Raspberry Pi *

История этого проекта началась в 2017 году, тогда я углубился в работу с NodeJS ещё и ASP.NET Core хотелось попробовать. Но использовать свой рабочий ноутбук в качестве тестового сервера с не хотелось, так как он был достаточно шумным(а хотелось возможность работы сервера 24/7), а арендовать сервер было как-то не спортивно, да и денег было жалко на PET-проекты. Изначально я планировал сделать сервер на базе старого ПК(который завалялся на полках у родителей), но шум производимый этим компьютером был достаточно сильным, чтобы мешать ночью спать. Всё поменялось когда мне подарили Raspberry Pi 2 Model B.

После того как наигрался с различными модулями для малинки, пришла в голову идея что данного микрокомпьютера будет достаточно для запуска миниатюрных серверных приложений. А если расширить его возможности благодаря внешним USB устройствам – получится вполне рабочий аппарат с интересными характеристиками. Ещё одним приемуществом будет компактность и достаточно низкий уровнь шума(если использовать только жесткий диск)

В этой статье мы расскажем, как промышленный интернет вещей и искусственный интеллект (Industrial IoT + AI) позволяют автоматизировать традиционный бизнес — торговлю, сельское хозяйство, деревообработку, логистику, строительство, производство и другие предприятия, которые обычно не связаны с приставкой tech. Рассмотрим такие проекты изнутри, чтобы показать, какие проблемы они решают и каких результатов позволяют добиться. 

Уже давно я припас все детали, перечисленные ниже, и осталось собрать все вместе и получить модуль управления мотором для удобной установки на конструктор. Конечно, сначала мы подключили катушки шагового мотора с помощью простого H-bridge и оценили, почему так делать не стоит. Далее мотор был подключен с помощью драйвера и разница оказалась более чем наглядной.

2 вывода питания с коннекторами Фишертехник, 4 вывода для подключения мотора и 5 выводов для подключения микроконтроллера (step, dir, enable). Отверстия в крышке пропилены с помощью Dremel, равно как и проточено отверстие в шестеренке под вал мотора — предупреждаю, пластик Фишертехника, хоть он и гибкий, обрабатывается не проще металла!

Моя первая статья на Хабре, не судите строго, надеюсь содержание будет как минимум интересно, а если окажется кому-то полезным - буду просто счастлив!

Не так давно, ко мне в руки попала модель радиоуправляемого катера с мощным бесколлекторным двигателем. Быстро наигравшись с ним, как и в далеком детстве, полез смотреть как устроена игрушка изнутри. Все оказалось настолько просто, что даже мне, не особо разбирающемуся в радиоэлектронике, все было понятно. Первое, что пришло в голову, подключить к сервоприводу и блоку управления двигателем, микрокомпьютер Raspberry Pi. Пусть катер получит зачатки интеллекта и самостоятельно отправится в плавание!

На удивление, с этим тоже не возникло проблем, катер уверенно ориентировался по GPS, ворочал рулем и уверенно проходил контрольные точки. Видеообзор по результатам можно посмотреть в ролике.

По-сути, я столкнулся только с одной проблемой: водоросли и прочий мусор. Для решения этой задачи было решено установить камеру и оснастить катер компьютерным зрением. Было бы здорово, чтобы он не только плавал по координатам, но и уворачивался от препятствий. Многие видели, как библиотеки компьютерного зрения определяют и классифицируют объекты. Но для этого нужны значительные по объему базы данных классификаторов и немалая производительность. А что если мы заранее не знаем какие нам попадутся препятствия? Что если на пути будет просто мусор произвольной формы, цвета и размера? Вот эту задачу мне бы очень хотелось решить!

Здравствуйте дорогие читатели моего блога.

Сегодня статья посвещана организации процесса фото - и видиосъёмки с микрокомпьютера Raspberry pi с последующим сохранением данных в облако в атоматическом режиме.

У меня стояла задача создать систему фото- и видеонаблюдения за птицами у кормушки. 

Так как кормушка у меня находилась во дворе дома, то я решил собрать устройство на базе raspberry pi с подключённым проводным интернетом.

Это было сделано на случай, если влага или другие погодные условия выведут электронику из строя, то весь видео и фотоматериал останется в облаке.

В качестве оборудования я использовал:

• Raspberry pi 3 B +

• 7 дюймовый сенсорный дисплей для микрокомпьютера

• Pi camera

• клавиатура, мышь

• LAN провод 20 метров

• удлинитель и блок питания (преобразователь 5В и 2А)

Мне всегда нравились портативные вычислительные устройства, которые имели при себе полноценную qwerty-клавиатуру, а не какой-либо обрубок в виде телефонных клавиш. Это была настоящая мечта — заиметь в своё распоряжение какой-нибудь КПК или хотя бы мобильник с qwerty. Годы шли и индустрия пересела на сенсорные экраны, удобные в производстве девайсы заполонили прилавки. Теперь делать физические клавиатуры немодно и дорого. В какой-то момент мне на глаза попалась очередная поделка от китайцев на базе ESP32 и с маленькой прищелкивающейся клавиатурой. Она позиционировалась как MicroPython доска, обучать, программировать, хороший, молодец. И тут в голове моей щелкнуло — я ж могу и сам такую штуку сделать! Идея пошла дальше и зачем мне ESP32? Возьму сразу SBC, будет полноценный ПК. Форм-фактор «старенький тетрис» мне пришелся по вкусу и решено было на нём и остановиться. Держать двумя руками удобно и пользоваться стоя — только в путь! Итак, мысль сделать своё устройство есть, теперь перейдём к реализации. Осторожно, внутри много картинок.

Эта статья – продолжение моего рассказа про умный дом. Здесь будут конкретные примеры моих девайсов для HomeKit и умного дома Яндекса. Расскажу по каким принципам выбирал и как связывал все вместе.

В итоге получилось примерно такая схема. Есть Homebridge на Raspberry Pi и плагин для него, который помогает прокинуть девайсы в Алису. Остальное уже завязано на то, что придумали производители. Яндекс.Станция управляет устройствами через сервера компаний, то есть при голосовой команде она отправляет запрос на сервер, а он уже отправляет запрос на устройство. Если устройство имеет встроенный WiFi, то подключается к серверу напрямую. А в случае мелких датчиков обычно есть специальный хаб, к которому они подключаются по ZigBee. HomeKit же может управлять устройствами локально, но об этом поговорим далее.

Здравствуйте дорогие читатели сайта! На написание этой статьи меня подтолкнул тот факт, что я не смог найти на необъятных просторах русскоязычного интернета, какой-либо подробной информации о microStudio. Можно найти небольшие заметки, на нескольких сайтах. Где совсем скромно написано про проект и о том, что он был залит на репозиторий GitHub. Даже фамилия разработчика не указана. Кроме того 19.11.2021 и 12.02.2021 вышли довольно большие обновления о которых я расскажу далее в этой статье.

Я горю желанием сформировать русскоязычное сообщество вокруг проекта (хотя бы и не большое, но дружное). Привлечь внимание к проекту. Найти людей намного умнее меня, которые помогут мне добрым советом. А так же привлечь новичков, которым могу помочь я, уже имеющий опыт работы в microStudio.

Тут я сразу оговорюсь, статья рассчитана в первую очередь на новичков в программировании и геймдеве. Поэтому я не буду использовать слишком заумные термины. Постараюсь рассказать простым и понятным языком.

Возможно и остальным, более опытным, будет интересно прочитать, ну хотя бы в плане "узнать что-то новое" о новом интересном проекте.

Если вы уже пробуете себя в геймдеве, но пока не можете определиться с языком, движком или средой для создание ваших шедевров, то вам так же будет интересна эта статья.

Всем доброго времени суток! В этой статье мы подробнее остановимся на ПО терминала учета рабочего времени и контроля доступа, о разработке которого я писал в прошлой статье. Данная статья является логическим продолжением, т.к. в прошлой статье я рассматривал всё железо терминала, поэтому настоятельно рекомендую ознакомиться для дальнейшего понимания написанного.

По заказу клиентов нужно было разработать терминал учета рабочего времени (с возможностями СКУД), который бы фиксировал временные интервалы сотрудников (как рабочие, так и перерывы) по отпечатку пальца. Получаемая информация, в свою очередь, формировалась бы в отчеты и табели в аналитическом облачном сервисе TARGControl. “Железо” уже готово, осталось дело за малым - разработать ПО для нашего терминала.