Boks-PC med kunstig intelligens

Kontrons Intel Atom-baserte Boks-PC er nå tilgjengelig med en integrert Google Coral Edge TPU for AI-bildegjenkjenning.

Publisert Sist oppdatert

Denne artikkelen er 2 år eller eldre

Kontron vil snart gjøre AI-plattformen tilgjengelig som en KBox-PC basert på Intel Atom x7-E3950-prosessor. Den er klar til bruk og kan integreres direkte i eksisterende X86-miljø for enklere implementering av egne applikasjoner rundt maskinlæring og kunstig intelligens ved det som kalles «Intelligent Edge».

Dette inkluderer for eksempel bilde- og videobehandling for visuell inspeksjon, kvalitetssikring, prediktivt vedlikehold, sortering eller gjenkjenning av objekter, der enheten enten er en frittstående enhet eller gateway. Med integrert Google Coral Edge TPU (Tensor Processing Acceleration Unit) med opptil 4 TOPS (billioner operasjoner per sekund) øker hastigheten betydelig sammenlignet med applikasjoner med enkle USB-kameraer uten TPU.

I tillegg støtter TPU lavenergi-applikasjoner og krever bare én watt for å oppnå to TOPS. I motsetning til Kontron AI-plattformen basert på NXP i.MX8M, som er tilgjengelig som et kortprodukt, kan KBox A-203-AI-GC plasseres direkte i kontrollskapet eller festes til en maskin uten noen bestemte forberedelses.

Gateway-løsningen er basert på KBox A-203-systemet, som i praksis brukes til å samle inn, behandle og distribuere sensordata. Den kobler sammen forskjellige sluttenheter og sørger for sikker overføring til en serverinfrastruktur på høyere nivå. Med AI-akseleratoren kan visuell informasjon nå også behandles.

To USB 3.0-porter foran, tilkoblinger for skjermer, to GB Ethernet og en industriell 24 VDC strøminngang er tilgjengelig som grensesnitt. I tillegg finnes det serielle grensesnitt og et feltbussalternativ. I dyp læring-miljøet er den tette konseptuelle tilkoblingen av maskinvare og programvare spesielt viktig for å optimalisere beregningsintensive oppgaver, heter det i meldingen fra Kontron.

AI-plattformen kjører på Debian Linux, er kompatibel med TensorFlow Lite og er utstyrt med applikasjonseksempler.

Powered by Labrador CMS