Syftet med Arduino UNO Q, s\u00e4rskilt ur ett slutanv\u00e4ndarperspektiv, f\u00f6rklaras b\u00e4st genom ett praktiskt exempel, \u00e4ven om enheten inte i f\u00f6rsta hand riktar sig till typiska konsumenter. F\u00f6rest\u00e4ll dig ett litet f\u00f6retag som delvis har automatiserat f\u00f6rflyttningen av varor fr\u00e5n en f\u00f6rpackningsmaskin till logistikomr\u00e5det. F\u00f6r n\u00e4rvarande kontrollerar en anst\u00e4lld visuellt om varje produkt \u00e4r korrekt f\u00f6rpackad och m\u00e4rkt. Arduino UNO Q skulle kunna anv\u00e4ndas, \u00e5tminstone som en del av en genomf\u00f6rbarhetsstudie, f\u00f6r att automatisera denna kvalitetskontroll. <\/p>\n
Med hj\u00e4lp av en USB-kamera kan UNO Q ta bilder av produkter p\u00e5 transportbandet och uppt\u00e4cka f\u00f6rpackningsfel. Om ett fel uppt\u00e4cks kan den logga h\u00e4ndelsen i en databas f\u00f6r statistisk sp\u00e5rning och meddela en anst\u00e4lld. Ett ytterligare steg \u00e4r till och med m\u00f6jligt: UNO Q skulle kunna utl\u00f6sa ett st\u00e4lldon f\u00f6r att automatiskt skjuta bort defekta produkter fr\u00e5n transportbandet. <\/p>\n
\u00c4ven om den h\u00e4r typen av uppgifter l\u00e5ter komplexa och inte \u00e4r helt enkla att genomf\u00f6ra, erbjuder UNO Q tv\u00e5 viktiga f\u00f6rdelar. F\u00f6r det f\u00f6rsta \u00e4r Arduino-ekosystemet stort, allm\u00e4nt antaget, noggrant dokumenterat och v\u00e4letablerat. Chansen \u00e4r stor att liknande projekt redan finns och kanske till och med \u00e4r offentligt dokumenterade. F\u00f6r det andra, och mer subjektivt, st\u00f6der kortet Edge Impulse<\/a> , en plattform som f\u00f6renklar skapandet av anpassade Edge-AI-modeller. I det h\u00e4r exemplet kan en modell tr\u00e4nas p\u00e5 bilder av korrekta och felaktiga f\u00f6rpackningar och sedan distribueras lokalt p\u00e5 UNO Q med minimal anstr\u00e4ngning. Att k\u00f6ra neurala n\u00e4tverk lokalt har ocks\u00e5 f\u00f6rdelar, som att uppr\u00e4tth\u00e5lla konfidentialitet, undvika att f\u00f6rlita sig p\u00e5 externa tj\u00e4nsteleverant\u00f6rer och arbeta utan en stabil internetanslutning. Detta \u00e4r dock inte ett unikt f\u00f6rs\u00e4ljningsargument; TensorFlow Lite kan till exempel ocks\u00e5 anv\u00e4ndas p\u00e5 Raspberry Pi-kort. <\/p>\n