Arduino Micro Without headers [A000093] – Kompaktes Board mit ATmega32U4-Mikrocontroller, ohne Anschlüsse, ideal für elektronische Projekte, Roboter und DIY-Anwendungen mit Arduino IDE.

Beginnen Sie in wenigen Minuten mit tausenden von Mustern, die als Open Source verfügbar sind.

14 digitale I O-Pins und 6 analoge Eingänge Enthält 14 digitale I O-Pins (6 davon unterstützen den PWM-Ausgang) und 6 analoge Eingänge (10-Bit-Auflösung) und bietet flexible Optionen für Sensoren, Motoren und andere externe Komponenten.

Arduino

Edge AI für Spracherkennung Das Arduino Nicla Voice ist ein leistungsstarkes und kompaktes Board, das für die Spracherkennung und Audioverarbeitung in Echtzeit entwickelt wurde. Angetrieben durch den Qualcomm QCC5100-Chip und ausgestattet mit einem hochwertigen Mikrofon ermöglicht es die lokale Verarbeitung von Audiodaten für intelligente Sprachanwendungen wie Sprach-zu-Text-Konvertierung, Klangklassifizierung und Sprachbefehle, ohne dass Cloud-Dienste erforderlich sind.

Nahtlose Bluetooth LE-Konnektivität Integriert Bluetooth Low Energy-Funktionen, die eine mühelose Kommunikation mit einer Vielzahl von Bluetooth LE-fähigen Geräten ermöglichen. Diese Funktion ist entscheidend für die Schaffung vernetzter Systeme, ermöglicht den Datenaustausch und fördert gemeinsame Projekte in der ständig wachsenden Welt vernetzter Technologien.

HID-Unterstützung für benutzerdefinierte Eingabegeräte Die Karte unterstützt HID-Profile (Human Interface Device), sodass Sie benutzerdefinierte Peripheriegeräte wie Tastaturen, Mäuse und andere Eingabegeräte erstellen können. Egal, ob Sie einen benutzerdefinierten Controller, eine USB-Schnittstelle oder ein Remote-Eingabegerät bauen, der Nano ESP32 gibt Ihnen die Flexibilität, innovative Lösungen zu entwickeln.

Beginnen Sie in wenigen Minuten mit tausenden von Mustern, die als Open Source verfügbar sind.

Internetverbindung über Arduino Ethernet Shield, Arduino Ethernet Shield 2 oder Arduino Leonardo ETH

Kompaktes, steckbrettfreundliches Design Der kleine Formfaktor des Arduino Nano (1,8" x 0,7") ist ideal für Projekte mit begrenztem Platzangebot und ist so konzipiert, dass er problemlos auf ein Modell für die Prototypenerstellung passt.

Leistungsstarker 32-Bit-ARM-Cortex-M0+-Prozessor Der Arduino Nano 33 IoT wird vom SAMD21 ARM Cortex-M0+-Mikrocontroller mit 48 MHz betrieben und bietet effiziente Leistung für eine Vielzahl von IoT- und Wireless-Anwendungen, von Remote-Sensoren bis hin zu Smart-Home-Geräten.

Hochleistungs-nRF52840-Mikrocontroller Der Arduino Nano 33 BLE Rev2 mit Headern wird vom nRF52840-Chip angetrieben und verfügt über einen Cortex-M4-Prozessor mit einer Taktrate von 64 MHz. Dieser Mikrocontroller bietet leistungsstarke Verarbeitungsfunktionen für eine Reihe von Anwendungen, von IoT-Geräten bis hin zu Kommunikation mit geringer Latenz, und behält dabei gleichzeitig die Energieeffizienz bei.

Leistungsstarker ESP32-S3-Mikrocontroller Der Arduino Nano ESP32 wird vom ESP32-S3-Chip angetrieben und verfügt über einen Dual-Core-32-Bit-Xtensa-LX7-Prozessor mit bis zu 240 MHz. Dieser Hochleistungs-Mikrocontroller bietet hervorragende Rechenleistung für IoT, drahtlose Kommunikation und fortschrittliche eingebettete Anwendungen wie Echtzeit-Datenverarbeitung, Spracherkennung und maschinelles Lernen am Netzwerkrand.

Fungiert als USB-Eingangsgerät zu einem Computer

Drahtlose Konnektivität Das Modul unterstützt Wi-Fi und Bluetooth und bietet so maximale Flexibilität für die Integration in IoT-Netzwerke. Diese Konnektivitätsoptionen ermöglichen Projekten die Fernkommunikation, was für Anwendungen wie Echtzeitüberwachung, Datenanalyse und Fernsteuerung unerlässlich ist.

All-Inclusive-TinyML-Starterkit Das Tiny Machine Learning Kit enthält das leistungsstarke Arduino Nano 33 BLE Sense-Board, das mit verschiedenen Sensoren ausgestattet ist, darunter Bewegung, Beschleunigung, Licht, Farbe, Ton und mehr. In Kombination mit der OV7675-Kamera und einem maßgeschneiderten Tiny Machine Learning Shield bietet dieses Kit alles, was Sie brauchen, um Ihre Reise in die Welt des maschinellen Lernens zu beginnen.