BOX-PC NVIDIA JETSON

Vision Box DAYTONA

  • Embedded Box-PC supporting Nvidia Jetson TX2
  • Geeignet für Deep-Learning-Inferenz und andere Anwendungen, die einen GPU-Beschleuniger erfordern
  • Unterstützt Vision-relevante Schnittstellen
  • Kompakt, geringer Stromverbrauch, Langzeitverfügbarkeit

Einige Anwendungen erfordern einen Beschleuniger, der CUDA-basierte Software versteht. Für die Industrie sind kommerzielle GPU-Karten mit kurzem Produktlebenszyklus sowie hohem Stromverbrauch nicht die optimale Lösung. NVidia bietet mit dem Jetson TX2 die Kombination aus einer ARM-basierten Multi-Core-CPU und 256 GPU-Shadern an, die Ihren CUDA-Code ausführen können.

Aber eine Bildverarbeitungsanwendung braucht nicht nur eine CPU und eine GPU – sie braucht bildverarbeitungsrelevante Schnittstellen. Der GPGPU-Computer Vision Box DAYTONA erfüllt alle Anforderungen: Kameras können mit einem einzigen Kabel angeschlossen werden, das Daten, Strom und vor allem das Triggersignal transportieren kann. IO und ein Encoder-Interface unterstützen Sensoren und Aktoren. Und schließlich kann für einen einfachen Zugriff von außen ein Modem direkt mit Ihrem Support-Team verbunden werden.

Und schließlich kann für einen einfachen Zugriff von außen ein Modem direkt mit Ihrem Support-Team verbunden werden.

Der lüfterlose Vision Computer Vision Box DAYTONA – Bildverarbeitungshardware ist für folgende Anwendungen prädestiniert:

  • Deep Learning Inferenz-Programme. Während die Lernphase neuronaler Netze offline, in der Cloud oder auf einem spezialisierten Rechner erfolgt, läuft das ausführbare Programm des Deep Learning, sogenannte Inferenzprogramme, auf der Vision Box DAYTONA und macht sie zu einem leistungsfähigen Inferenzrechner.
  • Hyperspektrale Bildgebung: Dies ist eine neue Dimension von Big Data, die von Kameras stammt, die in der Lage sind, das zu „sehen“, was der Mensch nicht sieht. Bis zu einer Wellenlänge von 1 700 nm erzeugen SWIR-basierte Kameras Daten zur Analyse von z. B. Materialien. Die entsprechenden Algorithmen benötigen einen CUDA-basierten Beschleuniger, wie er in der Vision Box DAYTONA verfügbar ist.
  • Lichtfeld-Kameras: Sie werden in 3D-Anwendungen eingesetzt und erzeugen viele Bilder von einem Objekt. Um die Datenmenge zu berechnen, ist ein GPU-Beschleuniger ebenfalls willkommen.

Geeignet für KI-basierte Bildverarbeitung und andere Anwendungen, die einen GPU-Beschleuniger erfordern
Was die Anwendungsentwicklung betrifft, so haben Sie zunächst einen Linux-Computer mit mehreren Kernen auf Ihrem Schreibtisch. Unter dem Linux-Betriebssystem entwickeln Sie die Anwendung mit der Freiheit, CUDA-Operatoren zu verwenden, die auf dem Grafikprozessor laufen.

Nur um die Unterschiede zu verdeutlichen: Mit dem Linux-Betriebssystem bietet IMAGO Vision Boxen mit x86 (i-Core) CPU an, alternativ eine 8-Core ARM Cortex A72 CPU. Die Vision Box DAYTONA hingegen verwendet einen Quad-Core ARM A57 zusammen mit einer 256 Shader GPU.

Schließen Sie Ihre Kamera, Sensoren, SPS und Ethernet-Schnittstelle an. Die IO werden von unserem Real-Time Communication Controller verwaltet, der in einem SDK für Linux OS enthalten ist. Beginnen Sie mit der Entwicklung Ihrer Anwendung.

Unterstützt Vision-relevante Schnittstellen
GigE Power und Trigger over Ethernet: Ein einziges Ethernet-Kabel unterstützt alle Kamerafunktionen wie Stromversorgung, Bilddatenübertragung, Parametereinstellung und insbesondere IMAGOs Trigger over Ethernet, der von einer Reihe von Kameraherstellern unterstützt wird.

Echtzeit IO: Viele Anwendungen benötigen kein hartes Echtzeit-Betriebssystem – aber für Peripheriegeräte ist es sehr wichtig, Eingangsdaten zu empfangen, neue Ausgangsdaten über eine Logik zu erzeugen und das Prozess-Timing zu bedienen, da viele Maschinen sehr schnell arbeiten. Der Real-Time Communication Controller von IMAGO stellt eine Schlüsselfunktion dar, um Ihr Prozess-Timing zu garantieren.

Inkrementaler Encoder-Eingang: Sie benötigen die Geschwindigkeit des Förderbandes? Nicht nur bei Zeilenkamera-Anwendungen, sondern auch in Verbindung mit Flächenkameras kann die Information über die Geschwindigkeit wichtig werden. Der Encoder-Eingang ist mit dem Real Time Communication Controller mit mehreren logischen Funktionen verbunden, um eine zuverlässige Anwendung zu gewährleisten.

HDMI-Ausgang: Schließen Sie direkt ein Display an, um Ihre Software darzustellen.

Kompakt, geringer Stromverbrauch, Langzeitverfügbarkeit
Der Bildverarbeitungsrechner Vision Box DAYTONA ist nur 163mm x 163mm x 48mm groß. Das kompakte Gehäuse verbraucht weniger als 25W. Rechenleistung wird mit geringem Stromverbrauch kombiniert. Wie bei vielen IMAGO-Produkten ist auch die Deep Learning Box langzeitverfügbar.

Lebensmittel und Getränke
In der Lebensmittel- und Getränkeindustrie werden zum Beispiel komplexere (Deep Learning) oder Big-Data-Anwendungen (Hyperspectral) interessant. Die Integration in ein Edelstahlgehäuse ist dank des kompakten Formfaktors und des geringen Stromverbrauchs einfach.
Weitere Anwendungsbeispiele entdecken

Pharma
Die hyperspektrale Analyse wird zum Beispiel für pharmazeutische Produkte wichtig. Sobald die Anwendungen unter dem Linux-Betriebssystem laufen, werden alle Validierungsprozesse einfacher, da das Betriebssystem für eine lange Zeit eingefroren werden kann. Auf der VisionBox DAYTONA läuft ausschließlich IHRE Anwendung – mehr nicht.
Weitere Anwendungsbeispiele entdecken

Produktion
Im Produktionsprozess wird Deep Learning immer wichtiger. So wird beispielsweise in der Druckgussindustrie bereits Deep-Learning-basierte Software eingesetzt. Um autarke Anwendungen zu unterstützen, ist der HDMI-Ausgang für den Monitor von Vorteil.
Further sample applications

Verpackung & Logistik
Zum Beispiel ein Computer, der auf einem Gabelstapler installiert ist? Warum nicht die Vision Box DAYTONA verwenden, Kameras anschließen und intelligentere Programme ausführen, die mehr Daten zur Steuerung des Gabelstaplers extrahieren können.

Mit dem GPU-Beschleuniger können z. B. Anwendungen zum Lesen von Codes verbessert werden, da in der Logistikbranche immer mehr Codes auf Paketen zu finden sind.

Die Verpackungsmaschinen selbst profitieren vom Echtzeitverhalten des IO, da sie sehr schnell laufen.
Weitere Anwendungsbeispiele entdecken

Entwickler von Bildverarbeitungsanwendungen, die CUDA-basierte Software verwenden. Software-Ingenieure, die mit dem Linux-Betriebssystem und NVidia-basierten Prozessoren vertraut sind.

Christoph Siemon
Sales Manager

Telefon: +49 6031-684 26 13
sales@imago-technologies.com

Sales Manager Fabian GarbsDipl.-Phys. Fabian Garbs
Sales Manager

Telefon: +49 6031-684 17 84
sales@imago-technologies.com