Thematische Bibliographien / Raspberry Pi 4

Inhaltsverzeichnis

Zeitschriftenartikel

Auswahl der wissenschaftlichen Literatur zum Thema „Raspberry Pi 4“

Autor: Grafiati

Veröffentlicht am 28. Juni 2021

Zuletzt aktualisiert am 12. Juni 2025

Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an

Wählen Sie eine Art der Quelle aus:

Machen Sie sich mit den Listen der aktuellen Artikel, Bücher, Dissertationen, Berichten und anderer wissenschaftlichen Quellen zum Thema "Raspberry Pi 4" bekannt.

Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.

Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.

Zeitschriftenartikel zum Thema "Raspberry Pi 4"

Mulyanto, Trio Ade, Mukhtar Habiby, Kusnadi Kusnadi, and Rinaldi Adam. "HOME AUTOMATION SYSTEM DENGAN MENGGUNAKAN RASPBERRY PI 4." Jurnal Digit 11, no. 1 (2021): 60. http://dx.doi.org/10.51920/jd.v11i1.180.

Der volle Inhalt der Quelle

Annotation:

ABSTRAK  Home automation merupakan salah satu kemajuan teknologi dan komunikasi dengan otomasi kontrol terhadap rumah. Dengan metode ini, perangkat-perangkat elektronik rumah dapat di kontrol mengunakan sistem kendali jarak jauh tanpa harus menyetuh perangkat elektronik yang ada di rumah. Raspberry Pi digunakan sebagai pemroses untuk menciptakan sebuah sistem. Raspberry Pi merupakan mini computer yang fungsi-fungsi dasarnya sama seperti sebuah personal komputer biasa dengan ukuran sebesar kartu kredit. Raspberry Pi dapat mengontrol perangkat-perangkat elektronik yang berada di rumah dengan memanfaatkan fasilitas GPIO (General Purpose Input Output). Perangkat elektronika yang dapat di control meliputi lampu, kipas angin, suhu ruangan, kamera pengintai dan masih banyak lagi. Perancangan sistem meliputi perancangan alat untuk sistem kontrol arus di mana mengunakan Raspberry Pi untuk mengontrol 6 buah lampu, kipas sensor suhu, sensor motion dan 1 buah adaptor atau kontak saklar dengan memanfaatkan Relay 8 chanel sebagai penghubung dan juga sebagai saklar on / off. Tahap implementasi dilakukan dengan mengambungkan perangkat lunak dan perangkat keras untuk menghasilkan sistem control dengan menghubungkan web server sebagai media interface dan yang terakhir uji coba sistem yang di bangun. Sistem yang di bangun akan menjadi sistem kontrol perangkat elektronik rumah dengan implementasinya menyalakan dan mematikan lampu, mengecek suhu ruangan ,menyalakan kipas dan monitoring keadaan rumah dengaan memanfaatkan web server yang di tanam di dalam raspberry pi sebagai media interface user berupa web yang akan di akses user mengunakan smartphone atau komputer. Dengan ini sistem yang di bangun akan sangat membantu pengguna dalam melakukan pengontrolan perangkat elektronik rumah dimanapun pengguna berada dan menghemat daya listrik.  Kata Kunci : Home Automation, Smarthome, Raspberry Pi.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Ganesan, M., R. Hemanth., S. Gunalan., and J. Hemprasad. "Raspberry PI Based Smart Walking Stick." IOP Conference Series: Materials Science and Engineering 981 (December 5, 2020): 042090. http://dx.doi.org/10.1088/1757-899x/981/4/042090.

Der volle Inhalt der Quelle

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Prasath kumar, S., P. Rayavel, N. Anbarasi, B. Renukadevi, and D. Maalini. "Raspberry pi based secured cloud data." Journal of Physics: Conference Series 1964, no. 4 (2021): 042101. http://dx.doi.org/10.1088/1742-6596/1964/4/042101.

Der volle Inhalt der Quelle

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Srivastava, Ankit, Prabhat Singh, Sushil Kumar Verma, Kumar Kartikey, and Prof Shubham Shukla. "Path Planning Robot Using PI-CAM." International Journal for Research in Applied Science and Engineering Technology 10, no. 4 (2022): 66–70. http://dx.doi.org/10.22214/ijraset.2022.41133.

Der volle Inhalt der Quelle

Annotation:

Abstract: Currently, the path planning robot is one among the foremost researched topics in autonomous robotics technology. Path planning has important applications in many areas, for example industrial robotics, autonomous systems, and 3D digital representation that can perform various types of simulations iteratively about product performances. The utilization of versatile robots for modern purposes like arranging, moving, and putting is at this point not an inclination however a need. Our path planning robot is using OpenCV, image processing and various hardware’s such as raspberry pi 4, Arduino uno , motor driver and pi -cam. The analysis of image will be done using image processing through raspberry pi and for edge detection canny edge algorithm is used. Keywords: OpenCV, Raspberry pi 4, Pi-Cam, Canny Edge Detection, Image Processing.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Hermawan, Indra, Defiana Arnaldy, Maria Agustin, M. Farishanif Widyono, David Nathanael, and Meutia Tri Mulyani. "Sistem Pengenalan Benih Padi menggunakan Metode Light Convolutional Neural Network pada Raspberry PI 4 B." Jurnal Teknologi Terpadu 7, no. 2 (2021): 120–26. http://dx.doi.org/10.54914/jtt.v7i2.443.

Der volle Inhalt der Quelle

Annotation:

Baru-baru ini, metode pembelajaran mendalam dengan Convolution Neural Network (CNN) telah banyak digunakan untuk tugas klasifikasi gambar. CNN memiliki keunggulan yang tak tertandingi dalam mengekstraksi fitur gambar diskriminatif. Namun, banyak metode berbasis CNN yang ada dirancang untuk lebih dalam dan lebih besar dengan lapisan yang lebih kompleks. Sehingga membuatnya sulit untuk diterapkan pada perangkat seluler atau pada perangkat waktu nyata yang menggunakan mikrokontroler seperti raspberry pi, Arduino, dan lain sebagainya. Hal tersebut diatasi dengan menggunakan Light Convolution Neural Network (LCNN), maka perlu dilakukan percobaan untuk menguji seberapa besar perbedaan kinerja LCNN pada Personal Computer (PC) dan pada mikrokontroler raspberry pi 4 dengan sistem operasi Raspbian. Eksperimen dilakukan dengan menggunakan beberapa parameter kinerja yaitu accuracy, F-1 Score, recall, precision, dan waktu dari pengujian klasifikasi untuk mendapatkan hasil performa dari pembelajaran mendalam. Oleh karena itu, hasil dan arsitektur model akan mengkonfirmasi perbedaan kinerja di masing-masing perangkat dan menunjukkan bagaimana performa model pada perangkat yang dibatasi sumber daya atau berjalan secara waktu nyata. Pengujian menunjukkan bahwa kinerja pada raspberry pi yang merupakan alat dengan sumber daya terbatas tidak mempengaruhi kualitas pengenalan gambar, tetapi mempengaruhi waktu pemrosesan pengenalan, dikarenakan raspberry pi membutuhkan waktu proses yang lebih lama untuk melakukan satu proses pengenalan data atau foto. Hal tersebut akan mengakumulasi waktu yang dibutuhkan untuk pemrosesan data yang banyak, sehingga dapat disimpulkan bahwa raspberry pi dan alat dengan sumber daya terbatas sangat tidak efektif untuk melakukan pelatihan pengenalan dan melakukan proses pengenalan yang berisi banyak data atau foto dalam sekali prosesnya.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Maragatham, T., P. Balasubramanie, and M. Vivekanandhan. "IoT Based Home Automation System using Raspberry Pi 4." IOP Conference Series: Materials Science and Engineering 1055, no. 1 (2021): 012081. http://dx.doi.org/10.1088/1757-899x/1055/1/012081.

Der volle Inhalt der Quelle

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Prasetya, Aldo Dwi, Muhammad Daffa Raihan Ma'arif, Shania Syaharani, Imam Halimi, and Dezetty Monika. "Smart Mirror Berbasis Raspberry Pi 4 untuk Home Automation." ELECTRICES 3, no. 1 (2021): 34–39. http://dx.doi.org/10.32722/ees.v3i1.4136.

Der volle Inhalt der Quelle

Annotation:

Smart Mirror merupakan cermin dua arah dengan tampilan elektronik di belakang kaca. Smart Mirror dapat menampilkan berbagai jenis informasi dalam bentuk widget dan akan berguna bagi individu yang ingin melakukan banyak tugas dan tetap mendapat informasi. Alat ini dapat dikontrol dengan voice command atau dengan berupa sentuhan pada IR Frame untuk mengaktifkan voice detector. Untuk mengetahui apakah alat ini berfungsi dilakukan metode pengujian dengan melihat sistem dan proses secara keseluruhan pada alat dimulai dari tampilan grafis Smart Mirror, fungsi sensor pendukung, fungsi komponen, dan fungsi Voice Assistant sebagai Home Automation. Dimana masing-masing pengujian tersebut memiliki tahapan yang berbeda-beda tergantung dengan apa yang akan diuji. Kemudian didapatkan hasil bahwa tampilan grafis Smart Mirror, fungsi sensor pendukung, fungsi komponen, dan fungsi Voice Assistant sebagai Home Automation dapat berfungsi dengan baik. Namun, pada pengukuran kelembapan udara terdapat kesalahan dimana data yang terukur tidak terbaca. Untuk durasi lamanya waktu dari beban merespon adanya perintah. Masing-masing beban yang digunakan pada penelitian ini dapat berhasil merespon adanya perintah dengan durasi waktu antara 5 – 8,5 detik. Dimana, beban yang paling cepat merepon perintah ialah lampu merk Bardi dan beban yang paling lama untuk merespon perintah ialah saklar 2.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Budiyanta, Nova Eka, Catherine Olivia Sereati, and Ferry Rippun Gideon Manalu. "Processing time increasement of non-rice object detection based on YOLOv3-tiny using Movidius NCS 2 on Raspberry Pi." Bulletin of Electrical Engineering and Informatics 11, no. 2 (2022): 1056–61. http://dx.doi.org/10.11591/eei.v11i2.3483.

Der volle Inhalt der Quelle

Annotation:

This study aims to increase the processing time of detecting non-rice objects based on the you only look once v3-tiny (YOLOv3-tiny) model. The system was developed on the Raspberry Pi 4 embedded system with the Movidius neural compute stick 2 (NCS 2) implementation approach. Data object in the form of gravel on a bunch of rice in the video. The video data was obtained using a webcam with a resolution of 1920 x 1080 pixels with a total of 2759 frames. From the test results, frames per second (FPS) have increased by 1.27x in the Movidius NCS 2 implementation compared to processing using the central processing unit (CPU) from the Raspberry Pi 4. The object detection processing on video data is complete at 1871.408 seconds with 1.474 FPS using the CPU from the Raspberry Pi 4 and finished at 1477.141 seconds with 1.868 FPS using Movidius NCS 2. From these differences, it can be seen that the application of Movidius NCS 2 succeeded in increasing the object detection processing in this study by 26.69% with the YOLOv3-tiny model approach on the Raspberry Pi 4 embedded system.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Hadiwandra, T. Yudi, and Feri Candra. "High Availability Server Using Raspberry Pi 4 Cluster and Docker Swarm." IT Journal Research and Development 6, no. 1 (2021): 43–51. http://dx.doi.org/10.25299/itjrd.2021.vol6(1).5806.

Der volle Inhalt der Quelle

Annotation:

In the Industrial 4.0 era, almost all activities and transactions are carried out via the internet, which basically uses web technology. For this reason, it is absolutely necessary to have a high-performance web server infrastructure capable of serving all the activities and transactions required by users without any constraints. This research aims to design a high-performance (high availability) web server infrastructure with low cost (low cost) and energy efficiency. low power) using Cluster Computing technology on the Raspberry Pi Single Board Computing and Docker Container technology. The cluster system is built using five raspberry Pi type 4B modules as cluster nodes, and the Web server system is built using docker container virtualization technology. Meanwhile, cluster management uses Docker Swarm technology. Performance testing (Quality of Service) of the cluster system is done by simulating a number of loads (requests) and measuring the response of the system based on the parameters of Throughput and Delay (latency). The test results show that the Raspberry Pi Cluster system using Docker Swarm can be used to build a High Availability Server system that is able to handle very high requests that reach Throughput = 161,812,298 requests / sec with an Error rate = 0%.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

ANDRIOAIA, DRAGOS-ALEXANDRU, GEORGE CULEA, and PETRU-GABRIEL PUIU. "ENVIRONMENTAL TEMPERATURE AND HUMIDITY MONITORING SYSTEM USING RASPBERRY PI 4 AND THINGSPEACK." Journal of Engineering Studies and Research 27, no. 3 (2022): 20–23. http://dx.doi.org/10.29081/jesr.v27i3.283.

Der volle Inhalt der Quelle

Annotation:

In recent years, IoT platforms have become increasingly used due to their untapped potential. This paper aims to create an IoT system to monitor temperature and humidity in an enclosure The Raspberry Pi 4 SBC (Single-Board Computer) development board and ThingSpeak cloud platform will be used to make this system. Data from the DHT11 humidity and temperature sensor will be collected by the Raspberry PI 4 SBC development board, which will transmit it via the WiFi connection to the IoT ThingSpeak platform cloud for further analysis. The IoT ThingSpeak platform provides data storage, processing and visualization services.

APA, Harvard, Vancouver, ISO und andere Zitierweisen

Mehr Quellen

Wir bieten Rabatte auf alle Premium-Pläne für Autoren, deren Werke in thematische Literatursammlungen aufgenommen wurden. Kontaktieren Sie uns, um einen einzigartigen Promo-Code zu erhalten!