SparkFun Edge Development Board – Apollo3 Blue

27,15 inc. VAT

Shipped within 2/3 days

Expédié dans 2/3 jours

3 in stock (can be backordered)

Description

Edge computing is here! You’ve probably heard of this latest entry to the long lineage of tech buzzwords like “IoT,” “LoRa,” and “cloud” before it, but what is “the edge” and why does it matter? The cloud is impressively powerful but all-the-time connection requires power and connectivity that may not be available. Edge computing handles discrete tasks such as determining if someone said “yes” and responds accordingly. The audio analysis is done at the edge rather than on the web. This dramatically reduces costs and complexity while limiting potential data privacy leaks.

In collaboration with Google and Ambiq, SparkFun’s Edge Development Board is based around the newest edge technology and is perfect for getting your feet wet with voice and even gesture recognition without relying on the distant services of other companies. The truly special feature is in the utilization of Ambiq Micro’s latest Apollo3 Blue microcontroller, whose ultra-efficient ARM Cortex-M4F 48MHz (with 96MHz burst mode) processor, is spec’d to run TensorFlow Lite using only 6uA/MHz. The SparkFun Edge board currently measures ~1.6mA@3V and 48MHz and can run solely on a CR2032 coin cell battery for up to 10 days. Apollo3 Blue sports all the cutting edge features expected of modern microcontrollers including six configurable I2C/SPI masters, two UARTs, one I2C/SPI slave, a 15-channel 14-bit ADC, and a dedicated Bluetooth processor that supports BLE5. On top of all that the Apollo3 Blue has 1MB of flash and 384KB of SRAM memory – plenty for the vast majority of applications.

On the Edge you’ll have built-in access to sensors, Bluetooth, I2C expansion, and GPIO inputs/outputs. To support edge computing cases like voice recognition the Edge board features two MEMS microphones, an ST LIS2DH12 3-axis accelerometer on its own I2C bus, and a connector to interface to an OV7670 camera (sold separately & functionality coming soon). As TensorFlow updates their algorithms more and more features will open up for the SparkFun Edge. An onboard Bluetooth antenna gives the Edge out-of-the-box connectivity. Also available on the board is a Qwiic connector to add I2C sensors/devices, four LEDs, and four GPIO pins. To boast the low-power capabilities of the board we’ve outfitted it with battery operation from the CR2032 coin cell holder. Programming the board is taken care of with an external USB-serial adapter like the Serial Basic Breakout via a serial bootloader, but for more advanced users we’ve also made available the JTAG programming and debugger port.

As a brave explorer of this new technology, you’ll have to use some advanced concepts but don’t worry. Between Ambiq Micro’s Software Development Kit and our SDK Setup Guide you’ll have access to plenty of examples to begin working with your hardware.

Now get out there and make something amazing with the latest machine learning technology at your very own fingertips!

Features

Microcontroller

32-bit ARM Cortex-M4F processor with Direct Memory Access
48MHz CPU clock, 96MHz with TurboSPOT™
Extremely low-power usage: 6uA/MHz
1MB Flash
384KB SRAM
Dedicated Bluetooth processor with BLE 5
Onboard

ST LIS2DH12 3-axis accelerometer
2x MEMS microphones with operational amplifier
OV7670 camera connector
Qwiic connector
4 x GPIO connections
4 x user LEDs
1 x user button
FTDI-style serial header for programming
Bluetooth antenna
CR2032 coin cell holder for battery operation
What It Does

High processing to current consumption ratio enables machine learning applications on the ‘Edge’ of networks, without the need for a central computer or web connection.
Voice, gesture, or image recognition possible with TensorFlow Lite. (Note: Voice examples are provided. Gesture and image examples hope to be released by TensorFlow soon)
General

1.8V – 3.6V supply voltage range
Small 1.6in x 1.6in x 0.35in (40.6mm x 40.6mm x 8.9mm) form factor

Carte de développement SparkFun Edge – Apollo3 Blue

Edge computing est là! Vous avez probablement entendu parler de cette dernière entrée dans la longue lignée de mots à la mode tels que “IoT”, “LoRa” et “cloud”, mais qu’est-ce que “le bord” et pourquoi est-ce important? Le cloud est incroyablement puissant, mais une connexion permanente nécessite de la puissance et une connectivité qui peuvent ne pas être disponibles. Edge computing gère des tâches discrètes telles que déterminer si quelqu’un a répondu «oui» et y répondre en conséquence. L’analyse audio se fait sur le bord plutôt que sur le web. Cela réduit considérablement les coûts et la complexité tout en limitant les fuites potentielles de la confidentialité des données.

En collaboration avec Google et Ambiq, la carte de développement Edge de SparkFun est basée sur la technologie de pointe la plus récente. Elle est idéale pour vous familiariser avec la reconnaissance vocale et gestuelle sans faire appel aux services distants d’autres sociétés. La particularité réside dans l’utilisation du dernier microcontrôleur Apollo3 Blue d’Ambiq Micro, dont le processeur ultra-efficace ARM Cortex-M4F à 48 MHz (avec mode rafale à 96 MHz) est conçu pour exécuter TensorFlow Lite en utilisant seulement 6uA / MHz. La carte SparkFun Edge mesure actuellement ~ 1,6 mA @ 3V et 48 MHz et peut fonctionner uniquement sur une pile bouton CR2032 pendant 10 jours maximum. Apollo3 Blue offre toutes les fonctionnalités de pointe attendues des microcontrôleurs modernes, notamment six maîtres I2C / SPI configurables, deux UART, un esclave I2C / SPI, un ADC 14 bits à 15 canaux et un processeur Bluetooth dédié prenant en charge BLE5. De plus, l’Apollo3 Blue dispose de 1 Mo de mémoire flash et de 384 Ko de mémoire SRAM, ce qui est suffisant pour la grande majorité des applications.

Sur le bord, vous aurez un accès intégré aux capteurs, Bluetooth, extension I2C et entrées / sorties GPIO. Pour prendre en charge les cas d’informatique de périphérie tels que la reconnaissance vocale, la carte Edge comporte deux microphones MEMS, un accéléromètre 3 axes ST LIS2DH12 sur son propre bus I2C, ainsi qu’un connecteur pour l’interface avec une caméra OV7670 (vendu séparément et fonctionnalité à venir). À mesure que TensorFlow met à jour leurs algorithmes, de plus en plus de fonctionnalités s’ouvrent pour SparkFun Edge. Une antenne Bluetooth intégrée offre à l’Edge une connectivité immédiate. Un connecteur Qwiic permettant d’ajouter des capteurs / dispositifs I2C, quatre DEL et quatre broches GPIO est également disponible sur la carte. Pour vanter les capacités de faible consommation de la carte, nous l’avons équipée du fonctionnement sur pile du support de pile bouton CR2032. La programmation de la carte se fait avec un adaptateur série USB externe comme le Serial Basic Breakout via un chargeur de démarrage série, mais pour les utilisateurs plus avancés, nous avons également mis à disposition le port de programmation et de débogage JTAG.

En tant que courageux explorateur de cette nouvelle technologie, vous devrez utiliser des concepts avancés, mais ne vous inquiétez pas. Entre le kit de développement logiciel Ambiq Micro et notre Guide d’installation du SDK, vous aurez accès à de nombreux exemples pour commencer à utiliser votre matériel.

Maintenant, sortez et fabriquez quelque chose d’extraordinaire avec la dernière technologie d’apprentissage automatique à portée de main!

Caractéristiques

Microcontrôleur

Processeur ARM Cortex-M4F 32 bits avec accès direct à la mémoire
Horloge du processeur à 48 MHz, 96 MHz avec TurboSPOT ™
Consommation électrique extrêmement faible: 6uA / MHz
1Mo Flash
384Ko SRAM
Processeur Bluetooth dédié avec BLE 5
À bord

Accéléromètre 3 axes ST LIS2DH12
2x microphones MEMS avec amplificateur opérationnel
Connecteur de caméra OV7670
Connecteur Qwiic
4 x connexions GPIO
4 x LED utilisateur
1 x bouton utilisateur
En-tête de série de type FTDI pour la programmation
Antenne Bluetooth
Porte-piles bouton CR2032 pour fonctionnement sur piles
Ce qu’il fait

Le ratio traitement / consommation actuel élevé permet aux applications d’apprentissage automatique sur le «bord» des réseaux, sans avoir besoin d’un ordinateur central ou d’une connexion Web.
Reconnaissance vocale, gestuelle ou d’image possible avec TensorFlow Lite. (Remarque: des exemples de voix sont fournis. Les exemples de gestes et d’images espèrent être bientôt publiés par TensorFlow)
Général

Plage de tension d’alimentation de 1,8 V à 3,6 V
Petit facteur de forme de 1,6 po x 1,6 po x 0,35 po (40,6 mm x 40,6 mm x 8,9 mm)

 

Reviews

There are no reviews yet.

Only logged in customers who have purchased this product may leave a review.