Con todos los sensores requeridos para su uso con aplicaciones tanto de consumo como industriales, esta placa de sensores IA para machine learning permite reducir el tiempo de lanzamiento al mercado.
Eta Compute anuncia el lanzamiento de su nueva placa de sensores ECM3532 para aplicaciones de inteligencia artificial que empleen la técnica del machine learning. Su adquisición puede realizarse a través del distribuidor internacional Digi-Key.
Permite reducir riesgo, complejidad y costes a la par que acelera el periodo de tiempo requerido para realizar una prueba de concepto, ya que se complementa con la plataforma de desarrollo SaaS para crear soluciones de mercado.
Es una placa integrada de ultra-bajo consumo cuyo diseño la convierte en idónea para afrontar tareas en el borde de la red (edge). Monta un SoC (System-on-a-Chip) TENSAI, y su uso permite acortar la fase inicial del desarrollo de los sensores inteligentes.
Esta placa de sensores IA para machine learning de Eta contiene todas las funcionalidades necesarias para construir un prototipo funcional. Gracias a su diseño de bajo consumo, la placa puede funcionar durante meses alimentada solamente por una celda de batería mientras trabaja procesando algoritmos de machine learning.
Integra dos micrófonos PDM, un sensor de temperatura y presión, y un acelerómetro MEMS de seis ejes que también es giroscopio. Su factor de forma es de solamente 1,4×1,4 pulgadas.
El socket para la batería embebida y la conectividad Bluetooth a través del chip A31R118 de ABOV Semiconductor convierten a la ECM3532 en un activo idóneo para prototipos de aplicación de despliegue IoT y testeo sobre el terreno. El conector de expansión de la placa simplifica la adición de otras interfaces de radiofrecuencia.
Aplicaciones para la tarjeta de desarrollo
Entre los dispositivos para los cuales la placa puede ser de utilidad, tenemos aquellos que se activan por voz y reciben comandos vocales en el sector de los productos de consumo, y la automatización de edificios.
También para el seguimiento de activos y la monitorización, el mantenimiento predictivo en la producción industrial, y las aplicaciones industriales y de consumo que tienen que ser ‘conscientes’ del entorno.
