Arduino UNO Q w praktyce: Inteligentniejsze dzięki Qualcomm i zdolne do uruchamiania desktopowego systemu operacyjnego jak Raspberry Pi

Dostęp do Arduino UNO Q można uzyskać za pośrednictwem USB-C. Za pomocą koncentratora USB można podłączyć wyświetlacz, zasilać płytkę oraz korzystać z klawiatury i myszy. Można również podłączyć urządzenia peryferyjne, takie jak kamera USB lub mikrofon. Pojedynczy port USB pomaga zachować niewielki rozmiar płyty i doskonale nadaje się do zastosowań wbudowanych, ale oznacza to, że koncentrator jest obowiązkowy dla każdej konfiguracji komputera stacjonarnego.

System działa pod kontrolą Debiana z lekkim interfejsem XFCE. W konfiguracji z 2 GB pamięci RAM, którą testowaliśmy, bardzo szybko stało się jasne, że Linux jest użyteczny, ale powolny. Podstawowe zadania działają, ale odtwarzanie multimediów jest praktycznie niemożliwe, a UNO Q nie nadaje się do użytku jako prawdziwy komputer stacjonarny.

Arduino App Lab jest preinstalowany i aktualizuje się przez Wi-Fi po wstępnej konfiguracji. Umożliwia on tworzenie aplikacji wykorzystujących zarówno SoC Qualcomm, jak i wbudowany MCU. Dołączone przykłady dobrze to ilustrują: płyta oferuje stosunkowo dużą moc obliczeniową jak na platformę deweloperską, umożliwiając lokalne obciążenia AI. Obsługiwane są wstępnie wytrenowane modele do zadań takich jak rozpoznawanie obrazu, co rozszerza możliwości tradycyjnej płyty deweloperskiej o aplikacje oparte na sieciach neuronowych.

Przeznaczenie Arduino UNO Q, zwłaszcza z perspektywy użytkownika końcowego, najlepiej wyjaśnić na praktycznym przykładzie, mimo że urządzenie nie jest skierowane przede wszystkim do typowych konsumentów. Proszę wyobrazić sobie małą firmę, która częściowo zautomatyzowała przepływ towarów z maszyny pakującej do obszaru logistyki. Obecnie pracownik sprawdza wzrokowo, czy każdy produkt jest prawidłowo zapakowany i oznakowany. Arduino UNO Q można wykorzystać, przynajmniej w ramach studium wykonalności, do zautomatyzowania tej kontroli jakości.

Korzystając z kamery USB, UNO Q może przechwytywać obrazy produktów na przenośniku taśmowym i wykrywać błędy pakowania. W przypadku wykrycia błędu może on zarejestrować zdarzenie w bazie danych w celu śledzenia statystycznego i powiadomić pracownika. Kolejny krok jest nawet wykonalny: UNO Q może uruchomić siłownik, aby automatycznie zepchnąć wadliwe produkty z przenośnika taśmowego.

Choć tego typu zadanie brzmi skomplikowanie i nie jest trywialne do wdrożenia, UNO Q oferuje dwie kluczowe zalety. Po pierwsze, ekosystem Arduino jest duży, powszechnie przyjęty, dokładnie udokumentowany i od dawna ugruntowany. Istnieje duże prawdopodobieństwo, że podobne projekty już istnieją i mogą być nawet publicznie udokumentowane. Po drugie, i bardziej subiektywnie, płytka obsługuje Edge Impulse platformę, która upraszcza tworzenie niestandardowych modeli edge-AI. W tym przykładzie model mógłby zostać wytrenowany na obrazach prawidłowego i wadliwego opakowania, a następnie wdrożony lokalnie na UNO Q przy minimalnym wysiłku. Uruchamianie sieci neuronowych lokalnie ma również zalety, takie jak zachowanie poufności, unikanie polegania na zewnętrznych dostawcach usług i działanie bez stabilnego połączenia internetowego. Nie jest to jednak wyjątkowa zaleta; TensorFlow Lite, na przykład, może być również używany na płytkach Raspberry Pi.

Warto również wspomnieć o przykładach Arduino App Lab. Wprowadzają one użytkowników w oparty na blokach https://docs.arduino.cc/software/app-lab/tutorials/bricks/ i umożliwiają łatwą personalizację. Wiele przykładów pokazuje, w jaki sposób wyniki rozpoznawania obrazu mogą być wyświetlane za pośrednictwem interfejsu internetowego smartfona. UNO Q może również funkcjonować jako tradycyjna płytka deweloperska za pośrednictwem Arduino IDE 2.0+, w którym to przypadku programowany jest tylko MCU, a nie APU Qualcomm. Bardziej praktycznym zastosowaniem dla samego MCU może być system nawadniania wykorzystujący czujniki wilgotności i pompy. Wstępnie wytrenowane modele mogą być również przydatne do zadań takich jak analiza obrazu lub podstawowe rozpoznawanie mowy. Ogólnie rzecz biorąc, dołączone przykłady należy traktować jako wskazówki i inspirację do wdrażania własnych projektów.