Arduino และ Raspberry Pi

I've been tinkering with single-board computers and microcontrollers for a while, and one thing took me way too long to realize: they're not competitors — they're better together. An Arduino is great for circuits, sensors, and automation, while a Raspberry Pi handles the heavier computing. Combine them and you unlock projects neither can do well alone.

My favorite combo is a Home Assistant weather station. The Arduino reads a BME280 sensor on a breadboard, while the Raspberry Pi runs Home Assistant, and I link the two over MQTT. It's cheap, reliable, and the dashboard shows live temperature and humidity from my balcony.

Another one I keep coming back to is a smart chess board: an Arduino Nano drives the LEDs and switches under the board, while the Pi runs the Stockfish chess engine for an AI opponent. It's a fun mix of electronics, 3D printing, and software.

If you're into retro gaming, a Raspberry Pi makes a brilliant emulation box, and an Arduino can become a DIY game controller for it. I've also seen clever folks build an RFID door lock where the Pi stores the tag database and the Arduino handles the reader and strike — a genuinely useful home project.

If you're just starting, don't overthink it: grab a used Arduino and a Pi, and try one small project end to end. The lessons compound fast, and before you know it you'll be dreaming up your own builds.

Source: XDA Developers

โปรเจกต์นี้เผยแพร่ในบล็อก Maker ของ Robotistan แก้ปัญหาที่คนซึ่งต้องเข้าประชุมต่อเนื่องคุ้นเคยดี แทนที่จะคอยเปิดดูแท็บปฏิทินหรือรอการแจ้งเตือนบนโทรศัพท์ ก็เห็นการประชุมถัดไปบนหน้าจอจริงที่วางอยู่บนโต๊ะได้เลย

โปรเจกต์ใช้หน้าจอ ESP32 HMI TFT LCD ขนาด 5.0 นิ้ว ตัวหน้าจอมีไมโครคอนโทรลเลอร์ ESP32-S3, Wi-Fi และวงจรขับกราฟิกอยู่แล้ว จึงไม่ต้องต่อ ESP32 ตัวแยกด้วยสายจัมเปอร์ ระบบเชื่อมต่อ Wi-Fi แล้วค้นหาอีเวนต์ที่กำลังจะมาถึงผ่าน Google Calendar API และแสดงหัวข้อ เวลา และคำอธิบายของการประชุมบนหน้าจอความละเอียด 800x480 เวลาปัจจุบันได้มาจากเซิร์ฟเวอร์ NTP เมื่อเพิ่มการประชุมใหม่ในปฏิทิน ไม่ต้องแตะต้อง ESP32 เลย เพราะอุปกรณ์จะตรวจปฏิทินเป็นระยะและอัปเดตหน้าจอด้วยตัวเอง

หน้าจอรองรับการสัมผัสแบบ capacitive แต่ในเวอร์ชันนี้ไม่ได้ใช้งานการสัมผัส แผงนี้ทำหน้าที่แสดงข้อมูลอย่างเดียว โปรเจกต์นี้ไม่ได้มีแค่อิเล็กทรอนิกส์และซอฟต์แวร์ มันใช้แบตเตอรี่ลิเธียมโพลิเมอร์ 1S ขนาด 3.7 V 1800 mAh และมีเคสติดผนังที่พิมพ์ด้วยเครื่องพิมพ์ 3 มิติ สำหรับใส่ทั้งหน้าจอและแบตเตอรี่ ทำให้ติดแผงไว้บนผนังได้โดยไม่ต้องเสียบสาย USB ตลอดเวลา ระหว่างพัฒนามีการใช้บอร์ดพัฒนา ESP32 ขนาด 30 พินด้วย แต่ไม่จำเป็นในเวอร์ชันสุดท้าย

สิ่งที่ชอบคือการทำเครื่องมือที่ใช้ได้จริงทุกวันจากชิ้นส่วนไม่กี่ชิ้น แนวคิดเดียวกันนี้ปรับไปแสดงตารางเรียนของโรงเรียนหรือตารางงานของเวิร์กช็อปได้ไม่ยาก รายการวัสดุสั้น ผู้เริ่มต้นจึงลองทำตามได้โดยไม่ยุ่งยากมาก

ที่มา: Robotistan Maker

framboise314 ต่อยอดจากการทดลองกับdongle RTL-SDR V4 ด้วยการเผยแพร่บทความเกี่ยวกับการถอดรหัส APRS บน Raspberry Pi 4 เป้าหมายคือเปลี่ยนบอร์ดเล็กให้เป็นสถานีรับสัญญาณวิทยุสมัครเล่น ที่ฟังความถี่ VHF ของยุโรปที่ 144.800 MHz

บทความเริ่มด้วยการอธิบายว่า APRS (Automatic Packet Reporting System) คืออะไร ระบบนี้ถูกคิดค้นในปลายทศวรรษ 1980 เป็นวิทยุแบบแพ็กเก็ต คือการส่งเสียงสั้นมากด้วยการมอดูเลต AFSK ที่ 1200 บอด ห่อหุ้มในเฟรม AX.25 ใช้สำหรับติดตามตำแหน่ง ส่งข้อมูลทางไกล (สถานีอุตุนิยมวิทยา สถานะแบตเตอรี่ของรีพีทเตอร์ที่อยู่ห่างไกล) และข้อความสั้น เครือข่ายทำงานได้โดยไม่ต้องใช้อินเทอร์เน็ตด้วยดิจิพีตเตอร์ และ iGate เชื่อมต่อกับเว็บ ผู้เขียนยังเปรียบเทียบกับ Meshtastic โดยบอกว่าความแตกต่างหลักอยู่ที่กฎระเบียบและความถี่

ในทางปฏิบัติ การตั้งค่าผ่าน GQRX ที่ปรับแต่งอย่างระมัดระวัง แล้วส่งต่อให้ Dire Wolf ซึ่งเป็น TNC แบบซอฟต์แวร์ล้วนที่ถอดรหัสเฟรม คู่มือครอบคลุมการติดตั้ง การส่งเสียงผ่าน UDP และกับดักที่เกิดขึ้นจริง คือ GQRX ส่งข้อมูลผ่าน IPv6 เป็นค่าเริ่มต้น จึงต้องบังคับให้สตรีมใช้ IPv4 ไม่เช่นนั้น Dire Wolf จะไม่ได้รับอะไรเลย ท้ายที่สุดบทความยังพูดถึงปัญหาฮาร์ดแวร์ คือโปรเซสเซอร์ลดความเร็วลงเมื่อร้อนจากภาระการประมวลผลสัญญาณ ซึ่งต้องแก้ไขหากต้องการให้สถานีทำงานได้อย่างเชื่อถือได้ต่อเนื่อง

สิ่งที่ชอบคือน้ำเสียงของคนที่เคยเล่นวิทยุแพ็กเก็ตในยุค 90 และกลับมาค้นพบเทคนิคนี้อีกครั้งด้วยฮาร์ดแวร์ราคาไม่กี่สิบยูโร เป็นจุดเริ่มต้นที่ดีสำหรับใครที่อยากผสาน Raspberry Pi กับวิทยุ

แหล่งที่มา: Framboise 314

พอพูดถึง LLM คนมักนึกถึงแชตบอตทันที แต่ Needle เดินไปอีกทางหนึ่ง มันเป็นโมเดลปัญญาประดิษฐ์ขนาดเล็กเพียง 14 MB พัฒนาโดย Cactus Compute และมีงานเดียวคือแปลงคำขอภาษาธรรมชาติให้เป็นการเรียกใช้ฟังก์ชัน Python ไม่ได้ออกแบบมาเพื่อสนทนา แต่ออกแบบมาเพื่อควบคุมแอป อุปกรณ์ และระบบอัตโนมัติ

สิ่งที่ทำให้ฉันสนใจคือมันทำงานในเครื่องบน Raspberry Pi 5 โดยใช้แค่ CPU ไม่ต้องพึ่งคลาวด์และไม่ต้องมีฮาร์ดแวร์ AI เฉพาะ แทนที่จะต้องเขียน accendi_led() เพียงพูดว่า "เปิดไฟ LED 1" โมเดลก็จะเลือกฟังก์ชันที่ถูกต้องเอง มันยังเข้าใจคำสั่งภาษาอิตาลีด้วย และเว็บไซต์ของโปรเจกต์มีเดโมออนไลน์ให้ลอง เช่น สมาร์ทโฮม หุ่นยนต์ดูดฝุ่น นาฬิกาอัจฉริยะ และแว่น AR

บทเรียนของ RaspberryItaly สร้างผู้ช่วยขนาดเล็กที่ทำงานในเครื่อง ซึ่งบันทึกโน้ตลงไฟล์ อ่านอุณหภูมิของ Raspberry Pi เปิดและปิดไฟ LED และเข้าใจคำสั่งที่เขียนเป็นภาษาอิตาลี สิ่งที่ต้องมีคือ Raspberry Pi (แนะนำรุ่น 5), Raspberry Pi OS เวอร์ชันล่าสุด, Python 3, ไฟ LED พร้อมตัวต้านทาน 220 หรือ 330 โอห์ม และสายจัมเปอร์ไม่กี่เส้น การติดตั้งทำผ่านสภาพแวดล้อมเสมือนและแพ็กเกจ cactus-needle โดยต้องเชื่อมอินเทอร์เน็ตเฉพาะตอนดาวน์โหลดครั้งแรกเท่านั้น

มีคำแนะนำจากผู้เขียนที่ควรจำไว้: ควรให้คำสั่งทีละคำสั่ง ประโยคอย่าง "ปิดไฟในครัวแล้วลดม่านลง" อาจถูกตีความผิด ขณะที่คำสั่งสองคำสั่งแยกกันทำงานได้ถูกต้อง

ในฐานะไอเดียโปรเจกต์ ฉันเห็นว่าใช้งานได้จริงมาก เมื่อรวมกับการรู้จำเสียงพูดในเครื่อง ก็สามารถสั่งงานหุ่นยนต์หรือระบบอัตโนมัติขนาดเล็กด้วยเสียง โดยไม่ต้องพึ่งบริการเครือข่ายใด ๆ

แหล่งที่มา: RaspberryItaly

Embarcados นำเสนอ XIAOML Kit จาก Seeed Studio ซึ่งออกแบบมาเพื่อใช้ทำแล็บปฏิบัติการในหนังสือ «Machine Learning Systems» ของศาสตราจารย์ Vijay Janapa Reddi แห่งฮาร์วาร์ด แล็บเหล่านี้พัฒนาร่วมกับศาสตราจารย์ Marcelo Rovai จาก UNIFEI ที่อิตาจูบา ภายในกลุ่ม tinyML4D

ชุดคิตประกอบด้วยบอร์ด XIAO ESP32-S3 Sense ที่มากล้อง OV3660 ไมโครโฟนดิจิทัล และตัวอ่านการ์ด SD พร้อมบอร์ดขยายที่มี IMU 6 แกนและจอ OLED ขนาด 0.42 นิ้ว ครบทั้งข้อมูลสามประเภทที่หนังสือเล่มนี้ใช้ ได้แก่ ภาพ เสียง และการเคลื่อนไหว ในกล่องยังมีเสาอากาศ FPC 2.4 GHz ฮีตซิงก์สองตัว และการ์ด microSD ขนาด 32 GB พร้อมอะแดปเตอร์

SoC คือ ESP32-S3R8 เป็น Xtensa LX7 แบบสองแกนที่ทำงานที่ 240 MHz มี SRAM 512 KB, PSRAM 8 MB และแฟลช 8 MB IMU คือ LSM6DS3TR-C ส่วนจอ OLED ใช้ตัวควบคุม SSD1315 ซึ่งไลบรารีมองว่าเป็น SSD1306 ขนาด 72 x 40 พิกเซล ชุดที่ประกอบแล้วมีขนาด 21 x 17.8 x 30 มม. และน้ำหนัก 10.6 กรัม ผู้เขียนชี้ประเด็นที่ใช้งานจริงไว้ว่า IMU และ OLED ใช้บัส I2C เดียวกันที่ที่อยู่ 0x6A และ 0x3C ดังนั้นหากจะต่อเซนเซอร์ I2C ตัวอื่น ต้องหลีกเลี่ยงที่อยู่ทั้งสองนี้ บอร์ด IMU ยังมีขั้วต่อ JST สำหรับแบตเตอรี่ลิเธียม 3.7 V ซึ่งเหมาะกับโปรเจกต์สวมใส่

สิ่งที่ชอบที่สุดคือการผสมผสานระหว่างหนังสืออ้างอิงกับฮาร์ดแวร์ราคาถูกและกะทัดรัด ทำให้ก้าวจากทฤษฎีไปสู่การรันการอนุมานบนไมโครคอนโทรลเลอร์จริงได้ แน่นอนว่าจอ OLED แสดงได้เพียงสองถึงสามบรรทัดที่อ่านออก แต่ก็เพียงพอสำหรับแสดงคลาสที่ทำนายได้หรือเปอร์เซ็นต์ความมั่นใจ

ที่มา: Embarcados

Arduino เริ่มรับคำสั่งจองล่วงหน้าสำหรับ Ventuno Q ซึ่งประกาศไว้ตั้งแต่เดือนมีนาคม ตามรายงานของ Make บอร์ดนี้มีราคา 298.99 ยูโร และเครื่องที่สั่งจองไว้คาดว่าจะจัดส่งภายในประมาณสี่สัปดาห์ บอร์ดนี้มุ่งเป้าไปที่ AI บนอุปกรณ์ปลายทาง (edge AI) และงานหุ่นยนต์เป็นหลัก

สิ่งที่ทำให้ผมสนใจคือแนวคิด "สมองคู่" ฝั่ง Linux ใช้ Qualcomm Dragonwing IQ8 (QCS8275) ซึ่งมีแกน Kryo แปดแกนและ NPU แบบ Hexagon ที่ให้ประสิทธิภาพสูงสุด 40 TOPS ส่วนงานที่อ่อนไหวต่อเวลาทั้งหมดจะตกเป็นหน้าที่ของ STM32H5F5 ที่ใช้ Cortex-M33 ซึ่งรัน Zephyr RTOS พร้อมแกน Arduino และควบคุมมอเตอร์ PWM และ GPIO สองฝั่งสื่อสารกันผ่านสะพาน RPC ดังนั้นหุ่นยนต์สามารถวิเคราะห์ภาพจากกล้องในเครื่องและควบคุมมอเตอร์ไปพร้อมกันได้ โดยไม่ต้องต่อบอร์ดหลายตัวเข้าด้วยกัน

สเปกของบอร์ดนี้ค่อนข้างจัดเต็มตามมาตรฐานของ Arduino ได้แก่ LPDDR5 16 GB, eMMC 64 GB, ช่อง M.2 สำหรับ NVMe SSD, ขั้วต่อกล้อง MIPI-CSI สามช่อง, อีเธอร์เน็ต 2.5 กิกะบิต, Wi-Fi 6 และ Bluetooth 5.3 นอกจากนี้ยังมี I2C, SPI, UART, อินเทอร์เฟซ CAN-FD หลายช่อง, ขั้วต่อ Qwiic, LED RGB สี่ดวง และจอ LED ขนาด 8×13

ด้านซอฟต์แวร์วางแผนรองรับ Ubuntu ก่อน และตามด้วย Debian ตามที่ Arduino ระบุ Docker และ apt ใช้งานได้ทันที ใน Arduino App Lab สามารถเชื่อมต่อ sketch, สคริปต์ Python และโมเดล AI ที่อยู่ในคอนเทนเนอร์ได้ มีโมเดลติดตั้งมาให้แล้ว เช่น Qwen, Gemma, Whisper, YOLOX และ MediaPipe และโมเดล GGUF ของตัวเองก็รันผ่าน llama.cpp ได้

ราคาสูงกว่าระดับปกติของ Arduino มาก จึงเหมาะกับโปรเจกต์ขนาดใหญ่มากกว่าผู้เริ่มต้น สิ่งที่ดึงดูดผมมากที่สุดคือแนวคิดการสั่งงานด้วยเสียงในเครื่องและระบบอัตโนมัติที่ไม่ต้องพึ่งคลาวด์

ที่มา: heise online (Make)

ในช่วงหน้าร้อน มีผู้สูงอายุที่อยู่คนเดียวถูกส่งตัวเข้าโรงพยาบาลด้วยโรคลมแดดมากขึ้น เพราะไม่ทันสังเกตว่าอุณหภูมิในห้องสูงขึ้น โปรเจกต์ส่วนตัว «THSense» ที่เผยแพร่บน Zenn ออกแบบมาสำหรับผู้ที่ดูแลครอบครัวซึ่งอาศัยอยู่ไกลออกไป ระบบจะติดตามอุณหภูมิและความชื้นในห้อง แล้วส่งอีเมลเมื่ออุณหภูมิถึงระดับอันตราย

ฟังก์ชันเรียบง่าย วัดอุณหภูมิและความชื้นทุกนาที ส่งอีเมลเมื่อเกิน 35 °C และดูค่าปัจจุบันกับประวัติเป็นกราฟบนเบราว์เซอร์ได้ ตามที่ผู้เขียนระบุ กราฟมีไว้เพื่อให้สังเกตสัญญาณล่วงหน้า เช่น อุณหภูมิที่ขึ้นต่อเนื่องได้เร็วขึ้น

โครงสร้างน่าสนใจ การอ่านค่าเซนเซอร์ (DHT20) มอบให้ Arduino บนชุด Grove Beginner Kit แทนที่จะให้ Raspberry Pi เพราะตอบสนองแบบเรียลไทม์ได้ดีกว่าและได้ค่าที่แม่นยำง่ายกว่า ทุก 60 วินาที Arduino จะส่งข้อความผ่านพอร์ต USB serial ไปยัง Raspberry Pi โปรแกรม Python บน Raspberry Pi รับข้อความด้วย pyserial แปลงกลับเป็นตัวเลข แล้วทำหน้าที่ตรวจอุณหภูมิ ส่งอีเมล และบันทึกลงฐานข้อมูล ฐานข้อมูลเป็น MariaDB บนเครื่องเสมือนของ Azure ส่วนหน้าจอสร้างด้วย Flask และ Chart.js อีเมลถูกส่งผ่าน SMTP ของ Gmail ด้วย smtplib และข้อมูลบัญชีอ่านจากไฟล์ .env แทนการเขียนไว้ในโค้ด

การแบ่งหน้าที่ชัดเจน ทำให้โปรเจกต์นี้เป็นตัวอย่างที่ดีสำหรับการออกแบบระบบ IoT ขนาดเล็ก การแบ่งให้ Arduino วัดค่า และให้ Raspberry Pi ประเมินและแจ้งเตือน เป็นแนวทางที่ผมจะนำไปใช้กับงานประดิษฐ์ที่คล้ายกันได้ ผู้เขียนบอกว่าซอร์สโค้ดเผยแพร่บน GitHub

ที่มา: Zenn

Raspberry Pi เริ่มขาย Smart Display Module ของตนในที่สุด โมดูลนี้ประกาศครั้งแรกเมื่อเดือนมกราคม และตั้งแต่สัปดาห์นี้สามารถซื้อได้จากผู้จำหน่ายที่ได้รับอนุญาตในราคา 30 ดอลลาร์ Compute Module 5 ขายแยกต่างหาก จึงเป็นเพียงอะแดปเตอร์เปล่า ไม่ใช่คอมพิวเตอร์เต็มเครื่อง

นี่คือบอร์ดอะแดปเตอร์สำหรับ Compute Module 5 ที่เสียบเข้ากับจอแสดงผลและโปรเจกเตอร์ซึ่งทำตามข้อกำหนด Smart Display Module (SDM) ของ Intel พลังงาน วิดีโอ เสียง ข้อมูล และการควบคุมทั้งหมดส่งผ่านคอนเน็กเตอร์ภายใน จึงไม่มีสายเคเบิลเพิ่ม อะแดปเตอร์ไฟ หรือขายึดห้อยอยู่ด้านหลังหน้าจอ พัฒนาร่วมกับ Sharp Display Solutions Europe และรองรับการเล่นวิดีโอ 4K

บนบอร์ดยังมีสล็อต M.2 ที่รองรับที่เก็บข้อมูลความเร็วสูงหรือตัวเร่งความเร็ว AI เช่นโมดูล Hailo บอร์ดนี้ไม่มีพัดลมและเงียบ เหมาะกับป้ายดิจิทัลที่ต้องทำงานตลอด 24 ชั่วโมง เช่น จอแสดงข้อมูลเที่ยวบินในสนามบิน ป้ายนำทาง จอในร้านค้าและองค์กร หรือนิทรรศการแบบดื่มด่ำเมื่อใช้คู่กับโปรเจกเตอร์ SDM

ผู้ทดสอบกลุ่มแรกคนหนึ่ง คือบริการป้ายขนาดเล็กชื่อ Media Looper ได้ใช้งานบนจอ Sharp เป็นเวลาสามเดือน ผู้ก่อตั้งบอกว่ามันทำทุกอย่างที่ชุดติดตั้ง Raspberry Pi 5 ของพวกเขาทำได้ โดยไม่มีสายเคเบิล แหล่งจ่ายไฟ หรือขายึดที่ลูกค้าอาจทำหลุดโดยไม่ตั้งใจ และพวกเขาจะใช้เป็นค่าเริ่มต้นสำหรับจอทุกตัวที่มีสล็อต SDM

ฉันชอบประกาศแบบนี้ เพราะมันแสดงให้เห็นว่าแพลตฟอร์มนี้ก้าวจากบอร์ดสำหรับงานอดิเรกมาสู่ฮาร์ดแวร์ฝังตัวที่เรียบร้อยได้ไกลแค่ไหน สำหรับใครที่กำลังทำโปรเจกต์จอแสดงผล โมดูลราคา 30 ดอลลาร์ที่ซ่อนอยู่ในจอเป็นตัวเลือกที่น่าสนใจ แต่ก็ควรตรวจให้แน่ใจว่าจอของคุณมีสล็อต SDM จริง ๆ

แหล่งที่มา: Raspberry Pi News

อินเทอร์เฟซ HDA Link หรือ Azalia มักพบเฉพาะในชิปเซ็ตของพีซี ผู้เขียนบทความบน Habr ต้องการตรวจสอบว่าไมโครคอนโทรลเลอร์ RP2040 บน Raspberry Pi Pico จะทำหน้าที่เป็นโฮสต์ของอินเทอร์เฟซนี้ได้หรือไม่ ข้อดีชัดเจน: โคเดกเสียง HDA หลายช่องสัญญาณให้จำนวนช่องมากกว่า I²S อย่างมาก

โปรเจกต์นี้ใช้ RP2040 ที่มีบล็อก PIO และโคเดก Realtek ALC889 ที่ติดอยู่บนบอร์ด ซึ่งเป็นบอร์ดที่เหลือจากความพยายามก่อนหน้าที่ล้มเหลวด้วย STM32F103 และ Spartan-3 สัญญาณ BCLK ต้องคงที่ที่ 24 MHz จึงไม่สามารถสร้างด้วยซอฟต์แวร์ได้ อินเทอร์เฟซใช้สี่เส้นสัญญาณ ได้แก่ BCLK, SYNC, SDO และ SDI โดยหนึ่งเฟรม 1000 บิตให้ 48 kHz และที่ 96 และ 192 kHz จำนวนตัวอย่างต่อเฟรมจะเพิ่มขึ้น

การทำงานใช้สี่สเตต-แมชชีนของ PIO ได้แก่ เอาต์พุต SDO เอาต์พุต SYNC อินพุต SDI พร้อมการสร้าง BCLK และแมชชีนที่กำหนดแอดเดรสให้โคเดก ข้อมูลส่งผ่าน DMA ขณะที่คอร์ที่สองของ RP2040 จัดแพ็กตัวอย่างและคำสั่ง และแปลความการตอบกลับของโคเดก โปรเจกต์สาธิตสร้างคลื่นไซน์บน DAC สเตริโอห้าตัว โดยฮาร์โมนิกที่สามอยู่ราว −123 dB

โคเดกทำงานที่อัตราการสุ่มตัวอย่าง 192 kHz การโอเวอร์คล็อก RP2040 เป็น 32 MHz (256 kHz) ก็ทำงานได้ แต่โคเดกร้อนมาก บอร์ดกินไฟ 150 ถึง 270 mA ที่ 3.3 V นอกจากนี้ยังมีข้อจำกัด ฟิลเตอร์ในตัวทำงานเหมือนไฮพาสลำดับที่หนึ่งที่ความถี่คัตออฟราว 4 Hz และแบนด์วิดท์อินพุต HDA ไม่รองรับสามช่องสัญญาณสเตริโอ 24/192 พร้อมกัน

ผู้เขียนยังพบข้อผิดพลาดด้านการซิงโครไนซ์ของ RP2040 เมื่อ DMA, USB และการสุ่มตัวอย่างจาก XIP ทำงานพร้อมกัน สาเหตุถูกระบุโดยผู้เชี่ยวชาญของ Raspberry Pi สำหรับการประมวลผลที่ซับซ้อน เขาแนะนำ RP2350 ที่มีคำสั่ง DSP ผมชอบที่โปรเจกต์แสดงทั้งผลลัพธ์และจุดอ่อนอย่างตรงไปตรงมา

ที่มา: Habr

เซนเซอร์ไม่ได้เป็นเพียงชิ้นส่วนที่แทบมองไม่เห็นในโรงงานหรือโรงช่างอีกต่อไป Hardware Libre รวบรวมโครงการหลายแห่งในสเปนและยุโรปที่ใช้เครือข่ายอุปกรณ์เชื่อมต่อ แพลตฟอร์มข้อมูล และปัญญาประดิษฐ์ในงานที่แตกต่างกันมาก เช่น คาดการณ์การเสียหาย ติดตามมลพิษ จำแนกนกจากเสียงร้อง หรือเพิ่มความปลอดภัยให้ยานพาหนะ

ตัวอย่างที่ละเอียดที่สุดคือ Scamia ในมาดริด โครงการของบริษัทที่อยู่อาศัยของเทศบาล EMVS จะนำไปใช้กับอาคาร 15 หลังภายในปี 2027 โดยในจำนวนนี้ 13 หลังเป็นที่อยู่อาศัยสาธารณะ งบประมาณราว 5.2 ล้านยูโรพร้อมการร่วมทุนจากยุโรป และหัวใจของโครงการคือการสร้างดิจิทัลทวินของอาคารแต่ละหลัง ข้อมูลจากเซนเซอร์ราว 200 ตัวต่ออาคาร ซึ่งเชื่อมต่อผ่าน Wi-Fi และ IoT จะวัดอุณหภูมิ ความชื้นสัมพัทธ์ หรือระดับ CO2 และตรวจจับความผิดปกติก่อนที่เพื่อนบ้านจะสังเกตเห็น ข้อมูลถูกทำให้ไม่ระบุตัวตนและเชื่อมโยงกับครัวเรือน ไม่ใช่กับบุคคล

ผู้รับผิดชอบคาดว่าค่าบำรุงรักษาอุปกรณ์อย่างระบบแอโรเทอร์มอลหรือหม้อต้มจะลดลง 15 ถึง 20 เปอร์เซ็นต์ และการใช้พลังงานจะลดลง 5 ถึง 10 เปอร์เซ็นต์ บทความยังเพิ่มความเป็นจริงเข้าไปด้วยว่า ตัวเลขเหล่านี้เทียบเท่ากับการประหยัดพลังงานราว 40 ถึง 100 ยูโรต่อบ้านต่อปี และมูลค่าที่แท้จริงจะปรากฏเมื่อรวมหลายครัวเรือนเข้าด้วยกันและหลีกเลี่ยงการเสียหายที่แพง

ที่การ์ตาเฮนา มีการเตรียมเครือข่ายอีกชุดสำหรับย่านทางเหนือ ด้วยสัญญามูลค่า 130,258 ยูโรรวมภาษีมูลค่าเพิ่ม และอุปกรณ์ราว 15 ชิ้นที่จะวัดก๊าซอย่างไนโตรเจนไดออกไซด์หรือโอโซน

บทความนี้เตือนใจว่าหลักการเดียวกันที่เราใช้ในโปรเจกต์ที่บ้านกับไมโครคอนโทรลเลอร์และเซนเซอร์อุณหภูมิ สามารถขยายไปสู่เมืองทั้งเมืองได้ ส่วนที่ยาก ตามที่ข้อความชี้ไว้ ไม่ใช่การวัด แต่คือการเปลี่ยนการอ่านค่านับล้านให้เป็นการตัดสินใจที่มีประโยชน์

ที่มา: Hardware Libre

Pavel Loktev เขียนรีวิวบน Habr หลังใช้แผงติดผนัง Elecrow CrowPanel ที่ใช้ ESP32-P4 เป็นเวลาหนึ่งสัปดาห์ และสำรวจว่าทำไมจึงต้องมีอุปกรณ์แบบนี้ ผมชอบความตรงไปตรงมาของข้อสรุปของเขา จึงขอนำประเด็นหลักมาเล่าต่อ

อุปกรณ์มีหน้าจอ 10.1 นิ้วความละเอียด 1024×600, PSRAM 32 MB, แฟลช 16 MB, เซ็นเซอร์สัมผัสแบบคาปาซิทีฟ, เสียง, ช่อง SD และ GPIO เฟิร์มแวร์เป็นแบบปิด จึงเป็นผลิตภัณฑ์สำเร็จรูปมากกว่าแพลตฟอร์มสำหรับพัฒนา แผงทำงานในฐานะไคลเอนต์: ติดตั้งแอดออนบนเซิร์ฟเวอร์ Home Assistant แล้วกรอกที่อยู่เซิร์ฟเวอร์ ชื่อผู้ใช้ และรหัสผ่านบนตัวแผงเอง หลังจากนั้นแผงจะแสดงแดชบอร์ด HA ตามปกติ โดยไม่ต้องออกแบบอินเทอร์เฟซเองเลย

ผู้เขียนมีการวัดค่าด้วย การเริ่มทำงานจากสถานะปิดจนถึงแดชบอร์ดที่ใช้งานได้ใช้เวลาราว 20 วินาที การกดปุ่มจนสถานะเปลี่ยนใช้เวลา 0.7–0.8 วินาที และการสลับแท็บจนบล็อกพร้อมใช้งานใช้เวลา 1.1–1.3 วินาที คำสั่งถูกส่งออกเกือบทันที แต่การยืนยันด้วยภาพบนหน้าจอมาช้ากว่าอย่างเห็นได้ชัด สไลเดอร์ทำงานได้ดี และเขายังทดสอบกล้องกับการเล่นสื่อด้วย

เขาพูดถึงทางเลือกอื่นอย่างตรงไปตรงมาเช่นกัน แท็บเล็ตเร็วกว่าและอเนกประสงค์กว่า แต่ต้องมีขาตั้ง ไฟ และโหมดคีออสก์ ESPHome กับ LVGL ถูกกว่า แต่ต้องสร้างและดูแลอินเทอร์เฟซเอง แผงสำเร็จรูปอย่าง Sonoff NSPanel แก้ปัญหาตัวเครื่องและพลังงานได้ แต่มักต้องใช้เฟิร์มแวร์จากบุคคลที่สาม CrowPanel เป็นทางสายกลาง คือแดชบอร์ดชุดเดียวสำหรับโทรศัพท์ คอมพิวเตอร์ และผนัง

ข้อเสียที่เขาระบุได้แก่ ประสิทธิภาพที่ต่ำกว่า ความละเอียดที่ไม่พอสำหรับแดชบอร์ดที่แน่นมาก และเฟิร์มแวร์แบบปิด ไม่มีแบตเตอรี่ในตัว สรุปคือมันไม่ใช่ตัวแทนของแท็บเล็ต แต่เป็นตัวแทนของรีโมตควบคุมที่ทางเข้า ในครัว หรือในโรงรถ ผมชอบคำพูดของเขาเกี่ยวกับสวิตช์ที่มีหน้าจอใหญ่ ผมคิดว่าตรงมาก

ที่มา: Habr