Nvidia Jetson Platform

Vision Box DAYTONA

Box-PC integrato che supporta Nvidia Jetson TX2
Adatto per l’inferenza del Deep Learning e altre applicazioni che richiedono un acceleratore GPU
Supporta interfacce rilevanti per la visione
Compatto, basso consumo energetico, disponibilità a lungo termine

Diverse applicazioni richiedono un acceleratore che comprenda il software basato su CUDA. Per il settore, le schede GPU ad alto consumo energetico disponibili a breve termine non sono la soluzione ottimale. NVidia offre con Jetson TX2 la combinazione di una CPU multi-core basata su ARM e 256 GPU shader in grado di eseguire il codice CUDA.

Ma un’applicazione di vision non ha bisogno solo di CPU e GPU: ha bisogno di interfacce rilevanti per la visione. Il computer GPGPU Vision Box DAYTONA soddisfa tutti i requisiti: le telecamere possono essere collegate con un unico cavo in grado di trasportare i dati, l’alimentazione e soprattutto il segnale di attivazione. L’interfaccia IO e un encoder supportano sensori e attori. Infine, per facilitare l’accesso dall’esterno, è possibile collegare un modem direttamente al team di assistenza.

Tutte le funzioni sono racchiuse in un cofanetto industriale, privo di ventole e a basso consumo energetico

Il computer di visione senza ventole Vision Box DAYTONA – hardware di image processing per le seguenti applicazioni:

Programmi di inferenza per il Deep Learning. Mentre la fase di apprendimento delle reti neurali viene eseguita offline nel cloud o su un computer specializzato, il programma eseguibile del Deep Learning, i cosiddetti programmi di inferenza, viene eseguito su Vision Box DAYTONA e lo rende un potente computer di inferenza.

Imaging iperspettrale: Si tratta di una nuova dimensione dei big data che proviene da telecamere in grado di “vedere” ciò che l’uomo non vede. Fino a una lunghezza d’onda di 1 700 nm, le telecamere basate su SWIR creano dati per analizzare, ad esempio, i materiali. I relativi algoritmi necessitano di un acceleratore CUDA, disponibile nel Vision Box DAYTONA.

Telecamere lightfield: Sono utilizzate in applicazioni 3D e creano molte immagini da un oggetto. Per calcolare la quantità di dati, è necessario un acceleratore GPU.

Adatto all’elaborazione di immagini basate sull’intelligenza artificiale e ad altre applicazioni che richiedono un acceleratore GPU
Per quanto riguarda lo sviluppo dell’applicazione, innanzitutto si dispone di un computer Linux multi-core sulla propria scrivania. Sotto il sistema operativo Linux, si sviluppa l’applicazione con la libertà di utilizzare gli operatori CUDA in esecuzione sulla GPU.

Solo per sottolineare le differenze: Con il sistema operativo Linux, IMAGO fornisce Vision Box con CPU x86 (i-Core) all’interno, in alternativa una CPU ARM Cortex A72 a 8 core. La Vision Box DAYTONA utilizza invece un ARM A57 quad-core insieme a una GPU a 256 shader.

Collegate la vostra telecamera, i sensori, il PLC e l’interfaccia Ethernet. Gli IO sono gestiti dal nostro controller di comunicazione in tempo reale, coperto da un SDK per il sistema operativo Linux. Iniziate a sviluppare la vostra applicazione.

Supporta le interfacce rilevanti per la vision
Alimentazione e trigger GigE su Ethernet: Un singolo cavo ethernet che supporta tutte le funzioni della telecamera come l’alimentazione, la trasmissione dei dati immagine, l’impostazione dei parametri e soprattutto il trigger over ethernet di IMAGO, supportato da numerosi produttori di telecamere.

IO in tempo reale: Molte applicazioni non necessitano di un sistema operativo in tempo reale, ma per le periferiche è molto importante ricevere i dati in ingresso, creare nuovi dati in uscita tramite una logica e rispettare le tempistiche del processo, dato che molte macchine lavorano molto velocemente. Il controller di comunicazione in tempo reale di IMAGO è una caratteristica fondamentale per garantire la tempistica del processo e consente l’elaborazione in tempo reale da parte della GPU.

Ingresso encoder incrementale: Avete bisogno della velocità del nastro trasportatore? Non solo per le applicazioni di scansione lineare, ma anche con le telecamere a scansione areale, le informazioni sulla velocità possono diventare importanti. L’ingresso encoder è collegato al controller di comunicazione in tempo reale con diverse funzioni logiche per garantire un’applicazione affidabile.

Uscita HDMI: Collegata direttamente a un display per gestire il software.

Compatto, basso consumo energetico, disponibilità a lungo termine
Il computer di image processing Vision Box DAYTONA misura solo 163 mm x 163 mm x 48 mm. Il cofanetto compatto consuma meno di 25W. La potenza di calcolo si combina con un basso consumo energetico. Come per molti prodotti IMAGO, anche il Deep Learning Box è disponibile a lungo termine.

Alimentari e bevande
Ad esempio, nell’industria alimentare e delle bevande, diventano interessanti le applicazioni più complesse (Deep Learning) o i big data (iperspettrale). L’integrazione in un cofanetto in acciaio inossidabile è facile grazie al fattore di forma compatto e al basso consumo energetico.
Altri esempi di applicazioni

Industria farmaceutica
Ad esempio, l’analisi iperspettrale diventa importante per i prodotti farmaceutici. Una volta che le applicazioni vengono eseguite con il sistema operativo Linux, tutti i processi di validazione diventano più semplici, poiché il sistema operativo può essere congelato per lungo tempo. Il Vision Box DAYTONA copre la vostra applicazione, niente di più.
Altri esempi di applicazioni

Produzione
Nel processo di produzione, il deep learning diventa sempre più importante. Ad esempio, nell’industria della pressofusione si utilizzano già software basati sul deep learning. Per supportare applicazioni autosufficienti, l’uscita HDMI per il monitor è gradita.
Altri esempi di applicazioni

Imballaggio e Logistica
Ad esempio, un computer installato su un carrello elevatore? Perché non utilizzare il Vision Box DAYTONA, collegare le telecamere ed eseguire programmi più intelligenti in grado di estrarre più dati per controllare il carrello elevatore.

Grazie all’acceleratore GPU, ad esempio, è possibile migliorare le applicazioni di lettura dei codici, dato che nel settore della logistica sono presenti sempre più codici sulle confezioni.

Ad esempio, le stesse macchine per l’imballaggio apprezzano il comportamento in tempo reale dell’IO in quanto funzionano molto velocemente.
Altri esempi di applicazioni

Sviluppatori di applicazioni di visione artificiale che utilizzano software basati su CUDA. Ingegneri software che hanno familiarità con il sistema operativo Linux e i processori basati su Nvidia.