- Sonderpreis!
Produktbeschreibung: EdgeBadge - TensorFlow Lite - Minikonsole für Mikrocontroller - Adafruit 4400
EdgeBadge- Konsole , hergestellt von Adafruit . Es verfügt über ein Display in TFT -Technologie mit einer Diagonale von 1,8 '' und einer Auflösung von 160 x 128 px . Die Konsole enthält 8 Tasten zur Steuerung, die mit Silikonauflagen versehen sind. Das Modul ist mit 5 NeoPixel- LEDs ausgestattet, die die Aktivität während des Spiels signalisieren, und einer Reihe von Sensoren : 3-Achsen-Beschleunigungsmesser, Lichtsensor sowie einem Mini-Lautsprecher mit Summer und einem Mono-Lautsprechertreiber der Klasse D.
EdgeBadge-Minikonsole mit 1,8-Zoll-TFT-Display.
Technische Spezifikation des EdgeBadge
- Chip: ATSAMD51J19
- Stromversorgung: 3,3 V
- Taktfrequenz: 120 MHz
- Flash-Speicher: 512 kB
- SPI-Flash-Speicher: 2 MB
- RAM-Speicher: 193 kB
- Anzeige:
- Technologie: TFT
- Diagonale: 1,8 ''
- Auflösung: 160 x 128 Pixel
- Kommunikationsschnittstelle: SPI
- Bedienelemente: 8 Tasten zur Steuerung mit Silikonkappen auf den Tasten
- Statussignalisierung: 5 NeoPixels LEDs
- Eingebaute Sensoren:
- Bewegungssensor: 3-Achsen-Beschleunigungssensor
- Lichtsensor
- Minilautsprecher mit Summer
- Mono Class-D-Lautsprechertreiber
- Häfen:
- Li-Pol-Akkuanschluss mit integrierter Ladefunktion
- USB-Anschluss zum Laden, Programmieren und Debuggen des Akkus
- zwei weibliche Streifen, die mit FeatherWings kompatibel sind
- JST-Ports
- Utility-Taste RESET
- Ein / Aus Schalter
- Abmessungen der Mini-Konsole: 86,3 x 54,3 x 13,6 mm
- Gewicht: 29,6 g
EdgeBadge-Programmierung
Die EdgeBadge-Konsole von Adafruit kann auf drei Arten programmiert werden:
- MakeCode Arcade - der einfachste Launcher, mit dem der Benutzer Spiele mit Blockprogrammierung erstellen und über den Bootloader laden kann.
- CircuitPython - diese Unterstützung für eine Vielzahl von Sensoren ermöglicht es Ihnen, individuelle, originelle Grafiken zu erstellen, Wave-Dateien abzuspielen sowie Texte in beliebigen Schriftarten zu erstellen.
- TensorFlow Lite für Mikrocontroller / Arduino – auch entwickelt, um Modelle für maschinelles Lernen auf Mikrocontrollern und anderen Modulen auszuführen. TensorFlow Lite für Mikrocontroller ist in C++ geschrieben und erfordert eine 32-Bit-Plattform. Das Framework ist als Arduino-Bibliothek verfügbar.
Breite Programmiermöglichkeiten dank Unterstützung der gängigsten Plattformen: MakeCode, CircuitPython und Arduino.
Nützliche Links |
