nghttp2:如何在ESP32系列SOC平台上实现HTTP/2

本文深入探讨了nghttp2库在ESP32平台上的应用方案。nghttp2是一款用C语言实现的HTTP/2协议库,支持多路复用和HPACK头部压缩,可显著提升网络通信效率。ESP32作为低功耗双核MCU,是物联网应用的理想选择。文章详细介绍了在资源受限的ESP32上部署nghttp2的关键技术要点,包括资源优化配置、Wi-Fi网络设置、HPACK压缩支持以及交叉编译调试方法。通过在ESP32上集成nghttp2,物联网设备可实现与云端服务器的高效稳定通信,适用于实时数据交换和高并发场景。

BerryNet:将深度学习模型直接部署在树莓派等边缘设备,实现完全本地化的AI推理

BerryNet项目实现将深度学习模型直接部署在树莓派等边缘设备,完成本地化AI推理,无需依赖云端。采用Node.js/Python双语言架构,结合MQTT通信协议构建分布式AIoT网络。支持Inception v3分类模型及TinyYOLO、MobileNet SSD目标检测,集成Freeboard可视化仪表盘,配备数据收集与模型再训练功能,三条命令即可完成部署,为智能安防、工业质检、智慧农业等场景提供开箱即用的边缘智能解决方案。

Zephyr:高效、安全的新一代RTOS

Zephyr是一款面向多种硬件架构的新一代实时操作系统(RTOS),支持ARM、x86、RISC-V等主流架构。它具有出色的可扩展性、优化性和安全性,能够满足物联网、嵌入式设备、智能家居、工业自动化等多元应用场景的性能需求。Zephyr凭借高效的资源利用率和强大的安全防护机制,已成为开发者构建物联网设备的首选方案。其活跃的开发者社区为技术交流和资源共享提供了良好平台。

一种基于图像识别和深度学习的智能抄水表系统,ESP32边端采集,树莓派收集处理,支持云端,开源搭建完整IoT

water-meter-system-complete是一套功能强大的智能水表解决方案,采用ESP32微控制器和摄像头采集水表图像,通过卷积神经网络(CNN)模型自动识别读数,实现自动化、高精度的水表数据采集。系统支持Docker容器化部署,可运行在树莓派等ARM架构设备上,具备历史数据记录、可视化分析和远程访问功能。相比传统人工抄表,效率更高、精度更强,适用于家庭、社区、企业等多种场景。

Linux-ESPNOW:在Linux与ESP32/8266模块之间实现实时机器人控制的创新方案

Linux-ESPNOW项目实现了Linux系统与ESP模块之间的直接无线通信,突破传统网络延迟限制。该方案基于Espressif公司的ESPNOW协议,支持点对点、低功耗、高效率的数据传输,可实现毫秒级延迟的实时控制。项目结合Python与C语言开发,支持多设备连接,广泛应用于机器人控制、传感器数据采集、智能家居和无人机等领域,为物联网和实时控制系统提供了创新解决方案。

MySensors:一个强大的构建自定义传感器网络的物联网工具

MySensors是一个社区驱动的开源项目,专注于帮助开发者构建低成本、低功耗的自定义传感器网络。该库支持多种通信协议和频段,兼容Arduino、Raspberry Pi、ESP32等主流平台,提供简单易用的API接口。文章详细介绍了温湿度传感器、红外遥控器、照明控制和安防系统等典型应用示例,为物联网开发者提供了从入门到实践的完整指南。

camera-tft-esp32:ESP32-CAM摄像头图像实时显示到TFT屏幕开源解决方案

本文介绍了一个基于ESP32的摄像头图像实时显示到TFT屏幕的开源项目camera-tft-esp32。该项目使用ESP32CAM模块采集图像,通过TFT_eSPI库驱动ST7789等TFT屏幕,实现实时显示功能。文章详细说明了项目配置步骤,包括库安装、User_Setup.h文件修改、ESP32开发环境配置等。项目代码简洁易懂,核心使用Camera.begin()初始化摄像头,tft.pushImage()函数推送图像数据。该方案可应用于智能家居远程监控、工业可视化、机器人视觉等领域,为物联网设备提供了一种简单高效的图像显示解决方案。

EdgeML:让AI在「边缘端」掀起革命,物联网设备也能拥有「最强大脑」!

微软研究院开源EdgeML库,通过Bonsai、ProtoNN、FastGRNN等算法创新,将传统数百MB的深度学习模型压缩至KB级别,实现AI在摄像头、传感器等边缘设备上的本地运行。该技术让智能手表3秒识别手势、工厂传感器实时检测异常成为可能,推理速度提升5-8倍,内存占用降低95%以上,为物联网、医疗监护、工业质检等领域提供「零延迟、高隐私、强续航」的智能解决方案。

ESP32 旋钮编码器:轻松实现旋钮控制,让你的应用更便捷

本文详细介绍了ESP32如何读取旋转编码器信号,实现旋钮控制功能。内容涵盖增量式和绝对式编码器的原理区别,重点讲解ai-esp32-rotary-encoder库的使用方法,包括库安装、引脚连接、API配置、中断驱动和回调函数注册等。通过示例代码演示如何用旋转编码器控制LED亮度,帮助开发者快速将旋钮输入集成到ESP32物联网项目中。

ESP32-TinyML:让你的微型设备拥有智能大脑!

本文深入介绍了ESP32-TinyML技术,即在ESP32微控制器上运行机器学习模型。通过结合ESP32的Wi-Fi/蓝牙功能和TinyML,设备可实现本地化图像分类、声音识别、运动检测等AI功能,无需依赖云端。文章详细阐述了开发环境搭建步骤,包括硬件准备、软件配置、模型训练及部署流程,并提供了基于ESP32-CAM的图像分类实战案例。ESP32-TinyML技术为物联网设备赋予了低功耗、低成本的智能能力,具有广阔的应用前景。