升级相机 一个Raspberry Pi项目。 使用HQ相机传感器和触摸屏显示器升级旧相机。 关于 我想使用Raspberry Pi的来构建自己的相机。 该存储库包含有关我用于创建自己的“ Upcycle Camera”的硬件和软件的信息。

具有胶片模拟功能的Raspberry Pi相机 制作带有3d打印盒的“真实”树莓派无反光镜可换镜头相机（MILC）。 硬件 树莓派 Raspberry Pi HQ相机（Sony IMX477传感器） CS卡口镜头，2.8-12mm，f1.4 Raspberry Pi电池模块 3.5英寸触摸屏 按钮（12x12x7.3mm）和电线（照片按钮连接到19针，视频按钮连接到20针，以与脚本匹配） 3D打印盒： : : 脚步 安装显示驱动程序 安装Apache Web服务器，以查看照片， sudo apt-get install apache2 （可选，也可以尝试“ rsync”） 在此版本库sudo python3 main.py运行python脚本。 照片将保存到/ var / www / html文件夹 要在启动时运行python脚本， sudo nano /etc/rc.l

CM4 NAS解决方案 这种计算模块4载板设计公开了CM4接口的一个子集，包括其单个PCIe 2.0通道以接受外部SATA控制器卡。 该设计基于正式的Raspberry Pi Foundation的CM4 IO板（可在上找到KiCad项目）。 删除了与NAS无关的IO，并重新排列了剩余的接口，以使占用的空间较小，以适合标准3.5英寸硬盘驱动器的宽度。 故意使电路板保持简单以减少错误，因为这是我第一次尝试设计PCB，而且我没有电子学背景，因此所有电源管理工作都由外部电源和降压转换器负责。 重要的是，此板必须使用高质量的稳压电源，因为除了CM4内置的功能外，它不提供任何保护。 还为最终产品制作了3D打印外壳。 可在此处进行设计： : : 随意浏览此仓库的讨论部分以分享想法。 目录 下一步 修订记录 当前状态 当前版本的电路板不适合与CM4的精简版一起使用，因为它不转发模块的mic

基于Raspberry PI的WebSDR节点 Leer （ 。 用，阅读。 此WebSDR设置涵盖了基于时间的双频段接收器（80/40米频段）。 它使用继电器在天线之间切换，该天线由Raspberry PI上的一个GPiO引脚管理（使用驱动器晶体管）。 非常感谢Pieter PA3FWM，Mark G4FPH和Jarek SQ9NFI，他们对配置progfreq设置很有帮助。 要求 树莓派3 Raspbian 9已安装且正在运行 互联网访问设置和工作 RTL-SDR USB加密狗 所需的设置和软件 sudo apt-get update && sudo apt-get upgrade

CAN 设备驱动程序 mcp2515 具有通过 SPI 通信的控制器局域网 (CAN) 通信功能。 该库模块使用 SPI 模块为 mcp2515 建模。 您可以在 Arduino 和 Raspberry Pi 上使用此模块。 请详细查看 readme.pdf。

OpenWashing OpenWashing是一个为自助洗车系统创建电子设备和软件的项目。 该软件根据GPL-2.0许可免费分发。 Project使用开放源代码库：SDL（ ），LuaBridge（ ），WiringPi（ ） ，LibCurl（ ）。 该项目是由OpenRobots开发的洗车生态系统的一部分。 特征 支持NFC读卡器。 可靠的运行时软件，用C和C ++编写。 集成常见的支付系统：纸币和硬币读取器。 洗车客户的用户友好界面。 根据俄罗斯联邦法律，支持财政化。 基于Lua脚本的易于编辑的洗车系统行为。 在单板计算机上快速部署，例如Raspberry Pi 3B。 要求 任何用于测试的GNU / Linux发行版； Raspbian进行部署。 下载并安装 将此存储库克隆到任何目录。 在/ software / v1-enlight中执行./prepa

soem-w5500-rpi：Raspberry pi的开源实时EtherCAT主站

《树莓派渗透测试实战》讲解了使用便携廉价的树莓派搭配Kali Linux进行渗透测试的方法。 《树莓派渗透测试实战》分为6章，介绍了树莓派和Kali Linux的基础知识、适用于树莓派的Kali Linux ARM版本的基本知识和环境优化、渗透测试相关的知识、树莓派的各种攻击手段、渗透测试后的工作，以及与树莓派相关的其他项目。 《树莓派渗透测试实战》内容组织有序，通过步骤式讲解来凸显实用性和实操性，适合信息安全从业人员阅读

使用Raspberry PI（PySyft）进行联合学习 我们是一群从安全和私密AI奖学金挑战研究小组PyTorch机器人学者和共同致力于实现 教程由从 。 我们将在两个Raspberry Pi上设置PySyft，并学习如何通过PySyft在Raspberry Pi上训练递归神经网络。 项目目的 在Raspberry Pi（RPI）上使用联合学习的目的是在设备上构建模型，从而不必将数据移到集中式服务器。 除了增加隐私性外，FL还适用于物联网应用程序，因为可以在设备上进行培训，而不必在设备和中央服务器之间传递数据。 该项目实现了OpenMined教程，该项目使用2个RPI来模拟该过程，以将一个人的姓氏及其最有可能的起源语言分类。 了解更多关于这个被写的文章中 联合学习？ 您想了解有关联合学习的更多信息吗？ 别再看了！ 我们的团队准备了几篇文章来帮助您快速入门： 树莓派？ 您想知道需

基于Raspberry Pi的智能教室系统.pdf