Blog

Vendute con marchi come Arduino, Udoo, Raspberry Pi e altri, le hacker board stanno sempre più fungendo da base nei progetti tecnologici dei settori IoT, wearable, robotica e dispositivi portatili. A partire da soli 15 dollari, queste schede fanno parte di una nuova tendenza di produzione supportata da una comunità di hobbisti e sviluppatori fai-da-te, che utilizzano componenti hardware a basso costo e software open source per creare piattaforme di mini-computer. Man mano che si spostano nell’ecosistema, passando da dispositivo amatoriale alla gestione di applicazioni commerciali più avanzate, la domanda da farsi è: le hacker board sono un’opzione economicamente valida o un errore da pagare a caro prezzo?
 
Ecco i fattori che portano i SoM a offrire un valore migliore rispetto alle hacker board:

Quando si sceglie un fornitore di System on Module (SOM), la certificazione ISO 13485 offre vantaggi significativi che vanno ben oltre la sua origine in campo medico. A differenza della norma ISO 9001, tra le più diffuse nel settore SOM con il suo quadro generale per la gestione della qualità, la norma ISO 13485 aggiunge ulteriori livelli fondamentali di controllo e verifica specifici per la produzione di dispositivi medici – a vantaggio di qualsiasi progetto che richieda un’elevata affidabilità, non solo in campo medico. Mentre la ISO 9001 contempla in modo generale la soddisfazione del cliente e il miglioramento continuo, la ISO 13485 aggiunge requisiti più rigorosi per la gestione del rischio, la documentazione e il controllo dei processi durante l’intero ciclo di vita del prodotto.
 
Gestione sistematica del rischio: prevenire i problemi prima che si verifichino

Rimani aggiornato con gli aggiornamenti software: mantieni i tuoi SoM Variscite sempre al massimo delle loro prestazioni con le nostre ultime versioni software.
 

L’aggiunta di uno splash screen al prodotto migliora l’esperienza dell’utente confermando la corretta inizializzazione del display, fornendo un feedback visivo essenziale dell’avvio ed evidenziando in modo professionale il marchio. Essa conferisce al prodotto un aspetto curato e assicura all’utente il corretto avvio del dispositivo.
 
L’U-Boot per i.MX 8M Plus nella sua configurazione originaria non ha LVDS almeno fino alla versione Yocto Scarthgap 6.6.23_2.0.0. Tuttavia, NXP mette a disposizione una patch out-of-tree che abilita la funzionalità LVDS. La patch aggiunta da Variscite estende la funzionalità al DART-MX8M-PLUS e al VAR-SOM-MX8M-PLUS.

Quando si inizia un nuovo progetto di prodotto integrato, una delle decisioni più importanti da prendere, oltre a scegliere il System on Module giusto, è trovare il sistema operativo più adatto. Proprio come le fondamenta di un edificio ne determinano la resilienza e la longevità, la scelta del sistema operativo può influenzare profondamente le prestazioni, la scalabilità e la facilità d’uso del prodotto finale. Con così tante opzioni disponibili, può essere defatigante valutare i pro e i contro di ciascuna.
 
In questo articolo riassumeremo le caratteristiche principali, i vantaggi e gli svantaggi di Yocto, Boot to Qt, Debian e Android come piattaforme software integrate nei progetti di «prodotti intelligenti». Il nostro obiettivo è dare indicazioni che possano guidare e aiutare a prendere una decisione informata nella scelta del sistema operativo giusto per un progetto integrato.

Questo articolo fornisce istruzioni dettagliate su come iniziare a sviluppare le proprie applicazioni di Machine Learning (ML) utilizzando System on Modules di Variscite. Mostra come creare un’immagine utilizzando il BSP Yocto Linux con una raccolta di strumenti di sviluppo, utilità e librerie per la creazione di applicazioni ML dall’ambiente di sviluppo software NXP eIQ™ ML, come eseguire gli esempi predefiniti creati con l’immagine e, infine, come scrivere un semplice esempio di ML da zero.
1.1. Panoramica dell’ambiente di sviluppo del software di machine learning eIQ™
eIQ™ consente agli utenti di sviluppare facilmente un’applicazione completa a livello di sistema per risolvere i problemi di ML relativi a visione, audio, dati di serie temporali e così via. Esempi comuni sono il riconoscimento facciale, la stima della posa, il riconoscimento dei gesti, l’interpretazione degli accenti vocali, ecc.