آشنایی با ماژول های SD_MMC
#SD_MMC
@ArduinoFarsi_cc

آشنایی با اینترنت اشیاء (IoT) و زبان اینترنت اشیاء (MQTT)
کاری از: رضا اژدرکش

با سلام خدمت دوستان عزیز
این دوره آموزشی رو چند سال پیش تهیه کرده بودم. امروز ظاهر سایت ها و جای منوها کمی تغییر کرده ولی هنوز قابل استفاده هست. و امیدوارم براتون مفید باشه.

#IoT
#MQTT

راز عجیب تمیز کردن و خنک کردن قطعات با آب خاص! 💧⚡️
@ArduinoFarsi_cc

با سلام و احترام خدمت دوستان عزیز
تعداد جلسات و هزینه دوره های آموزشی آردوینو فارسی :
مدرس : رضا اژدرکش


✔️ دوره کامل آردوینو با عنوان آموزش مقدماتی آردوینو
تعداد جلسات : 70 جلسه
هزینه آموزش : 2,250,000 تومان.

✔️ دوره پیشرفته برنامه نویسی آردوینو با عنوان دوره متوسطه
تعداد جلسات : 30 جلسه + چند جلسه حل تمرینات
هزینه آموزش : 2,250,000 تومان.

✔️ دوره آموزش برنامه نویسی اندروید با MIT AppInventor و ارتباط با ESP32 از طریق SMS و بلوتوث و WiFi
تعداد جلسات : 18 جلسه
هزینه آموزش : 1,800,000 تومان.


به دوستانی که عضو کانال یوتیوب آردوینو فارسی هستند مبلغ 500,000 تومان تخفیف داده می شود:
👇👇👇👇👇👇👇👇👇
https://www.youtube.com/c/ArduinoFarsi


شماره حساب جهت پرداخت هزینه: 6104331049714000
بانک ملت بنام : رضا اژدرکش
شماره تماس : 09199117192
ارسال رسید پرداخت به آی دی : @Reza_Azhdarkosh

از خرید شما سپاس گزاریم. 🌹

کوالکام آردوینو را خرید! شروع عصر جدید میکرکنترلرهای هوشمند

یکی از بزرگ‌ترین خبرهای سال در دنیای سخت‌افزار منتشر شد: کوالکام رسماً شرکت Arduino را خریداری کرد!

این یعنی ترکیب قدرت پردازش و هوش مصنوعی کوالکام با سادگی و جامعه‌ی عظیم آردوینو

اولین نتیجه‌ی این همکاری، برد Arduino UNO Q است :

پردازنده‌ی Qualcomm Dragonwing QRB2210 برای اجرای Linux و هوش مصنوعی و یک میکروکنترلر ریل‌تایم برای کنترل دقیق سخت‌افزار

این ترکیب یعنی اجرای مدل‌های AI مثل تشخیص تصویر و صدا، در کنار کنترل دقیق موتور و سنسور — همه در یک برد واحد!

همچنین آردوینو از محیط توسعه‌ی جدید Arduino App Lab رونمایی کرده که مسیر طراحی، تست و اجرای پروژه‌های هوش مصنوعی را ساده‌تر از همیشه می‌کند.

اگر این مسیر با فلسفه‌ی متن‌باز آردوینو ادامه یابد، پروژه‌های DIY، IoT و رباتیک وارد مرحله‌ی تازه‌ای از هوشمندی خواهند شد.

Applications
Advanced Robotics & Autonomous Systems
Edge AI & Computer Vision
Interactive Art & Kiosks
Specification
Microprocessor Unit (MPU) - Qualcomm Dragonwing™ QRB2210

CPU: Quad-core Arm® Cortex®-A53 @ 2.0 GHz
GPU: Adreno 702 @ 845 MHz (3D graphics accelerator)
ISP: Dual Image Signal Processor (Supports 13 MP + 13 MP or 25 MP @ 30 fps)
Operating System: Debian Linux OS (with upstream support)
RAM: 2 GB (ABX00162) LPDDR4
Storage: 16 GB (ABX00162) eMMC
MPU I/O: 12x Digital I/O Pins exposed on JMISC header
MPU User Interfaces: 2x RGB LEDs, 1x Power Button
Microcontroller Unit (MCU) - STM32U585

Core: Arm® Cortex®-M33 @ up to 160 MHz
Operating System: Arduino Core on Zephyr OS
Memory: 2 MB Flash, 786 KB SRAM
Digital I/O Pins: 47 total (22x on JANALOG/JDIGITAL headers, 25x on JMISC header)
Analog Inputs (ADC): 6x (14-bit resolution)
Analog Outputs (DAC): 2x (12-bit resolution)
PWM Pins: 6x
Communication Protocols: 4x I2C, 3x SPI, 3x USART, 2x UART, 1x FDCAN, 2x SAI, 1x PSSI
MCU User Interfaces: 2x RGB LEDs, 8x13 Blue LED Matrix
Connectivity & Radio

Wi-Fi: Wi-Fi® 5 (802.11ac), Dual-band 2.4/5 GHz with onboard antenna
Bluetooth: Bluetooth® 5.1 with onboard antenna
Interfaces & Media

USB Port: 1x USB-C® port (Supports Host/Device switching, Power Delivery, Video Output)
Video Output: USB-C® DisplayPort, MIPI DSI (via JMEDIA header)
Camera Input: USB UVC cameras (via USB-C dongle), Dual MIPI CSI (via JMEDIA header)
Audio: 3.5mm Jack functionality for Microphone IN, Headphone OUT, Line OUT (via JMISC header)
Special Connectors:
1x Qwiic Connector (I2C, 3.3V)
1x JCTL Connector (MPU Remote Debug)
Power

Main Power Input: 5 VDC @ 3 A max via USB-C® connector
VIN Input Voltage: 7 - 24 VDC
I/O Operating Voltage: 3.3 VDC for MCU (5V tolerant on some pins), 1.8 VDC for MPU
DC Current per I/O Pin: 20 mA
Physical Dimensions

Length: 68.58 mm
Width: 53.34 mm

Documents
Arduino UNO Q Documentation :
https://docs.arduino.cc/hardware/uno-q/#compatibility

User Manual:
https://docs.arduino.cc/tutorials/uno-q/user-manual

Arduino App Lab:
https://docs.arduino.cc/software/app-lab/tutorials/getting-started/

Pinout (PDF):
https://docs.arduino.cc/resources/pinouts/ABX00162-full-pinout.pdf

Datasheet:
https://docs.arduino.cc/resources/datasheets/ABX00162-ABX00173-datasheet.pdf

Schematics:
https://docs.arduino.cc/resources/schematics/ABX00162-schematics.pdf

CAD Files:
https://docs.arduino.cc/static/b65965e81318cc98547ea8713cfb3341/cad-files.zip

STEP Files:
https://docs.arduino.cc/resources/models/ABX00162-step.zip

لینک دانلود
https://www.arduino.cc/en/software/#app-lab-section

سلام دوستان
ما دو تا موضوع مهم داریم که تازگی دارند و باید با هم مرور کنیم:
1- محیط Arduino App Lab (محیط جدید کدنویسیِ Arduino)
2- برد Arduino UNO Q که این محیط مخصوصش هست

پس بریم یکی‌یکی ببینیم چی هستند، چه قابلیت‌هایی دارند، کجا استفاده‌شان کنیم:

1- محیط Arduino App Lab:

چی هست؟
✔️محیط App Lab یک محیط توسعه یکپارچه (IDE / Platform) هست که توسط Arduino معرفی شده تا کدهای Sketch معمولی (C++ برای بخش MCU)، اسکریپت‌های Python، و حتی مدل‌های AI/ماشین‌لرنینگ را در یک جریان کاری ترکیب کند.

✔️ این محیط از طریق «Bricks» (بلوک‌های آماده) کار را سریع‌تر می‌کند؛ یعنی بخشی از کار آماده است و شما می‌توانید آن بلوک‌ها را با پروژه‌تان ترکیب کنید.

✔️ مخصوصاً برای برد جدید UNO Q طراحی شده است، تا ترکیبی از «پردازش بالا (Linux/Python/AI)» و «کنترل ریل-تایم (MCU)» را میسر کند.

چه قابلیت‌هایی دارد؟
✔️ امکان اجرای Sketchهای Arduino روی بخش MCU (مثلاً STM32) و در عین حال اجرای برنامه‌های Python روی بخش Linux.

✔️ امکان استفاده از مدل‌های AI یا بینایی ماشین به صورت آماده یا با ادغام، همراه با توسعه سریع‌تر.

✔️ پشتیبانی از کار به دو صورت: اتصال برد به کامپیوتر + IDE یا اینکه برد را مثل یک کامپیوتر مستقل با مانیتور/کیبورد/ماوس استفاده کنید.

چرا خوبه؟
✔️ اگر بخوای پروژه‌ای داشته باشی که فقط سنسور می‌خونه و موتور راه‌اندازی می‌کنه، MCU تنها کافی هست؛ ولی اگر بخوای مثلاً تشخیص تصویر، صدای انسان یا تعامل پیچیده داشته باشی، داشتن بخش Linux + AI خیلی کمک می‌کنه.

✔️ این محیط کار را برای ترکیب این دو نوع کار (ریزکنترل و کامپیوتر-بلوک) ساده می‌کنه — یعنی لازم نیست دو محیط جدا داشته باشی، همه‌ش در App Lab جمع شده.

✔️ برای توسعه سریع‌تر مناسب هست، مخصوصاً وقتی بخوای نمونه اولیه بسازی یا می‌خوای برای آموزش یا ارائه آماده باشی.

نکات و جوانب آموزشی/تخصصی:
✔️ با این حال چون تکنولوژی جدید هست، ممکنه همچنان بخش‌هایی از اکوسیستمش کامل نشده باشن یا مستندات کمتر باشن نسبت به محیط‌های کلاسیک Arduino.

✔️ اگر پروژه‌ات فقط ریزکنترلر هست و نیازی به Linux/AI نداری، ممکنه MCU ساده‌تر با IDE کلاسیک ارزان‌تر و سریع‌تر باشه.

✔️ باید توجه کنی که آیا نیاز به حافظه، قدرت پردازش، یا I/O خاصی داری که UNO Q پشتیبانی می‌کنه یا نه (یعنی ممکنه برد بزرگ‌تر از نیاز باشه یا هزینه‌اش بیشتر بشه) — ولی اگر می‌خوای آینده‌نگر باشی، این گزینه عالیه.

2- برد Arduino UNO Q :

مشخصات و اینکه کلا چی هست؟
✔️ برد UNO Q بردی هست که دو بخش دارد: یک MPU (پردازنده لینوکسی) یعنی Qualcomm Dragonwing QRB2210 و یک MCU یعنی STMicroelectronics STM32U585.

✔️ فرم فکتورش مثل بردهای UNO هست، یعنی از نظر شیلدها یا ساختار پایه مشابه UNO کلاسیک هست.

✔️ مشخصات قابل توجه: رم 2GB (یا بیشتر در نسخه‌های بعدی)، حافظه eMMC 16 GB و WiFi دو بانده، بلوتوث 5.1، ماتریس LED 8×13، پورت USB-C و …

چرا ترکیبی از MPU + MCU؟
✔️ بخش MCU برای کنترل دقیق، سریع، زمان واقعی (“real-time”) مثل خواندن سنسورها، کنترل موتورها، پاسخ‌دهی سریع استفاده می‌شود.

✔️ بخش MPU با لینوکس امکان می‌دهد کارهای سنگین‌تر مثل پردازش تصویر، اجرای مدل‌های AI، استفاده از Python، رابط‌های گرافیکی، حتی اتصال مانیتور/کیبورد.

✔️ یعنی بردی که هم مثل Arduino کلاسیک عمل می‌کند و هم مثل یک کامپیوتر کوچک برای کاربردهای پیشرفته‌تر.

چرا خوبه؟
✔️ اینکه بتوانی در یک برد هم “کنترل سخت‌افزار” و هم “پردازش بالا” داشته باشی خیلی قدرتمند است، مخصوصاً برای پروژه‌های رباتیک، بینایی ماشین، خانه هوشمند، IoT پیشرفته.

✔️ چون فرم UNO دارد، می‌توان بخش زیادی از اکسسوری‌ها، شیلدها یا اکوسیستم Arduino را استفاده کرد.

✔️ استفاده از محیط App Lab به این معنی است که توسعه‌دهنده می‌تواند سریع‌تر وارد پروژه شود بدون شروع از صفر کامل.

مواردی که باید در نظر بگیری:
✔️ قیمت و ترکیب ابعاد: ممکنه نیاز داشته باشی هزینه بیشتری بدهی نسبت به بردهای ساده‌تر.

✔️ پیچیدگی: اگر پروژه‌ات خیلی ساده است، مثلا فقط یک LED خاموش/روشن، استفاده از چنین برد قدرتمندی ممکنه overkill باشد.

✔️ نیازمندی‌ها: مطمئن باش که منابع نرم‌افزاری (کتابخانه‌ها، مثال‌ها) برای App Lab و UNO Q برای کاری که می‌کنی آماده هستند.
@ArduinoFarsi_cc

مقایسه کامل Arduino App Lab با PlatformIO
@ArduinoFarsi_cc