Mouser German Blog

(Quelle: ZinetroN/Shutterstock.com)

Die Rapid-Development-Plattform Seeed StudioSipeed Maixduino Kit for RISC-V AI + IoT unterstützt Entwickler bei der schnellen Entwicklung von Anwendungen für KI und IoT mit einer Dual-Core-64-Bit-RISC-V-CPU in Kombination mit einem 400-MHz-Prozessor für neuronale Netzwerke. Der neuronale Netzwerkprozessor ermöglicht KI-Anwendungen unter Verwendung von ladbaren neuronalen Netzwerken, die entweder vorkonfiguriert verfügbar sind oder mit verschiedenen Deep-Learning-Toolsets individuell entwickelt werden können. Ein integriertes ESP32 Wi-Fi + Bluetooth^®-Modul sorgt für drahtlose Konnektivität, und Anschlüsse für Kamera und LCD-Display ermöglichen die Integration der mitgelieferten Digitalkamera sowie eines LCD-Displays für Anwendungen der industriellen Bildverarbeitung („Machine Vision“). Das integrierte digitale Mikrofon unterstützt Spracherkennungs- und Tonverarbeitungsanwendungen, und über einen Audioausgang lässt sich ein Lautsprecher zur Sound-Ausgabe anschließen. Die Stromversorgung erfolgt entweder über ein USB-Typ-C-Kabel oder einen Gleichstrom-Anschluss.

Das Maixduino-Board ist im Arduino-Uno-Formfaktor mit Arduino-kompatiblen Anschlüssen ausgeführt. Dadurch können verschiedene Arten von Arduino Shields für Ein-/Ausgang oder die Erweiterung der Konnektivität mit digitalen, analogen, UART- und I2C-Signalen verwendet werden.

Die Softwareentwicklung wird mit MicroPython, Arduino IDE, PlatformIO IDE, OpenMV IDE und mit Deep-Learning-Tools wie Tiny-Yolo, Mobilenet und TensorFlow Lite unterstützt. MaixPy ist MicroPython, das auf den im MAIX-Modul enthaltenen K210-Prozessor portiert wurde. MaixPy enthält vorgefertigte Bibliothekspakete, die den Betrieb des Boards einschließlich Initialisierung, Ein-/Ausgabeperipherie und Sensordatenverarbeitung unterstützen. Der Quellcode für MaixPy sowie MaixPy-Beispielprogramme sind auf GitHub verfügbar. Die MaixPy-Bibliotheken enthalten Funktionen für Initialisierung, Ein-/Ausgabe, Fast Fourier Transform, Video- und Audioverarbeitung, Netzwerk und eine Vielzahl weiterer Funktionen.

Medium One IoT-Plattform

Die Medium One IoT-Plattform ist eine Cloud-basierte Plattform, die dafür ausgelegt ist, Nachwuchsentwickler beim Prototyping ihres IoT-Projekts zu unterstützen oder ihre vorhandene Hardware mit der Cloud zu verbinden. Sie stellt eine IoT-Data-Intelligence-Plattform zur Verfügung, mit der die Kunden IoT-Anwendungen schnell und mit weniger Aufwand erstellen können. Programmierbare Workflows ermöglichen eine schnelle Erstellung von Verarbeitungslogik, ohne einen eigenen komplexen Software-Stack aufbauen zu müssen. Mit einem grafischen Workflow-Builder und einer Runtime-Engine lassen sich IoT-Daten direkt beim Eingang verarbeiten und je nach Bedarf für die jeweilige Anwendung weiterleiten oder umwandeln. Es stehen Workflow-Bibliotheksmodule für Datenanalysen, Diagramme, Geolokalisierung, Wetterdaten, MQ Telemetry Transport (MQTT), SMS-Textnachrichten und die Integration mit Twitter, Salesforce und Zendesk zur Verfügung. Mit Python-Code-Snippets lassen sich individuelle Workflow-Module erstellen. Das webbasierte Workflow Studio bietet eine visuelle Drag-and-Drop-Programmierumgebung und ermöglicht das Design und die Erstellung von End-to-End-Workflows. Workflow-Versionierungs- und Debugging-Tools unterstützen den gesamten Lebenszyklus von Entwicklung, Test und Implementierung. Die Kommunikation zwischen IoT-Geräten und der Medium One Cloud erfolgt über REST-APIs oder das MQTT-Protokoll. Über konfigurierbare Dashboards lassen sich Anwendungsdaten visualisieren und Echtzeitdaten in zahlreichen Formaten anzeigen. Für Tabellendaten, Diagramme, Geopunkt-Karten, Messgeräte und Benutzereingaben sind Dashboard-Widgets vorhanden. Mit den iOS- und Android-Apps von Medium One lassen sich auch einfache Dashboards für mobile Apps erstellen, die über die Plattform mit den Endgeräten kommunizieren können.

Verwendung Ihres eigenen Sipeed Maixduino-Kits mit der Medium One IoT-Plattform

In unseren schrittweisen Anleitungen erfahren Sie, wie Sie Ihr eigenes Sipeed Maixduino Kit für RISC-V AI + IoT mit der Medium One IoT-Plattform verwenden, um Gesichtserkennung in Echtzeit durchzuführen:

• Einrichten der Hardware und der Entwicklungswerkzeuge
• Installation und Ausführung der erforderlichen Softwarekomponenten
• Erstellen des Codes und Herunterladen auf das Board
• Konfiguration der Cloud-Verbindungsparameter des Boards
• Betrieb des Boards zur Erstellung von Echtzeit-Sensormessungen, die an die Cloud gesendet werden.

Außerdem zeigen wir hier, wie man die veröffentlichten Daten auf einem in der Medium One-Umgebung erstellten Echtzeit-Dashboard beobachten kann. In zahlreichen weiterführenden Schritten erhalten Sie Vorschläge und Informationen, wie Sie die Anwendung für verschiedene IoT-Prototyping-Szenarien erweitern und anpassen können.