آردوینو و رزبری‌پای

من مدتی است که با کامپیوترهای تک بردی و میکروکنترلرها کار می‌کنم، و یک نکته وجود دارد که فهمیدن آن برایم بسیار طول کشید: این‌ها رقیب یکدیگر نیستند، بلکه وقتی با هم کار می‌کنند، عملکرد بهتری دارند. یک آردوئینو برای مدارهای الکترونیکی، حسگرها و اتوماسیون عالی است، در حالی که یک Raspberry Pi وظیفه پردازش‌های سنگین‌تر را بر عهده دارد. با ترکیب این دو، پروژه‌هایی را می‌توانید انجام دهید که هیچ‌کدام به تنهایی قادر به انجام آن‌ها نیستند.

ترکیب مورد علاقه من، یک ایستگاه هواشناسی Home Assistant است. آردوئینو، داده‌های حسگر BME280 را از یک برد نمونه‌سازی می‌خواند، در حالی که Raspberry Pi، نرم‌افزار Home Assistant را اجرا می‌کند، و من این دو را از طریق پروتکل MQTT به هم متصل می‌کنم. این روش ارزان، قابل اعتماد است، و داشبورد، دمای لحظه‌ای و میزان رطوبت را از بالکن من نمایش می‌دهد.

یکی دیگر از پروژه‌هایی که مدام به آن فکر می‌کنم، یک صفحه شطرنج هوشمند است: یک آردوئینو Nano، LEDها و کلیدهای زیر صفحه را کنترل می‌کند، در حالی که Raspberry Pi، موتور شطرنج Stockfish را برای یک حریف هوش مصنوعی اجرا می‌کند. این یک ترکیب جالب از الکترونیک، چاپ سه بعدی و نرم‌افزار است.

اگر به بازی‌های قدیمی علاقه دارید، یک Raspberry Pi می‌تواند یک دستگاه عالی برای شبیه‌سازی بازی‌ها باشد، و یک آردوئینو می‌تواند به یک کنترلر بازی سفارشی برای آن تبدیل شود. من همچنین دیده‌ام که افراد خلاقی، یک قفل درب RFID ساخته‌اند که در آن، Raspberry Pi، پایگاه داده کارت‌ها را ذخیره می‌کند و آردوئینو، وظیفه خواندن کارت و فعال کردن قفل را بر عهده دارد – یک پروژه خانگی واقعاً کاربردی.

اگر تازه شروع کرده‌اید، زیاد فکر نکنید: یک آردوئینو و یک Raspberry Pi دست دوم تهیه کنید و یک پروژه کوچک را از ابتدا تا انتها امتحان کنید. درس‌هایی که می‌گیرید به سرعت انباشته می‌شوند، و قبل از اینکه متوجه شوید، شروع به طراحی پروژه‌های خودتان خواهید کرد.

منبع: XDA Developers

این پروژه که در وبلاگ Maker شرکت Robotistan منتشر شده، مشکلی را حل می‌کند که هرکس از جلسه‌ای به جلسه دیگر می‌رود آن را می‌شناسد: به جای آن‌که مدام تب تقویم را بررسی کنیم یا منتظر اعلان گوشی بمانیم، جلسه بعدی را روی یک صفحه‌نمایش فیزیکی روی میز می‌بینیم.

پروژه از یک نمایشگر ۵٫۰ اینچی ESP32 HMI TFT LCD استفاده می‌کند. روی این نمایشگر از قبل یک میکروکنترلر ESP32-S3، وای‌فای و مدار درایور گرافیکی تعبیه شده، بنابراین نیازی نیست یک ESP32 جدا با سیم‌های جامپر وصل شود. سامانه به وای‌فای وصل می‌شود، رویداد بعدی را از طریق Google Calendar API می‌گیرد و عنوان، ساعت و توضیحات جلسه را روی صفحه ۸۰۰×۴۸۰ نشان می‌دهد. ساعت فعلی از یک سرور NTP گرفته می‌شود. وقتی جلسه جدیدی به تقویم اضافه می‌کنید، لازم نیست به ESP32 دست بزنید، چون دستگاه در فواصل منظم تقویم را بررسی می‌کند و صفحه را خودش به‌روز می‌کند.

صفحه لمسی خازنی است، اما در این نسخه از لمس استفاده نشده و پنل فقط برای نمایش اطلاعات است. این پروژه فقط به الکترونیک و نرم‌افزار محدود نمی‌شود: با باتری لیتیوم‌پلیمری ۳٫۷ ولتی ۱۸۰۰ میلی‌آمپرساعت (1S) کار می‌کند و یک جعبه دیواری چاپ سه‌بعدی هم صفحه و هم باتری را در خود جا می‌دهد. بنابراین پنل را می‌توان به دیوار نصب کرد بی‌آن‌که دائماً به کابل USB وصل باشد. در مرحله توسعه یک برد توسعه ESP32 با ۳۰ پایه هم استفاده شده، اما برای نسخه نهایی ضروری نیست.

چیزی که خوشم می‌آید این است که با قطعات کم، ابزار واقعاً مفیدی برای روزمره ساخته می‌شود. همین ایده را می‌توان برای نمایش برنامه کلاسی مدرسه یا کارگاه هم تطبیق داد. فهرست قطعات کوتاه است و مبتدی‌ها هم می‌توانند بدون دردسر زیاد امتحانش کنند.

منبع: Robotistan Maker

framboise314 در ادامه آزمایش‌هایش با دانگل RTL-SDR V4، مقاله‌ای درباره رمزگشایی APRS روی Raspberry Pi 4 منتشر کرده است. ایده این است که این برد کوچک به یک ایستگاه دریافت رادیوآماتوری تبدیل شود که فرکانس اروپایی VHF یعنی ۱۴۴٫۸۰۰ مگاهرتز را گوش می‌دهد.

مقاله ابتدا توضیح می‌دهد APRS (Automatic Packet Reporting System) چیست. این سامانه اواخر دهه ۱۹۸۰ ساخته شد و از نوع رادیو بسته‌ای است: انفجارهای صوتی بسیار کوتاه با مدولاسیون AFSK با سرعت ۱۲۰۰ باود که در قاب‌های AX.25 بسته‌بندی می‌شوند. از آن برای ردیابی موقعیت، تله‌متری (ایستگاه‌های هواشناسی، وضعیت باتری یک تکرارکننده دورافتاده) و پیام‌های کوتاه استفاده می‌شود. این شبکه به کمک دیجی‌پیترها بدون اینترنت کار می‌کند و iGateها آن را به وب وصل می‌کنند. نویسنده این سامانه را با Meshtastic هم مقایسه می‌کند و می‌گوید تفاوت اصلی آن‌ها در مقررات و فرکانس‌هاست.

از نظر عملی، راه‌اندازی از طریق GQRX که با دقت تنظیم شده، و سپس Dire Wolf انجام می‌شود؛ یک TNC کاملاً نرم‌افزاری که قاب‌ها را رمزگشایی می‌کند. آموزش نصب، مسیریابی صدا از طریق UDP و یک تله کاملاً واقعی را شرح می‌دهد: GQRX به‌طور پیش‌فرض با IPv6 ارسال می‌کند، پس باید جریان داده به IPv4 اجباری شود تا Dire Wolf چیزی دریافت کند. در پایان به یک مشکل سخت‌افزاری هم می‌پردازد: کاهش سرعت پردازنده به خاطر گرما زیر بار پردازش سیگنال، که اگر بخواهید ایستگاه به‌طور مداوم و پایدار کار کند، باید حلش کنید.

لحن نویسنده خوشایند بود؛ کسی که در دهه ۱۹۹۰ با رادیو بسته‌ای کار می‌کرده و حالا با سخت‌افزاری به قیمت چند ده یورو به این فناوری برمی‌گردد. نقطه شروع خوبی برای کسانی که می‌خواهند Raspberry Pi و رادیو را با هم ترکیب کنند.

منبع: Framboise 314

وقتی صحبت از LLM می‌شود، فوراً به چت‌بات‌ها فکر می‌کنیم، اما Needle راه دیگری را در پیش گرفته است. این یک مدل کوچک هوش مصنوعی به حجم فقط ۱۴ مگابایت است که Cactus Compute ساخته و یک وظیفه دارد: تبدیل درخواست زبان طبیعی به فراخوانی یک تابع پایتون. برای گفت‌وگو ساخته نشده، بلکه برای کنترل برنامه‌ها، دستگاه‌ها و خودکارسازی‌هاست.

چیزی که توجهم را جلب کرد این بود که روی Raspberry Pi 5 و فقط با پردازنده، به‌صورت محلی اجرا می‌شود؛ بدون ابر و بدون سخت‌افزار اختصاصی هوش مصنوعی. به‌جای نوشتن accendi_led() کافی است بگویید «ال‌ای‌دی ۱ را روشن کن» و مدل تابع درست را انتخاب می‌کند. با دستورهای ایتالیایی هم کار می‌کند و در سایت پروژه دموهای آنلاین (خانه هوشمند، جاروبرقی رباتیک، ساعت هوشمند، عینک واقعیت افزوده) برای آزمایش وجود دارد.

آموزش RaspberryItaly یک دستیار محلی کوچک می‌سازد که یادداشت‌ها را در فایل ذخیره می‌کند، دمای Raspberry Pi را می‌خواند، یک LED را روشن و خاموش می‌کند و دستورهای نوشته‌شده به ایتالیایی را می‌فهمد. به یک Raspberry Pi (ترجیحاً مدل ۵)، Raspberry Pi OS به‌روز، Python 3، یک LED با مقاومت ۲۲۰ یا ۳۳۰ اهم و چند سیم جامپر نیاز است. نصب از طریق یک محیط مجازی و بسته cactus-needle انجام می‌شود و اتصال اینترنت فقط برای دانلود اول لازم است.

یک توصیه نویسنده را باید در نظر داشت: بهتر است هر بار یک دستور داده شود. جمله‌ای مثل «چراغ آشپزخانه را خاموش کن و پرده را پایین بکش» ممکن است درست فهمیده نشود، در حالی که دو دستور جداگانه کار می‌کنند.

به‌عنوان ایده پروژه، آن را بسیار کاربردی می‌دانم: با تشخیص گفتار محلی ترکیب شود، می‌توان یک ربات یا یک خودکارسازی کوچک را بدون وابستگی به هیچ سرویس شبکه‌ای با صدا کنترل کرد.

منبع: RaspberryItaly

Embarcados کیت XIAOML ساخت Seeed Studio را معرفی می‌کند؛ کیتی که برای همراهی با آزمایشگاه‌های عملی کتاب «Machine Learning Systems» نوشته پروفسور Vijay Janapa Reddi از هاروارد ساخته شده است. این آزمایشگاه‌ها با همکاری پروفسور Marcelo Rovai از UNIFEI در Itajubá و در گروه tinyML4D توسعه یافته‌اند.

این کیت یک برد XIAO ESP32-S3 Sense را با دوربین OV3660، میکروفون دیجیتال و کارت‌خوان SD دربر دارد، به‌علاوه یک برد توسعه با IMU شش‌محوره و نمایشگر OLED ۰٫۴۲ اینچی. بدین ترتیب هر سه نوع داده‌ای که کتاب با آن کار می‌کند پوشش داده می‌شود: تصویر، صدا و حرکت. همچنین یک آنتن FPC ۲٫۴ گیگاهرتزی، دو خنک‌کننده و یک کارت microSD ۳۲ گیگابایتی همراه با مبدل در بسته‌بندی وجود دارد.

SoC این برد ESP32-S3R8 است؛ یک Xtensa LX7 دوهسته‌ای با فرکانس ۲۴۰ مگاهرتز، با ۵۱۲ کیلوبایت SRAM، ۸ مگابایت PSRAM و ۸ مگابایت فلش. IMU از نوع LSM6DS3TR-C است و OLED از کنترلر SSD1315 بهره می‌برد که کتابخانه‌ها آن را یک SSD1306 با ۷۲ در ۴۰ پیکسل در نظر می‌گیرند. ابعاد مجموعه مونتاژشده ۲۱ × ۱۷٫۸ × ۳۰ میلی‌متر و وزن آن ۱۰٫۶ گرم است. نکته‌ای کاربردی که نویسنده یادآور می‌شود این است که IMU و OLED روی یک باس I2C با نشانی‌های 0x6A و 0x3C قرار دارند، پس هرکس بخواهد حسگر I2C دیگری وصل کند باید از این دو نشانی پرهیز کند. برد IMU همچنین یک کانکتور JST برای باتری لیتیومی ۳٫۷ ولتی دارد که در پروژه‌های پوشیدنی به کار می‌آید.

چیزی که بیشتر پسندیدم ترکیب یک کتاب مرجع با سخت‌افزار ارزان و فشرده است: می‌توان از تئوری فاصله گرفت و استنتاج را روی یک میکروکنترلر واقعی اجرا کرد. البته OLED تنها دو یا سه خط خوانا جا می‌دهد، اما برای نمایش کلاس استنتاج‌شده یا درصد اطمینان کافی است.

منبع: Embarcados

Arduino پیش‌خرید Ventuno Q را آغاز کرده است؛ این برد از ماه مارس اعلام شده بود. به گزارش Make، قیمت برد ۲۹۸٫۹۹ یورو است و دستگاه‌های پیش‌خریدشده قرار است حدود چهار هفته دیگر ارسال شوند. این برد بیشتر برای هوش مصنوعی لبه (Edge AI) و رباتیک طراحی شده است.

مفهوم «دو مغز» برایم جالب است. در بخش لینوکس یک Qualcomm Dragonwing IQ8 (QCS8275) با هشت هسته Kryo و یک NPU از نوع Hexagon با توان تا ۴۰ TOPS قرار دارد. کارهای حساس به زمان را یک STM32H5F5 با هسته Cortex-M33 انجام می‌دهد که Zephyr RTOS را همراه با هسته Arduino اجرا می‌کند و موتورها، PWM و GPIOها را کنترل می‌کند. دو بخش از طریق یک پل RPC با هم ارتباط دارند. بنابراین یک ربات می‌تواند تصاویر دوربین را به‌صورت محلی تحلیل کند و هم‌زمان کنترل موتورها را هم بر عهده بگیرد، بدون اینکه چند برد را به هم وصل کند.

سخت‌افزار برای Arduino بسیار غنی است: ۱۶ گیگابایت LPDDR5، ۶۴ گیگابایت eMMC، یک اسلات M.2 برای SSD های NVMe، سه کانکتور دوربین MIPI-CSI، اترنت ۲٫۵ گیگابیتی، Wi-Fi 6 و Bluetooth 5.3. همچنین I2C، SPI، UART، چند رابط CAN-FD، کانکتور Qwiic، چهار LED RGB و یک ماتریس LED ۸×۱۳.

در نرم‌افزار، Ubuntu برنامه‌ریزی شده و Debian بعداً می‌آید. طبق اعلام Arduino، Docker و apt آماده استفاده هستند. در Arduino App Lab می‌توان اسکچ‌ها، اسکریپت‌های Python و مدل‌های هوش مصنوعی کانتینری را به هم وصل کرد. مدل‌هایی مانند Qwen، Gemma، Whisper، YOLOX و MediaPipe از پیش نصب شده‌اند و مدل‌های GGUF شخصی با llama.cpp اجرا می‌شوند.

قیمت بسیار بالاتر از سطح معمول Arduino است، پس این برد بیشتر برای پروژه‌های بزرگ مناسب است تا برای تازه‌کارها. آنچه بیشتر جذبم می‌کند ایده کنترل صوتی محلی و خودکارسازی مستقل از ابر است.

منبع: heise online (Make)

در گرمای تابستان، موارد بیشتری دیده می‌شود که سالمندان تنها‌زندگی به دلیل گرمازدگی به بیمارستان منتقل می‌شوند، بی‌آنکه متوجه بالا رفتن دمای اتاقشان شده باشند. پروژه شخصی «THSense» که در Zenn منتشر شده، برای کسانی طراحی شده که از اعضای خانواده‌ای که دور زندگی می‌کنند مراقبت می‌کنند. این سامانه دما و رطوبت اتاق را می‌پاید و وقتی دما به سطح خطرناک برسد، ایمیل هشدار می‌فرستد.

امکاناتش ساده است. هر دقیقه دما و رطوبت را اندازه می‌گیرد، بالاتر از ۳۵ درجه سانتی‌گراد ایمیل می‌فرستد، و در مرورگر می‌توان مقادیر فعلی و روند گذشته را به‌صورت نمودار دید. به گفته نویسنده، نمودار برای این است که نشانه‌های اولیه، مثل افزایش مداوم دما، زودتر دیده شود.

معماری آن جالب است. خواندن حسگر (DHT20) به یک Arduino روی کیت Grove Beginner سپرده شده، نه به Raspberry Pi، چون واکنش بلادرنگ‌تری دارد و گرفتن مقادیر دقیق آسان‌تر است. هر ۶۰ ثانیه، Arduino یک رشته را از طریق پورت سریال USB به Raspberry Pi می‌فرستد. برنامه پایتونی آنجا آن را با pyserial دریافت و به عدد تبدیل می‌کند و بررسی دما، ارسال ایمیل و ذخیره در پایگاه داده را انجام می‌دهد. پایگاه داده یک MariaDB روی ماشین مجازی در Azure است و رابط کاربری با Flask و Chart.js ساخته شده. ایمیل‌ها از طریق سرور SMTP جیمیل و با smtplib فرستاده می‌شوند و اطلاعات حساب از فایل .env خوانده می‌شود، نه این‌که در کد نوشته شده باشد.

تقسیم نقش‌ها روشن است و این پروژه نمونه خوبی برای طراحی سامانه‌های کوچک اینترنت اشیاست. سپردن اندازه‌گیری به Arduino و تصمیم‌گیری و اطلاع‌رسانی به Raspberry Pi تقسیمی است که خودم هم در ساخت‌های مشابه می‌توانم به کار ببرم. نویسنده می‌گوید کد منبع در GitHub منتشر شده است.

منبع: Zenn

رزبری پای بالاخره فروش ماژول Smart Display Module خود را آغاز کرده است. این ماژول در ژانویه معرفی شده بود و از این هفته می‌توان آن را از فروشندگان مجاز با قیمت ۳۰ دلار خرید. Compute Module 5 جداگانه فروخته می‌شود، پس این محصول یک آداپتور ساده است و نه یک کامپیوتر کامل.

این یک برد آداپتور برای Compute Module 5 است که در نمایشگرها و پروژکتورهایی که از مشخصه Smart Display Module (SDM) اینتل پیروی می‌کنند جا می‌شود. برق، تصویر، صدا، داده و کنترل همگی از طریق کانکتور داخلی عبور می‌کنند؛ یعنی پشت صفحه نمایش کابل اضافی، آداپتور برق یا براکت آویزان نمی‌ماند. این ماژول با همکاری Sharp Display Solutions Europe توسعه یافته و از پخش ویدیوی ۴K پشتیبانی می‌کند.

روی برد یک اسلات M.2 هم وجود دارد که می‌تواند حافظه سریع یا شتاب‌دهنده هوش مصنوعی مانند ماژول Hailo را در خود جا دهد. این برد بدون فن و بی‌صداست و برای تابلوهای دیجیتالی طراحی شده که باید شبانه‌روز کار کنند: نمایشگرهای اطلاعات پرواز در فرودگاه‌ها، راهنمای مسیر، صفحه‌های فروشگاه‌ها و شرکت‌ها، یا نمایشگاه‌های فراگیر همراه با پروژکتور SDM.

یکی از اولین آزمایش‌کنندگان، یک سرویس کوچک تابلوی دیجیتال به نام Media Looper، آن را سه ماه روی یک نمایشگر Sharp اجرا کرد. بنیان‌گذار آن گفت که این ماژول همه کارهایی را انجام می‌دهد که راه‌اندازی Raspberry Pi 5 آنها انجام می‌داد، بدون کابل، برق یا براکتی که مشتری ممکن است به‌اتفاق شل کند، و قصد دارند برای هر نمایشگری که اسلات SDM دارد، آن را به‌عنوان گزینه پیش‌فرض به کار ببرند.

این جور اطلاعیه‌ها را دوست دارم، چون نشان می‌دهد این پلتفرم تا چه اندازه از بردهای سرگرمی به سمت سخت‌افزار تعبیه‌شده مرتب حرکت کرده است. برای کسی که پروژه نمایشگر می‌سازد، ماژولی ۳۰ دلاری که داخل صفحه ناپدید می‌شود گزینه جذابی است، هرچند باید مطمئن شوید که نمایشگرتان واقعاً اسلات SDM دارد.

منبع: Raspberry Pi News

رابط HDA Link که به آن Azalia هم می‌گویند معمولاً فقط در چیپست‌های کامپیوترهای شخصی دیده می‌شود. نویسنده یک مقاله در Habr می‌خواست بررسی کند که آیا میکروکنترلر RP2040 روی Raspberry Pi Pico می‌تواند میزبان این رابط باشد. مزیت آن روشن است: کدک‌های صوتی HDA چندکاناله تعداد کانال‌های بسیار بیشتری نسبت به I²S دارند.

پروژه بر پایه یک RP2040 با بلوک‌های PIO و کدک Realtek ALC889 روی برد ساخته شده است؛ برد از تلاش قبلی ناموفق با STM32F103 و Spartan-3 باقی مانده است. سیگنال BCLK باید در ۲۴ مگاهرتز پایدار باشد، پس نمی‌توان آن را با نرم‌افزار تولید کرد. این رابط از چهار خط استفاده می‌کند: BCLK، SYNC، SDO و SDI. یک فریم ۱۰۰۰ بیتی به ۴۸ کیلوهرتز می‌رسد و برای ۹۶ و ۱۹۲ کیلوهرتز تعداد نمونه‌ها در هر فریم افزایش می‌یابد.

پیاده‌سازی از چهار ماشین حالت PIO بهره می‌برد: خروجی SDO، خروجی SYNC، ورودی SDI همراه با تولید BCLK، و ماشینی که به کدک آدرس می‌دهد. داده‌ها از طریق DMA منتقل می‌شوند و هسته دوم RP2040 نمونه‌ها و فرمان‌ها را بسته‌بندی و پاسخ‌های کدک را تحلیل می‌کند. پروژه نمایشی سینوس‌ها را روی پنج DAC استریو تولید می‌کند و هارمونیک سوم حدود −۱۲۳ دسیبل است.

کدک در نرخ نمونه‌برداری ۱۹۲ کیلوهرتز کار کرد. اورکلاک کردن RP2040 تا ۳۲ مگاهرتز (۲۵۶ کیلوهرتز) هم جواب داد، اما کدک به شدت گرم شد. برد در ۳٫۳ ولت بین ۱۵۰ تا ۲۷۰ میلی‌آمپر مصرف می‌کند. محدودیت‌هایی هم وجود دارد: فیلترهای داخلی مانند یک فیلتر بالاگذر مرتبه اول با فرکانس قطع حدود ۴ هرتز عمل می‌کنند و پهنای باند ورودی HDA اجازه نمی‌دهد سه کانال استریوی ۲۴/۱۹۲ همزمان کار کنند.

نویسنده همچنین خطای همگام‌سازی در RP2040 را پیدا کرد که وقتی DMA، USB و نمونه‌برداری XIP با هم کار می‌کنند رخ می‌دهد؛ علت آن را متخصصان Raspberry Pi مشخص کردند. برای پردازش پیچیده، RP2350 با دستورات DSP را توصیه می‌کند. از این‌که پروژه صادقانه هم نتایج و هم نقاط ضعف را نشان می‌دهد خوشم آمد.

منبع: Habr

حسگرها دیگر قطعات تقریباً نامرئی یک کارگاه یا کارخانه نیستند. Hardware Libre چند پروژه در اسپانیا و اروپا را مرور می‌کند که در آن‌ها شبکه‌های دستگاه‌های متصل، پلتفرم‌های داده و هوش مصنوعی برای کارهای بسیار متفاوتی به کار می‌روند: پیش‌بینی خرابی، پایش آلودگی، شناسایی پرندگان از روی آواز آن‌ها، یا افزایش ایمنی خودرو.

مفصل‌ترین نمونه Scamia در مادرید است؛ پروژه شرکت مسکن شهرداری یعنی EMVS که تا سال ۲۰۲۷ در پانزده ساختمان اجرا می‌شود که سیزده تای آن مسکن عمومی است. بودجه آن حدود ۵٫۲ میلیون یورو با همکاری مالی اروپا است و بر محور یک دوقلوی دیجیتال برای هر ساختمان می‌چرخد. داده‌های حدود دویست حسگر در هر ساختمان، که از طریق وای‌فای و IoT متصل‌اند، دما، رطوبت نسبی یا میزان CO2 را می‌سنجند و ناهنجاری‌ها را پیش از آن‌که همسایه‌ها متوجه شوند شناسایی می‌کنند. داده‌ها بی‌نام می‌شوند و به خانوارها مرتبط می‌شوند، نه به افراد.

مسئولان کاهش ۱۵ تا ۲۰ درصدی هزینه نگهداری تجهیزاتی مانند پمپ‌های حرارتی یا دیگ‌ها و کاهش ۵ تا ۱۰ درصدی مصرف انرژی را پیش‌بینی می‌کنند. مقاله واقع‌بینی هم اضافه می‌کند: این درصدها حدود ۴۰ تا ۱۰۰ یورو صرفه‌جویی انرژی در سال برای هر خانه‌اند و ارزش واقعی وقتی آشکار می‌شود که خانوارهای زیادی جمع شوند و خرابی‌های پرهزینه پیشگیری شوند.

در کارتاخنا شبکه دیگری برای محله‌های شمالی در حال آماده‌سازی است، با قراردادی به ارزش ۱۳۰٬۲۵۸ یورو با احتساب مالیات بر ارزش افزوده و حدود پانزده دستگاه که گازهایی مانند دی‌اکسید نیتروژن یا ازن را اندازه می‌گیرند.

متن یادآوری می‌کند که همان اصولی که در یک پروژه خانگی با میکروکنترلر و حسگر دما به کار می‌بریم، می‌تواند به کل یک شهر تعمیم یابد. دشواری کار، چنان‌که متن اشاره می‌کند، اندازه‌گیری نیست؛ بلکه تبدیل میلیون‌ها خوانش به تصمیم‌های مفید است.

منبع: Hardware Libre

Pavel Loktev پس از یک هفته استفاده از پنل دیواری Elecrow CrowPanel با تراشه ESP32-P4، در Habr مروری منتشر کرده و بررسی کرده که اصلاً چرا چنین دستگاهی لازم است. صراحت نتیجه‌گیری‌هایش برایم خوشایند بود، پس نکات اصلی را منتقل می‌کنم.

دستگاه صفحه‌ای ۱۰٫۱ اینچی با وضوح ۱۰۲۴×۶۰۰، ۳۲ مگابایت PSRAM، ۱۶ مگابایت فلش، سنسور لمسی خازنی، صدا، اسلات SD و GPIO دارد. فریمور آن بسته است، پس بیشتر یک محصول آماده است تا یک بستر توسعه. پنل نقش کلاینت را دارد: یک افزونه روی سرور Home Assistant نصب می‌شود و سپس آدرس سرور، نام کاربری و رمز عبور روی خود پنل وارد می‌شود. پس از آن، داشبورد معمولی HA نمایش داده می‌شود و نیازی به طراحی رابط جداگانه نیست.

نویسنده اندازه‌گیری‌هایی ارائه می‌دهد. راه‌اندازی سرد تا رسیدن به داشبورد آماده حدود ۲۰ ثانیه طول می‌کشد. از فشردن دکمه تا تغییر وضعیت آن ۰٫۷ تا ۰٫۸ ثانیه، و از تعویض یک تب تا آماده شدن بلوک ۱٫۱ تا ۱٫۳ ثانیه طول می‌کشد. فرمان تقریباً بلافاصله ارسال می‌شود، اما تأیید تصویری روی صفحه به‌طور محسوسی دیرتر می‌رسد. اسلایدرها خوب کار می‌کنند و او دوربین‌ها و پخش رسانه را هم آزمایش کرده است.

درباره گزینه‌های جایگزین هم صادق است. تبلت سریع‌تر و همه‌کاره‌تر است، اما به پایه، برق و حالت کیوسک نیاز دارد. ESPHome با LVGL ارزان‌تر است، اما رابط را باید خودتان بسازید و نگه‌داری کنید. پنل‌های آماده مانند Sonoff NSPanel مشکل بدنه و برق را حل می‌کنند، اما اغلب به فریمور شخص ثالث نیاز دارند. CrowPanel راه‌حل میانه است: یک داشبورد برای گوشی، کامپیوتر و دیوار.

از معایب، عملکرد پایین‌تر، وضوح ناکافی برای داشبوردهای پرجزئیات و فریمور بسته را برمی‌شمارد. باتری داخلی ندارد. نتیجه‌اش این است که جایگزین تبلت نیست، بلکه جایگزین ریموت کنترل در ورودی، آشپزخانه یا گاراژ است. عبارتش درباره کلید با صفحه بزرگ را دوست داشتم؛ به نظرم بسیار دقیق است.

منبع: Habr