Это свежая модель Arduino Nano 33 BLE Sense Rev2 с поддержкой искусственного интеллекта (AI), работающая от 3.3 В, оригинальная, произведённая в Италии .

Она оснащена набором встроенных датчиков, что позволяет сразу приступить к программированию вашего проекта без дополнительного оборудования.

Периферийные устройства установленные на плате:

• IMU: BMI270 (техническая документация) и BMM150 (техническая документация)
• Микрофон: MP34DT06JTR (техническая документация)
• Датчик окружающей среды (освещенность, приближение, обнаружение/распознавание жестов и цвета): APDS9960 (техническая документация)
• Датчик давления: LPS22HB (техническая документация)
• Датчик температуры и влажности: HS3003 (техническая документация)

Главной особенностью данной платы является возможность запуска на ней приложений с поддержкой AI и модели Edge Computing с использованием TinyML.

Edge Computing – это модель обработки данных, при которой обработка и хранение данных происходит максимально близко к источнику данных или непосредственно на самом устройстве. Используя данную модель отпадает необходимость в централизованных серверах и облачных хранилищах.

Основные принципы Edge Computing:

• Процессинг данных на месте (on-premises): обработка данных происходит непосредственно на устройстве где эти данные генерируются или на локальных серверах в близи устройств.
• Уменьшение задержек (latency): поскольку данные обрабатываются на уровне устройств или близко к ним, уменьшается задержка при передаче данных на удалённые серверы.
• Экономия пропускной способности сети: так как данные или часть данных остаётся на уровне устройств или в локальных сетях уменьшается потребление пропускной способности сети.
• Обеспечение конфиденциальности и безопасности: критически важные данные могут оставаться на устройствах или в локальных сетях, что повышает уровень безопасности и управления доступом к данным.
• Оптимизация ресурсов облачных вычислений: обработка на устройствах или в локальных сетях позволяет оптимизировать использование облачных вычислений, отправляя на удалённые серверы только необходимые данные или агрегированные результаты.

Edge Computing находит применение в таких сферах, как интернет вещи (IoT), устройства медицинского назначения, автономные транспортные средства, промышленность, телекоммуникации и т.д.

Также пользователь может использовать Tensor Flow Lite и Edge Impulse.

TensorFlow Lite (TFLite) – это свободная и открытая библиотека, предназначенная для выполнения моделей машинного обучения на устройствах с ограниченными ресурсами.

Edge Impulse – это платформа для разработки, обучения и развертывания моделей и приложений искусственного интеллекта (AI) и машинного обучения (ML) на устройствах интернет вещей (IoT).

Схема выводов

Принципиальная схема (PDF)
Даташит платы (PDF)
Техническая документация (Arduino Docs)