Raspberry Pi corner

Deze keer kijken we naar twee nieuwe producten van de Raspberry Foundation, een viertal projecten en een nieuwe versie van de handige Raspberry Pi Imager app, eveneens van de Raspberry Foundation.

Te koop: de RP2040

Na het uitkomen van de microcontroller Raspberry Pi Pico in januari, heeft de Foundation nu besloten de daarop gebruikte zelf ontwikkelde chip, de RP2040, als losse component aan te bieden voor 1 dollar per stuk. In totaal zijn er bij de lancering 40.000 exemplaren beschikbaar die uit de productielijn van de Pico worden onttrokken. Ontwikkelaars en makers zijn hiermee in staat een eigen product te maken op basis van een Raspberry chip. De chip bezit twee CPU ARM Cortex-M0+ cores op 133Mhz. De chip heeft 264KB RAM. Het programmeerbare I/O-systeem is wat veel kopers straks zullen waarderen. Je draait op de chip bijvoorbeeld FreeRTOS  of MicroPython , dit zijn realtime omgevingen.

PoE HAT

De Raspberry Foundation komt met de volgende generatie PoE HAT’s. Deze PoE+ HAT biedt meer vermogen (25,5 Watt in plaats van 15,5 Watt), levert tot 5A stroom en ondersteunt de 802.3at PoE+ standaard. Bovendien wordt deze HAT minder warm dan de voorganger. De nieuwe HAT komt op het juiste moment, omdat onderdelen van de vorige versie op dit moment moeilijk leverbaar zijn doordat deze een component gebruikt die last heeft van het wereldwijde chiptekort. De HAT is één van de meest gekochte accessoires bij de Raspberry Pi, volgens de Raspberry Foundation. De prijs van de nieuwe HAT is gelijk gebleven, waarmee de trend dat nieuwe versies van bestaande producten niet duurder worden, goed wordt voortgezet.

PI berekenen

Pi, als in het oneindige irrationele nummer π, berekend als 3,141592653 enzovoort, wordt door Adrian Chung berekend in het gratis te downloaden MagPi Magazine 106 (https://magpi.raspberrypi.org/issues/106). Want Pi bereken je natuurlijk op de Pi. Het gebruikte algoritme is spigot (https://en.wikipedia.org/wiki/Spigot_algorithm), hiermee bereken je simpel gezegd het volgende cijfer van pi. Om het te visualiseren, is een kraantje gemaakt waaruit de berekende getallen van pi achter de komma lijken te vloeien. Ze worden weergegeven als looplichtje op een LED-matrix. De LED-matrix bestaat uit enkele MAX7219 8×8 LED display modules op een 5 Volt rail gemonteerd. Drie GPIO-pinnen zorgen voor aansturen van de LED. Na ongeveer zes uur rekenen heeft de Raspberry Pi de eerste 8.000 cijfers berekend. Het kan nog sneller, maar dan zijn ze niet meer gemakkelijk te herkennen op het LED-display. Adrian heeft een 1GB Pi 2 gebruikt en die zou waarschijnlijk uiteindelijk ergens vastlopen op het beschikbare geheugen.

Info: https://www.raspberrypi.org/blog/calculate-pi-with-a-raspberry-pi-spigot-the-magpi-106/

Yayagram

Wat doe je als je opa of oma geen smartphone of pc heeft en niets met techniek heeft? Je verstuurt dan een ouderwets telegram. Yayagram is een samenstelling van het Castiliaanse Spaanse woord Yaya voor oma en telegram. Met Yayagram verstuur je een tekstbericht simpelweg door een knop in te drukken. Opa of oma kiest de ontvanger van het bericht door een grote jack-plug in de juiste connector te stoppen, voor elke ontvanger een aparte connector, en dan met een druk op de knop de opname te starten en vanzelf te versturen. Je antwoord op het spraakbericht van opa of oma wordt afgedrukt op een ingebouwd thermisch printertje als een ouderwets telegram. De basis van Yayagram is een Raspberry Pi 4 en Python bibliotheken, en uiteraard Jack-pluggen, LED’s kabels, de printer, een microfoon en knoppen. Info: https://www.theverge.com/2021/4/26/22403344/diy-device-yayagram-telegram-voice-messages-physical-phone-switchboard

Raspberry Pi Imager

Er is een nieuwe versie beschikbaar van de Raspberry Pi Imager. De imager is zeer simpel te gebruiken door beginners om Linux en andere images te flashen naar het sd-kaartje waar de Pi vab boot, maar biedt onder water ook wat meer geavanceerde mogelijkheden in een apart menu, aan te roepen met CTRL+SHIFT+X. In het geavanceerde menu leg je instellingen die je normaal gesproken telkens uitvoert in een image, zoals de hostnaam. Er is een instelling om telemetrie uit te schakelen, zodat je niet wordt “gevolgd” bij het gebruik van de app. Netjes om de privacy zo in te kunnen regelen, hoewel er niet veel meer dan een ping wordt gestuurd naar de website van de Raspberry Foundation. Op de website vind je een 45 seconden durend filmpje, wat uitlegt hoe je eenvoudig een image op een sd-kaartje installeert met Raspberry PI Imager. Raspberry Pi Imager is te downloaden voor Windows, macOS, Ubuntu x86 en Raspberry Pi OS. Op de Raspberry installeer je imager met: sudo apt install rpi-imager.

Info: https://www.raspberrypi.org/software/

De ondersteuning voor een desktop OS is logisch, want als je een lege/kale Pi hebt, moet je een image op het sd-kaartje schrijven vanaf je Linux-, Mac- en (zelfs) Windows-desktop.

Temperatuurmeting

Hou koud is het in je diepvries of koelkast? Actuele temperatuurmeting is mogelijk door een temperatuursensor te koppelen aan de Pi. Voeg er een dashboard aan toe waarop de temperatuur te zien is en maak het versturen van waarschuwingen mogelijk, bijvoorbeeld als de temperatuur in de diepvries te hoog wordt. Wat heb je nodig? Een goedkope Pi Zero W, een temperatuursensor als de Adafruit BME280 die overigens ook vochtigheid kan meten, kabels en een behuizing. Dit project is netjes uitgewerkt inclusief de aansluiting van de sensor evenals Python bibliotheken. Het dashboard draait in de cloud bij Initial State, maar een gratis test is verkrijgbaar. De waarschuwingen worden eveneens vanuit dat cloud dashboard verstuurd. Zie https://www.raspberrypi.org/blog/remotely-monitor-freezer-temperatures-with-raspberry-pi/, ook voor een YouTube filmpje.

Machine learning

Embedded machine learning en de Pi zijn voor elkaar gemaakt, in het bijzonder omdat de hardware zo goedkoop is. Edge Impulse maakt machine learning beter toegankelijk omdat het nu ook de Pi ondersteunt. Er zijn Pi SDK’s voor Python, Node.js, Go en C++. Op de website zie je hoe met machine learning het verschil tussen een banaan en een appel wordt gevonden. Je hebt een account nodig bij Edge Impulse en start daarna een nieuw project. Je installeert edge-impulse-linux en voegt je camera en microfoon toe. Je maakt een serie foto’s van bananen en appels, en upload die naar de cloud. Daar wordt de date geanalyseerd (het model wordt getraind aan de hand van jouw foto’s), dit duurt even, en het resultaat download je als model nadien weer naar de Pi. De Pi is dan in staat de videostrean live te analyseren (offline, dus zonder cloud verbinding) en bananen en appels te herkennen. Overigens biedt Edge Impulse nog geen ondersteuning op Linux.

Info: https://www.raspberrypi.org/blog/edge-impulse-and-tinyml-on-raspberry-pi/