с MIPI DSI/CSI, микрофоном, WiFi 6 и разъёмами GPIO

Плата разработчика DFRobot FireBeetle 2 ESP32-P4 оснащена беспроводным модулем ESP32-C6, двумя портами USB-C, разъёмами GPIO, микрофоном, коннекторами MIPI CSI и DSI. Она поставляется с опциональной базовой платой, обеспечивающей лёгкий доступ ко всем вводам/выводам, в составе комплекта разработчика для данной платы.

Как и многие другие платы на ESP32-P4, например ALIENTEK DNESP32P4M , Waveshare ESP32-P4-Module-DEV-KIT или ESP32-P4-Function-EV-Board , в модели DFRobot используется ESP32-C6 для подключения Wi-Fi и Bluetooth. Другие особенности включают поддержку USB 2.0 OTG, разъём для цифрового микрофона, слот для карт microSD, программируемый зуммер, АЦП/ЦАП, а также встроенную микросхему CH343 USB-to-serial для программирования через USB-C. Плата оборудована разъёмами расширения для удобного доступа к вводам/выводам как ESP32-P4, так и C6, что делает её подходящей для компактных AIoT-решений и приложений машинного обучения с низкими требованиями.

Читать далее «DFRobot FireBeetle 2 ESP32-P4 — это компактная плата с MIPI DSI/CSI, микрофоном, WiFi 6 и разъёмами GPIO»

ESP32-Stick-PoE-A-Cam – плата камеры ESP32-S3 с активным PoE, примеры машинного обучения

ESP32 -Stick-PoE-A-Cam(N16R8) — это плата разработки ESP32-S3 с открытым исходным кодом, Ethernet, камерой и активной поддержкой PoE, разработанная для приложений машинного обучения. По сравнению с аналогичными платами, такими как M5Stack M5PoECAM-W V1.1 и Waveshare ESP32-S3-ETH, эта плата имеет 17 используемых GPIO, активный PoE (IEEE 802.3af) с поставляемой мощностью 700 мА, встроенный USB-UART и совместимость по выводам на платах Stick-Cam.

Читать далее «ESP32-Stick-PoE-A-Cam – плата камеры ESP32-S3 с активным PoE, примеры машинного обучения»

LSM6DSV320X от ST – IMU с поддержкой ИИ и двумя MEMS-акселерометрами для детекции активности и ударов

STMicroelectronics представила LSM6DSV320X – компактный инерциальный измерительный модуль (IMU) с поддержкой ИИ, который объединяет 3-осевой цифровой гироскоп, 3-осевой низкочувствительный акселерометр (±16g) и 3-осевой высокочувствительный акселерометр (±320g) в корпусе размером всего 3 x 2,5 мм. Это решение идеально подходит для IoT-устройств с ограниченным пространством, таких как носимые гаджеты, смартфоны, игровые контроллеры, умные метки, средства индивидуальной защиты и промышленные системы мониторинга.

Большинство датчиков движения предназначены либо для отслеживания повседневной активности, либо для детекции резких ударов, но LSM6DSV320X способен выполнять обе задачи. Один акселерометр отслеживает обычные движения с диапазоном до ±16g, а другой обрабатывает высокоударные события до ±320g. Одна из наиболее интересных функций – адаптивная самоконфигурация (ASC), позволяющая динамически настраивать внутренние параметры в зависимости от активности без участия главного процессора, оптимизируя энергопотребление и отзывчивость. Модуль также включает вычислительное ядро машинного обучения (MLC), способное выполнять до восьми деревьев решений, и конечный автомат (FSM) для локального ИИ-вывода с целью контекстного анализа (например, детекции падений или резких движений).

Читать далее «LSM6DSV320X от ST – IMU с поддержкой ИИ и двумя MEMS-акселерометрами для детекции активности и ударов»