Jag har pysslat med enkortsdatorer och mikrokontroller ett tag nu, och en sak tog mig alldeles för lång tid att inse: de är inte konkurrenter — de är bättre tillsammans. En Arduino är perfekt för kretsar, sensorer och automation, medan en Raspberry Pi tar hand om de tyngre beräkningarna. Kombinera dem så kan du göra projekt som ingen av dem klarar bra på egen hand.
Min favoritkombination är en väderstation för Home Assistant. Arduinon läser av en BME280-sensor på ett kopplingsdäck, medan Raspberry Pi:n kör Home Assistant, och jag kopplar ihop de två via MQTT. Den är billig, pålitlig och instrumentpanelen visar temperatur och luftfuktighet från min balkong i realtid.
Ett annat projekt jag ständigt återkommer till är ett smart schackbräde: en Arduino Nano styr lysdioderna och brytarna under brädet, medan Pi:n kör schackmotorn Stockfish som AI-motståndare. Det är en rolig blandning av elektronik, 3D-utskrift och mjukvara.
Om du gillar retrospel blir en Raspberry Pi en lysande emuleringsburk, och en Arduino kan bli en hemmabyggd spelkontroll till den. Jag har också sett händiga personer bygga ett RFID-dörrlås där Pi:n lagrar databasen med taggar och Arduinon sköter läsaren och slutblecket — ett genuint användbart hemprojekt.
Om du precis har börjat, tänk inte för mycket: skaffa en begagnad Arduino och en Pi och genomför ett litet projekt från början till slut. Lärdomarna växer snabbt, och innan du vet ordet av drömmer du om dina egna byggen.
Källa: XDA Developers
Det här projektet, som publicerades i Robotistans Maker-blogg, löser ett problem som alla som springer från möte till möte känner igen: i stället för att hela tiden kolla kalenderfliken eller vänta på en notis i mobilen ser man nästa möte på en fysisk skärm på skrivbordet.
Projektet använder en 5,0-tums ESP32 HMI TFT LCD-skärm. På skärmen sitter redan en ESP32-S3-mikrokontroller, Wi-Fi och grafikdrivkretsen, så det behövs ingen extra ESP32 kopplad med jumperkablar. Systemet ansluter till Wi-Fi, frågar Google Calendar API efter nästa händelse och visar mötets titel, tid och beskrivning på 800x480-skärmen. Den aktuella tiden hämtas från en NTP-server. När man lägger till ett nytt möte i kalendern behöver man inte röra ESP32:an, eftersom enheten kontrollerar kalendern med jämna mellanrum och uppdaterar skärmen själv.
Skärmen har pekskärm med kapacitiv teknik, men i den här versionen används inte pekfunktionen; panelen är enbart en informationsskärm. Projektet handlar inte bara om elektronik och programvara: det drivs av ett 3,7 V litiumpolymerbatteri på 1800 mAh (1S), och ett 3D-printat väggfäste rymmer både skärm och batteri. Då kan panelen sitta på väggen utan att vara inkopplad i en USB-kabel hela tiden. Under utvecklingen användes också ett utvecklingskort med ESP32 och 30 stift, men det behövs inte i den färdiga lösningen.
Det jag gillar är att man med få delar får ett verkligt användbart vardagsverktyg. Samma idé kan enkelt anpassas för att visa schemat i en skola eller en verkstad. Materiallistan är kort, så även nybörjare kan prova utan större krångel.
Källa: Robotistan Maker
Som fortsättning på sina experiment med RTL-SDR V4-mottagaren publicerar framboise314 en genomgång av hur man avkodar APRS på en Raspberry Pi 4. Idén är att förvandla det lilla kortet till en mottagarstation för amatörradio som lyssnar på den europeiska VHF-frekvensen 144,800 MHz.
Artikeln börjar med att förklara vad APRS (Automatic Packet Reporting System) är. Det uppfanns i slutet av 1980-talet och är paketradio: mycket korta ljudskurar i 1200 baud AFSK, paketerade i AX.25-ramar. De används för positionsspårning, telemetri (väderstationer, batteristatus för ett isolerat relä) och korta meddelanden. Nätet fungerar utan internet tack vare digipeaters, och iGates kopplar det till webben. Författaren jämför det också med Meshtastic, vars största skillnad ligger i regler och frekvenser.
Praktiskt går uppsättningen via GQRX, inställd med omsorg, och sedan via Dire Wolf, en ren mjukvaru-TNC som avkodar ramarna. Guiden beskriver installationen, hur ljudet dirigeras över UDP och en mycket verklig fallgrop: GQRX skickar som standard över IPv6, så flödet måste tvingas till IPv4 för att Dire Wolf ska ta emot något. Till sist tas ett hårdvaruproblem upp, processorns termiska strypning under belastningen från signalbehandlingen, som måste åtgärdas om stationen ska gå stabilt dygnet runt.
Det som kändes trevligt var tonen hos någon som sysslade med paketradio på 90-talet och nu återupptäcker tekniken med hårdvara för några tiotals euro. En bra startpunkt för den som vill kombinera Raspberry Pi och radio.
Källa: Framboise 314
När man pratar om LLM:er tänker man genast på chattbottar, men Needle går en annan väg. Det är en liten AI-modell på bara 14 MB, utvecklad av Cactus Compute, med en enda uppgift: att omvandla en förfrågan på naturligt språk till ett anrop av en Python-funktion. Den är inte till för att samtala, utan för att styra appar, enheter och automatiseringar.
Det som väckte min nyfikenhet är att den körs lokalt på en Raspberry Pi 5 med enbart processorn, utan moln och utan dedicerad AI-hårdvara. I stället för att skriva accendi_led() räcker det att säga ”Tänd LED 1”, och modellen väljer rätt funktion. Den klarar även italienska kommandon, och projektets webbplats har onlinedemos (smarta hem, robotdammsugare, smartklocka, AR-glasögon) som man kan prova.
RaspberryItalys handledning bygger en liten lokal assistent som sparar anteckningar i en fil, läser av temperaturen på Raspberry Pi, tänder och släcker en lysdiod och förstår kommandon skrivna på italienska. Du behöver en Raspberry Pi (helst en 5:a), uppdaterad Raspberry Pi OS, Python 3, en lysdiod med ett motstånd på 220 eller 330 ohm och några jumperkablar. Installationen går via en virtuell miljö och paketet cactus-needle; internetanslutning behövs bara för den första nedladdningen.
Ett råd från författaren är värt att komma ihåg: ge helst ett kommando i taget. En mening som ”släck köksljuset och sänk persiennen” kanske inte tolkas rätt, medan de två kommandona fungerar när de ges separat.
Som projektidé tycker jag att den är mycket konkret: i kombination med lokal röstigenkänning går det att styra en robot eller en liten automatisering utan att vara beroende av någon nättjänst.
Källa: RaspberryItaly
Embarcados presenterar XIAOML Kit från Seeed Studio, framtaget för att följa de praktiska laborationerna i boken «Machine Learning Systems» av professor Vijay Janapa Reddi vid Harvard. Laborationerna togs fram tillsammans med professor Marcelo Rovai vid UNIFEI i Itajubá, inom gruppen tinyML4D.
Satsen innehåller en XIAO ESP32-S3 Sense med OV3660-kamera, digital mikrofon och SD-kortläsare, samt ett expansionskort med en 6-axlig IMU och en 0,42-tums OLED-display. Med det täcks de tre typer av data som boken arbetar med: bild, ljud och rörelse. Dessutom ingår en 2,4 GHz FPC-antenn, två kylflänsar och ett 32 GB microSD-kort med adapter.
SoC:n är ESP32-S3R8, en tvåkärnig Xtensa LX7 på 240 MHz med 512 KB SRAM, 8 MB PSRAM och 8 MB flash. IMU:n är en LSM6DS3TR-C, och OLED-skärmen använder en SSD1315-styrenhet som biblioteken behandlar som en SSD1306 med 72 x 40 pixlar. Den monterade enheten mäter 21 x 17,8 x 30 mm och väger 10,6 g. En praktisk detalj som författaren lyfter är att IMU och OLED delar samma I2C-buss på adresserna 0x6A och 0x3C, så den som vill koppla in en annan I2C-sensor måste undvika just dessa två. IMU-kortet har dessutom en JST-kontakt för ett 3,7 V litiumbatteri, vilket är praktiskt i bärbara projekt.
Det jag gillade mest var kombinationen av en referensbok och billig, kompakt hårdvara: man kan gå från teori till att köra inferens på en riktig mikrokontroller. OLED-skärmen rymmer förstås bara två eller tre läsbara rader, men det räcker för att visa den identifierade klassen eller en säkerhetsprocent.
Källa: Embarcados
Arduino tar nu emot förbeställningar på Ventuno Q, som redan presenterades i mars. Enligt en rapport från Make kostar kortet 298,99 euro, och beställda enheter ska skickas om ungefär fyra veckor. Det riktar sig främst till edge-AI och robotik.
Det som fångar mig är konceptet med en "dubbel hjärna". På Linux-sidan finns en Qualcomm Dragonwing IQ8 (QCS8275) med åtta Kryo-kärnor och en Hexagon-NPU på upp till 40 TOPS. För allt tidskritiskt finns en STM32H5F5 med Cortex-M33, som kör Zephyr RTOS med Arduino-kärnan och sköter motorer, PWM och GPIO. De två sidorna pratar med varandra via en RPC-brygga. En robot kan alltså analysera kamerabilder lokalt och samtidigt sköta motorstyrningen, utan att kombinera flera kort.
Utrustningen är generös för att vara Arduino: 16 GB LPDDR5, 64 GB eMMC, en M.2-plats för NVMe-SSD, tre MIPI-CSI-kamerakontakter, 2,5-gigabit Ethernet, Wi-Fi 6 och Bluetooth 5.3. Dessutom I2C, SPI, UART, flera CAN-FD-gränssnitt, en Qwiic-kontakt, fyra RGB-lysdioder och en 8×13 lysdiodmatris.
I programvaran planeras Ubuntu, och Debian ska komma senare. Enligt Arduino fungerar Docker och apt direkt. I Arduino App Lab kan man koppla ihop skisser, Python-skript och containeriserade AI-modeller. Förinstallerade är bland annat Qwen, Gemma, Whisper, YOLOX och MediaPipe, och egna GGUF-modeller körs via llama.cpp.
Priset ligger långt över Arduinos vanliga nivå, så kortet passar större projekt bättre än nybörjare. Det som mest lockar mig är idén om lokal röststyrning och automation som inte är beroende av molnet.
Källa: heise online (Make)
Under heta somrar ökar antalet ensamboende äldre som förs till sjukhus med värmeslag eftersom de inte märkt att rumstemperaturen stigit. «THSense», ett personligt projekt som publicerats på Zenn, riktar sig till dem som tar hand om anhöriga som bor långt bort. Det övervakar rumstemperatur och luftfuktighet och skickar ett e-postmeddelande när temperaturen når en farlig nivå.
Funktionerna är enkla. Temperatur och luftfuktighet mäts varje minut, ett e-postmeddelande skickas när temperaturen överstiger 35 °C, och i webbläsaren kan man se aktuella värden och historiken som diagram. Enligt författaren är diagrammet till för att man tidigt ska upptäcka varningstecken, som en temperatur som fortsätter att stiga.
Upplägget är intressant. Avläsningen av sensorn (DHT20) sköts av en Arduino på Grove Beginner Kit i stället för av Raspberry Pi, eftersom det ger snabbare reaktion och lättare att få korrekta värden. Var 60:e sekund skickar Arduino en sträng via USB-seriell anslutning till Raspberry Pi. Där tar ett Python-program emot den med pyserial, gör om den till siffror och sköter temperaturkontrollen, utskicket av e-post och lagringen i databasen. Databasen är en MariaDB på en virtuell maskin i Azure, och gränssnittet är byggt med Flask och Chart.js. E-posten går via Gmails SMTP-server med smtplib, och kontouppgifterna läses från en .env-fil i stället för att skrivas i koden.
Ansvarsfördelningen är tydlig, vilket gör projektet till ett användbart exempel för små IoT-konstruktioner. Att Arduino mäter medan Raspberry Pi bedömer och meddelar är en uppdelning jag kan använda i liknande pyssel. Författaren säger att källkoden är publicerad på GitHub.
Källa: Zenn
Raspberry Pi har äntligen satt sin Smart Display Module till försäljning. Den tillkännagavs första gången i januari, och från och med den här veckan kan man köpa den från auktoriserade återförsäljare för 30 dollar. Compute Module 5 säljs separat, så det här är en bar adapter snarare än en hel dator.
Det är ett adapterkort för Compute Module 5 som passar i skärmar och projektorer som följer Intels specifikation för Smart Display Module (SDM). Ström, video, ljud, data och styrning går alla genom den interna kontakten, vilket betyder att det inte hänger några extra kablar, nätdelar eller fästen bakom en skärm. Det utvecklades tillsammans med Sharp Display Solutions Europe och klarar uppspelning av 4K-video.
Det finns också en M.2-plats på kortet som kan ta snabb lagring eller en AI-accelerator, till exempel en Hailo-modul. Kortet är fläktlöst och tyst och är avsett för digital skyltning som måste gå dygnet runt: informationstavlor på flygplatser, vägvisning, skärmar i butiker och företag eller uppslukande utställningar i kombination med en SDM-projektor.
En av de första testarna, en liten skyltningstjänst som heter Media Looper, körde den i tre månader på en Sharp-skärm. Grundaren sa att den gör allt som deras uppsättning med en Raspberry Pi 5 gör, utan kabel, nätdel eller fäste som en kund kunde råka rubba loss, och att de kommer att använda den som standard för alla skärmar med SDM-plats.
Jag gillar den här sortens nyheter eftersom de visar hur långt plattformen har kommit från hobbykort mot prydligare inbyggd hårdvara. För den som bygger ett skärmprojekt är en modul för 30 dollar som försvinner in i skärmen ett snyggt alternativ, men du behöver ändå kontrollera att din skärm faktiskt har en SDM-plats.
Källa: Raspberry Pi News
HDA Link-gränssnittet, även kallat Azalia, finns oftast bara i PC-chipset. Författaren till en artikel på Habr ville undersöka om mikrokontrollern RP2040 på Raspberry Pi Pico kunde fungera som värd för gränssnittet. Fördelen är tydlig: flerkanaliga HDA-ljudkodekar har betydligt fler kanaler än I²S.
Projektet bygger på en RP2040 med PIO-block och en Realtek ALC889-kodek på kortet, ett kort som blev över från ett tidigare misslyckat försök med en STM32F103 och en Spartan-3. BCLK-signalen måste vara stabil på 24 MHz och kan därför inte genereras i mjukvara. Gränssnittet använder fyra linjer: BCLK, SYNC, SDO och SDI, och en ram på 1000 bitar ger 48 kHz; vid 96 och 192 kHz ökar antalet samplingar per ram.
Implementationen använder fyra PIO-tillståndsmaskiner: SDO-utgång, SYNC-utgång, SDI-ingång med BCLK-generering och en maskin som tilldelar kodeken en adress. Data går via DMA, medan RP2040:s andra kärna packar samplingar och kommandon och tolkar kodekens svar. Demoprojektet genererar sinusvågor på fem stereo-DAC:ar, med tredje övertonen runt −123 dB.
Kodeken fungerade vid 192 kHz samplingsfrekvens. Att överklocka RP2040 till 32 MHz (256 kHz) fungerade också, men kodeken blev kraftigt varm. Kortet drar 150 till 270 mA vid 3,3 V. Det finns också begränsningar: de inbyggda filtren fungerar som ett första ordningens högpassfilter med brytfrekvens på cirka 4 Hz, och HDA-ingångens bandbredd tillåter inte tre stereokanaler i 24/192 samtidigt.
Författaren hittade dessutom ett synkroniseringsfel i RP2040 när DMA, USB och XIP-sampling körs samtidigt; orsaken fastställdes av specialister på Raspberry Pi. För komplex bearbetning rekommenderar han RP2350, som har DSP-instruktioner. Jag gillar att projektet ärligt visar både resultat och svagheter.
Källa: Habr
Sensorer har slutat vara de nästan osynliga komponenterna i en verkstad eller fabrik. Hardware Libre går igenom flera projekt i Spanien och Europa där nätverk av uppkopplade enheter, dataplattformar och artificiell intelligens används för helt olika uppgifter: att förutse haverier, övervaka föroreningar, känna igen fåglar på deras sång eller förbättra säkerheten i ett fordon.
Det mest utförliga exemplet är Scamia i Madrid, ett projekt från det kommunala bostadsbolaget EMVS som ska tillämpas i femton byggnader fram till 2027, varav tretton är allmännyttiga bostäder. Budgeten är cirka 5,2 miljoner euro med europeisk medfinansiering och kretsar kring en digital tvilling av varje byggnad. Data från cirka tvåhundra sensorer per byggnad, anslutna via Wi-Fi och IoT, mäter temperatur, relativ luftfuktighet eller koldioxidnivåer och upptäcker avvikelser innan grannarna märker dem. Uppgifterna anonymiseras och kopplas till hushåll, inte till personer.
Ansvariga räknar med att underhållskostnaderna för utrustning som värmepumpar eller pannor sjunker med 15 till 20 procent och energiförbrukningen med 5 till 10 procent. Artikeln tillför en realistisk ton: procenten motsvarar ungefär 40 till 100 euro per år och bostad i energi, och det verkliga värdet syns när man adderar många hushåll och undviker dyra haverier.
I Cartagena förbereds ett annat nätverk för de norra stadsdelarna, med ett avtal på 130 258 euro inklusive moms och ungefär femton enheter som ska mäta gaser som kvävedioxid eller ozon.
Texten påminner om att samma principer som används i ett hemmaprojekt med en mikrokontroller och en temperatursensor kan skalas upp till en hel stad. Det svåra, som texten påpekar, är inte att mäta utan att omvandla miljontals avläsningar till användbara beslut.
Källa: Hardware Libre
Pavel Loktev skrev på Habr en recension efter att ha levt med väggpanelen Elecrow CrowPanel på ESP32-P4 i en vecka, och han undersökte varför en sådan enhet överhuvudtaget behövs. Jag uppskattade hur ärliga hans slutsatser var, så jag återger de viktigaste punkterna.
Enheten har en 10,1-tumsskärm på 1024×600, 32 MB PSRAM, 16 MB flash, en kapacitiv pekskärm, ljud, en SD-plats och GPIO. Firmware är stängd, så det här är en färdig produkt snarare än en utvecklingsplattform. Panelen fungerar som klient: man installerar ett tillägg på Home Assistant-servern och anger sedan serveradress, inloggning och lösenord direkt på panelen. Därefter visar den en vanlig HA-instrumentpanel, och ingen egen gränssnittsdesign behövs.
Författaren redovisar mätningar. En kallstart till en fungerande instrumentpanel tar cirka 20 sekunder. Från knapptryck till att statusen ändras tar det 0,7–0,8 sekunder, och att byta flik tills blocket är klart tar 1,1–1,3 sekunder. Kommandot skickas nästan direkt, men den visuella bekräftelsen på skärmen kommer märkbart senare. Reglagen fungerar bra, och han testade även kameror och mediauppspelning.
När det gäller alternativen är han lika ärlig. En surfplatta är snabbare och mer mångsidig, men kräver fäste, ström och kioskläge. ESPHome med LVGL är billigare, men gränssnittet måste du själv bygga och underhålla. Färdiga paneler som Sonoff NSPanel löser hölje och ström, men kräver ofta tredjepartsfirmware. CrowPanel är den lyckade medelvägen: en instrumentpanel för telefon, dator och vägg.
Som nackdelar nämner han lägre prestanda, en upplösning som är för liten för täta instrumentpaneler och den stängda firmware:n. Det finns inget inbyggt batteri. Slutsatsen är att detta inte ersätter surfplattan utan kontrollfjärrkontrollen vid ingången, i köket eller i garaget. Jag gillade hans formulering om en strömbrytare med stor skärm, den tycker jag är mycket träffande.
Källa: Habr
