Scheda AI FireBeetle 2 ESP32 - DFR0975 | DFRobot

Introduzione Scatena l’intelligenza artificiale sul dispositivo! DFRobot FireBeetle 2 ESP32-S3 racchiude un acceleratore AI, supporto per fotocamera OV2640 e spazio di archiviazione enorme in un fattore di forma compatto. Perfetto per gli sviluppatori che creano sistemi di riconoscimento facciale, rilevamento di oggetti e sistemi di sicurezza intelligenti. La scheda è dotata di 16 MB di memoria Flash, 8 MB di PSRAM e include un connettore integrato e un alimentatore indipendente per una fotocamera OV2640. Integra inoltre un’interfaccia GDI (General Display Interface) per una facile connessione dello schermo e un’unità di gestione dell’alimentazione che supporta la ricarica della batteria agli ioni di litio. La scheda è compatibile con l’IDE Arduino. Funzionalità di visione AI senza pari: fotocamera OV2640 integrata (2 MP) e acceleratore AI ESP32-S3 Avvia progetti di visione artificiale e riconoscimento delle immagini (come rilevamento di volti e tracciamento di oggetti) immediatamente! La fotocamera OV2640 inclusa offre una risoluzione 1600×1200 con un campo visivo di 68°. L’hardware di accelerazione AI integrato di ESP32-S3 accelera notevolmente l’inferenza della rete neurale per l’elaborazione delle immagini in tempo reale ai margini, perfetto per telecamere di sicurezza intelligenti o installazioni interattive. Non è richiesta alcuna configurazione complessa della fotocamera! Riconoscimento delle immagini Trasmissione di immagini video Elaborazione potente e ampia memoria per modelli AI: dual-core ESP32-S3 a 240 MHz, 16 MB Flash, 8 MB PSRAM Gestisci modelli e dati AI complessi con facilità. Il processore dual-core Xtensa LX7 fornisce potenza pura, mentre la generosa Flash da 16 MB memorizza programmi di grandi dimensioni e 8 MB di PSRAM sono essenziali per contenere modelli di apprendimento automatico (come TensorFlow Lite Micro) e buffer di immagini. Addestra e distribuisci modelli di riconoscimento facciale o sistemi di comando vocale più sofisticati direttamente sulla scheda. Chip potente, connettività robusta e predisposizione per IoT: WiFi 4 (802.11 b/g/n) e Bluetooth 5 LE/Mesh, supporto Matter Connetti facilmente i progetti al cloud, agli smartphone o ad altri dispositivi. Dispone di WiFi stabile (modalità station/AP) e Bluetooth 5 a risparmio energetico con supporto per Bluetooth Mesh ed Espressif WiFi Mesh per reti di grandi dimensioni. La compatibilità del protocollo Matter rende lo sviluppo di dispositivi domestici intelligenti a prova di futuro. Ideale per il monitoraggio remoto e la trasmissione dati wireless. Sviluppo semplificato e gestione dell’alimentazione: Arduino/MicroPython/ESP-IDF, GDI Display Port, ricarica della batteria Inizia rapidamente con i framework più diffusi: Arduino IDE per semplicità, MicroPython per scripting rapido o ESP-IDF per il massimo controllo. La porta GDI integrata semplifica il collegamento dei display. La gestione dell’alimentazione integrata supporta la ricarica della batteria agli ioni di litio (fino a 1 A) e dispone di controllo di accensione/spegnimento hardware per progetti a basso consumo e applicazioni portatili. Design e affidabilità ottimizzati: alimentazione telecamera indipendente, anti-interferenza, intervallo di temperature industriali Progettato per le prestazioni. Il circuito di alimentazione dedicato della fotocamera riduce al minimo le interferenze per un’acquisizione di immagini più pulita. Costruito per funzionare in modo affidabile in ambienti industriali (da -20°C a 70°C). Caratteristiche Riconoscimento immagine: GDI integrato per una facile connessione con gli schermi Chip potenti: modulo ESP32-S3 con accelerazione AI Più spazio di archiviazione: 16 MB Flash e 8 MB PSRAM Interfaccia fotocamera integrata e alimentatore indipendente per fotocamera, facile da collegare e forte anti-interferenza Gestione energetica integrata, supporto ricarica batteria agli ioni di litio Wi-Fi e Bluetooth 5 comunicazione dual-mode Specifica Parametri di base Tensione operativa: 3,3 V Tipo C Tensione di ingresso: 5 V CC Tensione di ingresso VCC: 5 V CC Corrente di carica massima: 1 A Temperatura operativa: da -20 a 70 ℃ Dimensioni: 25,4×60 mm/1×2,36″ Informazioni hardware Processore: microprocessore Xtensa® dual-core a 32 bit LX7 Frequenza principale: 240 MHz SRAM: 512 KB ROM: 384 KB Flash: 16 MB PSRAM: 8 MB RTC SRAM: 16 KB USB: USB 2.0 OTG WIFI a piena velocità Protocollo WIFI: IEEE 802.11b/g/n Larghezza di banda: Supporto 20 MHz e 40 MHz sulla banda da 2,4 GHz Modalità WIFI: Modalità combinata Station, SoftAP, SoftAP+Station Frequenza WIFI: 2,4 GHz Aggregazione frame: TX/RX A-MPDU, TX/RX A-MSDU Bluetooth Protocollo Bluetooth: Bluetooth 5, Bluetooth mesh Frequenza Bluetooth: 125 Kbps, 500 Porte Kbps, 1 Mbps, 2 Mbps I/O digitale x26 LED Controller PWM 8 canali SPI x2 UART x3 I2C x2 I2S x2 Ricetrasmettitore IR: canale di trasmissione x5, canale di ricezione x5 ADC SAR 2×12 bit, controller DMA a 20 canali: canale di trasmissione x5, canale di ricezione x5 Elenco di spedizione Scheda FireBeetle 2 ESP32-S3 (N16R8) Microcontroller AIoT (supporta Wi-Fi e Bluetooth) x1 Fotocamera OV2640 o OV3660 x1 (spedita casualmente) 1 intestazione pin da 2,54 mm 18 pin x1 intestazione femmina 18 pin da 2,54 mm 1 x intestazione pin 14 pin da 2,54 mm Connettore femmina da 14 pin-2,54 mm x1 Documenti Wiki del prodotto ESP32-S3-WROOM-1 Scheda dati Chip ESP32-S3 Scheda dati Schemi Dimensioni Applicazioni Riconoscimento delle immagini basato sull’intelligenza artificiale: costruisci serrature per porte con riconoscimento facciale, sistemi di rilevamento di oggetti, contatori di prodotti, interfacce di controllo dei gesti, lettori di targhe. Casa intelligente e sicurezza: crea telecamere per il rilevamento di intrusioni, monitor per animali domestici, campanelli intelligenti con video, rilevamento ambientale (combinati con sensori). IoT industriale e visione artificiale: sviluppa semplici ispezioni con visione artificiale, scanner QR/codici a barre, monitoraggio delle apparecchiature con feedback visivo. Edge AI e TinyML: distribuisci modelli TensorFlow Lite Micro sul dispositivo per fusione di sensori, rilevamento di anomalie e manutenzione predittiva sull’edge. Streaming video wireless: implementa la trasmissione video a bassa latenza per progetti FPV, feed di monitoraggio remoto (considerare i limiti di larghezza di banda). Interfacce di controllo vocale: combinale con i microfoni per il riconoscimento dei comandi vocali locali utilizzando l’acceleratore AI. Progetti Progetto: fai da te un registratore di crescita delle piante con ESP32 S3 Introduzione: ho intenzione di creare un registratore di crescita delle piante fai da te che mi permetterà di monitorare l’intero processo di crescita delle mie piante dalla piantina alla maturità, monitorando al contempo le condizioni ambientali. Progetto ESP32 S3: fai da te un registratore di crescita delle piante con ESP32 S3