ESP32-CAM, ESP32-S3-CAM или XIAO ESP32-S3 Sense: какую камеру взять

Перевод статьи ESP32 Camera Dev Board Comparison: ESP32-CAM vs ESP32-S3-CAM vs XIAO Sense — Circuit Digest.

Камеры на ESP32 стали популярным способом собрать дешёвую беспроводную камеру, систему видеонаблюдения или небольшой проект с машинным зрением. Вариантов сегодня несколько — от исходной ESP32-CAM до свежих плат на ESP32-S3 и компактной XIAO ESP32-S3 Sense. На первый взгляд они похожи, но различаются и по вычислительной мощности, и по памяти, и по сенсорам, и по габаритам.

ESP32-CAM#

Самая узнаваемая камерная плата на ESP32. Построена на исходном ESP32 и обычно комплектуется двухмегапиксельным сенсором OmniVision OV2640, 4 МБ флеша, 4 МБ PSRAM, слотом microSD, Wi-Fi и Bluetooth. Её главные козыри — простота и низкая цена.

ESP32-CAM снимает кадры, транслирует видео по Wi-Fi, пишет фотографии на microSD и общается с сервером или облаком. Этого достаточно для Wi-Fi-камер наблюдения, детекторов движения, удалённого мониторинга и простого распознавания объектов.

Теперь об ограничениях. PSRAM здесь всего 4 МБ: для буферов кадров этого хватает, а вот более новые платы на ESP32-S3 обычно дают больше памяти и лучше подходят для локальной обработки изображений и моделей. Второе неудобство — прошивка: у большинства плат ESP32-CAM нет USB на борту, так что понадобится программатор для ESP32-CAM или любой USB-TTL переходник.

Берите ESP32-CAM, если нужна дешёвая и простая Wi-Fi-камера, а тяжёлый локальный ИИ не требуется.

ESP32-S3-CAM#

Эти платы используют более новый чип ESP32-S3: два ядра Xtensa LX7 до 240 МГц. Тактовая частота примерно та же, что у исходного ESP32, но архитектурных улучшений хватает, чтобы всерьёз заниматься обработкой сигналов, машинным обучением и компьютерным зрением. Большинство камерных плат на S3 несут 8 МБ PSRAM — заметно больше места под буферы кадров и объёмные программы.

Отсюда и сценарии: детекция лиц и объектов, классификация изображений, распознавание присутствия человека, проекты TinyML, устройства IoT с элементами ИИ. У ESP32-S3 есть и USB, что упрощает и прошивку, и USB-сценарии на платах, где интерфейс выведен наружу.

Типичные конфигурации — 16 МБ флеша и 8 МБ PSRAM либо 8 МБ флеша и 8 МБ PSRAM. Плат много и от разных производителей: одни ставят трёхмегапиксельный OV3660, другие — пятимегапиксельный OV5640. Перед покупкой обязательно сверяйтесь с точными характеристиками.

XIAO ESP32-S3 Sense#

Если ESP32-S3-CAM сделана ради возможностей, то XIAO ESP32-S3 Sense от Seeed Studio — ради размера и интеграции. Здесь в очень компактном корпусе собраны ESP32-S3, камера, микрофон, поддержка microSD, USB и даже контроллер питания.

Текущая версия использует сенсор OV3660 с разрешением до 3 Мп, 8 МБ PSRAM и 8 МБ флеша — вдвое больше, чем у обычной ESP32-CAM. Цифровой микрофон на борту означает, что устройство может и видеть, и слышать без отдельной аудиоплаты. Отсюда голосовое управление камерой, визуальные ИИ-ассистенты, датчики для умного дома, носимые устройства.

Сама плата — примерно 21 × 17,8 мм, её куда проще уместить в компактную конструкцию. Плата за это — доступные выводы: камера и остальная периферия занимают часть пинов, так что свободы меньше, чем на большой отладочной плате с ESP32-S3.

Берите XIAO ESP32-S3 Sense, если нужен максимально компактный корпус, а камера, звук, хранилище и ИИ должны быть в одной плате.

У кого лучше картинка#

Здесь всё чуть сложнее. Качество изображения определяется не самим ESP32, а сенсором и оптикой. Классическая ESP32-CAM обычно идёт с OV2640 (до 2 Мп), XIAO ESP32-S3 Sense — с OV3660 (до 3 Мп), а платы ESP32-S3-CAM бывают и с OV3660, и с OV5640. Так что не стоит считать, что любая плата на S3 автоматически снимает лучше.

Есть и другая сторона. ESP32-S3 в принципе не потянет серьёзные задачи компьютерного зрения и тяжёлые модели. Нужен ли ему тогда пятимегапиксельный сенсор? Плата с 16 МБ флеша и 8 МБ PSRAM прекрасно справляется и с трёхмегапиксельным.

Что на самом деле решает — PSRAM#

Разницу делают PSRAM и флеш. В камерных проектах PSRAM крайне важна: кадр занимает много памяти, особенно на высоком разрешении или при нескольких буферах. Без PSRAM внутренней SRAM (обычно около 520 КБ) не хватит ни на инференс, ни на сложные матричные операции.

Запускать модель прямо из флеша технически можно, но это плохая практика: флеш не предназначен для вычислений, его дело — хранить модели, прошивку и код. Авторы статьи пробовали гонять крошечную LLM и из PSRAM, и из флеша: 22 токена в секунду против 2. Разница говорит сама за себя.

Типичные конфигурации:

А что с ИИ#

Это, пожалуй, главная причина смотреть в сторону ESP32-S3. Исходная ESP32-CAM отлично снимает кадр и отправляет его куда-то ещё — например, на облачный сервер. Но если вы хотите, чтобы обработка шла на самой плате, S3 подходит лучше: он умеет ускорять часть векторных и сигнальных операций, полезных для машинного обучения.

Ожидания при этом стоит держать в рамках. ESP32-S3 — не замена Raspberry Pi или Jetson для больших моделей компьютерного зрения. Его territory — маленькие оптимизированные edge-модели.

Итог#

Если нужна просто камера — исходная ESP32-CAM по-прежнему отличный выбор. Хочется поэкспериментировать с ИИ и компьютерным зрением — берите ESP32-S3-CAM. А если задача в том, чтобы собрать крошечное устройство, которое видит, слышит, пишет данные и выходит в сеть, то XIAO ESP32-S3 Sense из этой тройки, пожалуй, самая универсальная.

По теме на сайте: сканер QR-кодов на ESP32-CAM и ESP32-S3 запускает LLM на 28,9 миллиона параметров.