Arduino UNO Q hands-on: Più intelligente con Qualcomm e in grado di eseguire un sistema operativo desktop come un Raspberry Pi

È possibile accedere ad Arduino UNO Q tramite USB-C. Con un hub USB, può collegare un display, alimentare la scheda e utilizzare una tastiera e un mouse. Si possono anche collegare periferiche come una fotocamera o un microfono USB. La singola porta USB aiuta a mantenere la scheda piccola e va benissimo per le applicazioni embedded, ma significa che un hub è obbligatorio per qualsiasi configurazione desktop.

Il sistema esegue Debian con la leggera interfaccia XFCE. Nella configurazione da 2 GB di RAM che abbiamo testato, diventa chiaro molto rapidamente che Linux è utilizzabile ma lento. Le attività di base funzionano, ma la riproduzione di contenuti multimediali è praticamente impossibile e UNO Q non è adatto per essere utilizzato come un vero PC desktop.

Arduino App Lab è preinstallato e si aggiorna tramite Wi-Fi dopo la configurazione iniziale. Permette di creare applicazioni che sfruttano sia il SoC Qualcomm che l'MCU a bordo. Gli esempi inclusi lo illustrano bene: la scheda offre una potenza di calcolo relativamente elevata per una piattaforma di sviluppo, consentendo carichi di lavoro AI locali. Sono supportati modelli pre-addestrati per compiti come il riconoscimento delle immagini, ampliando le capacità di una scheda sviluppatore tradizionale per includere applicazioni basate su reti neurali.

Lo scopo di Arduino UNO Q, soprattutto dal punto di vista dell'utente finale, è spiegato meglio attraverso un esempio pratico, anche se il dispositivo non è rivolto principalmente ai consumatori tipici. Immaginiamo una piccola azienda che ha parzialmente automatizzato il movimento delle merci da una macchina confezionatrice all'area logistica. Attualmente, un dipendente controlla visivamente se ogni prodotto è imballato ed etichettato correttamente. Arduino UNO Q potrebbe essere utilizzato, almeno come parte di uno studio di fattibilità, per automatizzare questo controllo di qualità.

Utilizzando una telecamera USB, l'UNO Q può acquisire immagini dei prodotti sul nastro trasportatore e rilevare gli errori di confezionamento. Se viene rilevato un errore, può registrare l'evento in un database per il monitoraggio statistico e avvisare un dipendente. Un ulteriore passo è addirittura fattibile: l'UNO Q potrebbe attivare un attuatore per spingere automaticamente i prodotti difettosi fuori dal nastro trasportatore.

Anche se questo tipo di compito sembra complesso e non è banale da implementare, l'UNO Q offre due vantaggi chiave. In primo luogo, l'ecosistema Arduino è ampio, ampiamente adottato, accuratamente documentato e consolidato. È molto probabile che esistano già progetti simili e che siano persino documentati pubblicamente. In secondo luogo, e più soggettivamente, la scheda supporta Edge Impulse una piattaforma che semplifica la creazione di modelli edge-AI personalizzati. In questo esempio, un modello potrebbe essere addestrato su immagini di imballaggi corretti e difettosi e poi distribuito localmente su UNO Q con uno sforzo minimo. L'esecuzione delle reti neurali a livello locale presenta anche dei vantaggi, come mantenere la riservatezza, evitare di affidarsi a fornitori di servizi esterni e operare senza una connessione internet stabile. Tuttavia, questo non è un punto di forza unico; TensorFlow Lite, ad esempio, può essere utilizzato anche sulle schede Raspberry Pi.

Anche gli esempi di Arduino App Lab sono degni di nota. Introducono gli utenti al flusso di lavoro basato sui blocchi di https://docs.arduino.cc/software/app-lab/tutorials/bricks/ e consentono una facile personalizzazione. Molti esempi dimostrano come i risultati del riconoscimento delle immagini possano essere visualizzati attraverso l'interfaccia web di uno smartphone. UNO Q può anche funzionare come scheda sviluppatore tradizionale tramite Arduino IDE 2.0+, nel qual caso viene programmato solo l'MCU anziché l'APU Qualcomm. Un caso d'uso più pratico per la sola MCU potrebbe essere un sistema di irrigazione che utilizza sensori di umidità e pompe. I modelli pre-addestrati possono essere utili anche per compiti come l'analisi delle immagini o il riconoscimento vocale di base. Nel complesso, gli esempi inclusi devono essere considerati come una guida e un'ispirazione per l'implementazione dei suoi progetti.