Arduino Nano BLE Sense Rev2 Nano ARM® Cortex®-M4

DPD

Diese kompakte und zuverlässige Nano-Karte basiert auf dem NINA B306-Modul für die BLE- und Bluetooth 5-Kommunikation. Das Modul basiert auf dem nordischen nRF 52840-Prozessor, der einen leistungsstarken Cortex M4F enthält, und das Board verfügt über eine Vielzahl von Sensoren, mit denen innovative und hochgradig interaktive Designs erstellt werden können.Die Architektur ist vollständig kompatibel mit Arduino IDE Online und Offline und verfügt über eine 9-Achsen-Trägheitsmesseinheit (IMU), Temperatur-, Druck-, Feuchtigkeits-, Licht-, Farb- und sogar Gestensensoren sowie ein Mikrofon, das über unsere Spezialbibliotheken verwaltet wird. Dieses Board wird ohne integriertem Header geliefert.

Post/DHL, Andere, Versand nach A

Vielseitige Sensoren integriert: Ausgestattet mit einem 9-Achsen-Inertialsensor, Mikrofon, Drucksensor, Temperatursensor, Luftfeuchtigkeitssensor und Lichtstärkesensor für umfassende Umgebungsüberwachung. Bluetooth Low Energy (BLE): Ermöglicht energieeffiziente drahtlose Kommunikation für IoT-Anwendungen und smarte Geräte. Unterstützung für Edge AI: Kompatibel mit TensorFlow Lite für lokale KI-Anwendungen und Mustererkennung direkt auf dem Board. Kompakt und leistungsstark: Ideal für platzsparende Projekte, die dennoch eine hohe Rechenleistung und Sensorvielfalt erfordern. Einfache Programmierung: Vollständig kompatibel mit der Arduino-IDE und anderen Entwicklungsumgebungen, für eine intuitive und flexible Projektumsetzung.

Post/DHL

Der Arduino Nano 33 BLE Sense Rev2 ist Arduinos 3,3V AI-fähiges Board im kleinsten verfügbaren Formfaktor mit einer Reihe von Sensoren, die es Ihnen ermöglichen, ohne externe Hardware sofort mit der Programmierung Ihres nächsten Projekts zu beginnen. Mit dem Arduino Nano 33 BLE Sense Rev2 können Sie: Tragbare Geräte bauen, die mit Hilfe von KI Bewegungen erkennen können. Ein Gerät zur Überwachung der Raumtemperatur bauen, das Änderungen am Thermostat vorschlagen oder vornehmen kann. Ein Gerät zur Gesten- oder Spracherkennung bauen, das das Mikrofon oder den Gestensensor zusammen mit den KI-Fähigkeiten des Boards nutzt. Das Hauptmerkmal dieses Boards ist neben der großen Auswahl an Sensoren die Möglichkeit, Edge-Computing-Anwendungen (KI) mit TinyML darauf auszuführen. Lernen Sie, wie Sie die Tensor Flow Lite Bibliothek verwenden, indem Sie dieser Anleitung folgen, oder lernen Sie, wie Sie Ihr Board mit Edge Impulse trainieren können.