U078-D

M5Stack
170-U078-D
U078-D

Produc.:

Opis:
Cameras & Camera Modules Is a high-efficiency AI recognition module using Sigmstar SSD202D

Model ECAD:
Pobierz bezpłatną aplikację Library Loader, aby skonwertować ten plik do narzędzia ECAD Tool. Dowiedz się więcej o modelu ECAD.

Na stanie magazynowym: 6

Stany magazynowe:
6
Wysylamy natychmiast
Dostępna ilość z otwartych zamówień:
20
Oczekiwane: 18.02.2026
Średni czas produkcji:
10
tygodni Oczekiwany czas produkcji w fabryce dotyczący ilości większych niż pokazane.
Minimum: 1   Wielokrotności: 1
Cena jednostkowa:
-,-- zł
wewn. Cena:
-,-- zł
Szac. taryfa:
Ten produkt jest wysyłany BEZPŁATNIE

Cennik (PLN)

Il. Cena jednostkowa
wewn. Cena
277,35 zł 277,35 zł

Atrybuty produktu Wartość atrybutu Wybierz atrybut
M5Stack
Kategoria produktów: Aparaty i moduły do aparatów
RoHS:  
Camera Modules
AI Cameras
UART, USB
high-efficiency AI recognition module launched by M5Stack
5 V
0 C
+ 60 C
40 mm x 24 mm x 18.5 mm
Marka: M5Stack
Zainstalowana pamięć RAM: 128 MB
Rodzaj pamięci: DDR3
Prąd roboczy zasilania: 500 mA
Seria: CAMERA
Wielkość opakowania producenta: 10
Podkategoria: Cameras & Accessories
Znalezione produkty:
Aby pokazać podobne produkty, zaznacz przynajmniej jedno pole wyboru
Aby wyświetlić podobne produkty w tej kategorii, zaznacz co najmniej jedno pole wyboru powyżej.
Wybrane atrybuty: 0

TARIC:
8525890000
USHTS:
8525895050
JPHTS:
852589000
ECCN:
5A992.C

UnitV2 AI Camera

M5Stack UnitV2 AI Camera is a stand-alone, Linux-based 1080p camera optimized for Edge Computing. The UnitV2 AI Camera is powered by an onboard Arm Cortex-A7 Dual-Core 1.2GHz SoC (System-on-Chip) and includes 128MB DDR3 memory, 512MB NAND Flash, 2.4GHz Wi-Fi®, and an integrated cooling fan. The UnitV2 integrates multiple ready-to-use AI recognition applications, such as Face Recognition, Object Tracking, Color Tracker, Shape Detector, and Barcode Detector. A built-in USB LAN allows it to easily connect to a PC, automatically establishing a network connection. The UnitV2 can also be connected and debugged via Wi-Fi.