AI閘道器
- 不要丟掉你的“傻瓜相機” ——透過添加先進的感測器和人工智慧圖像處理能力來升級現有的硬體、軟體和演算法
- 預先配置的 AI 技術– 內置分類、排序和瑕疵檢測，具有基於 Web 的介面進行“無程式碼”算法訓練，和強大的 NVIDIA GPU 以加速更高級機器學習算法的部署
- 完全可擴展——操作系統建立在 Pleora 廣泛部署的 eBUS SDK 之上，提供了一個使用者簡易的框架，可以將用 Python 開發的自定義 AI 和機器學習技術上傳到平台
- 標準的解決方案——在使用最適合你應用的相機、感測器和軟體的同時，避免鎖定供應商和支持多個API需求
主要特色
| GigE Vision | 透過GbE視訊串流 |
| GenICam Mirroring | 具有鏡像相機GenICam接口控制節點的能力 |
| GPU | NVIDIA Pascal 256 GPU (1.3 TFLOPS) |
| CPU | 6核心 ARM CPU |
| 儲存空間 | 8GB |
| 標準外掛程式 | 人工智慧與圖像處理的簡易程式碼 |
| 程式語言 | Python |
| 資料庫 | OpenCV, TensorFlow, TensorRT, CUDA |
| 可選的外掛 | 無程式碼檢測模型、無程式碼高光譜模型 |
Facebook
Twitter
LinkedIn
AI閘道器
一、產品概述
Pleora的AI閘道器簡化高級機器學習模型的部署，以提高視覺品質檢測的可靠性並降低成本。該嵌入式平台旨在與現有的硬體和軟體配合使用，整合外掛式視覺檢測功能，使用者可以簡單地實現並部署自定義的演算法。整合一個強大的NVIDIA GPU，可以加速開發更先進的機器學習和計算機視覺算法。
二、主要特色
- 智慧優化的檢測：輕鬆運用機器學習和人工智慧，減少高成本的檢測錯誤、假正例和二次篩查等瑕疵所帶來的額外人力資源和流程成本。
- 保護投資：升級現有的相機、軟體和視覺演算法，同時部署AI圖像處理能力。
- 外掛人工智慧技術：無須任何額外的程式碼就能部署人工智慧技術 ——内置的人工智慧分類、排序和缺陷檢測以及強大的處理能力，以增加高級機器學習能力。
- 可用於工業4.0的擴展：上傳用Python編寫的自定義圖像處理和人工智慧演算法，讓建立在eBUS SDK之上的Pleora的操作系統處理其餘部分。
三、技術規格
1. 特色規格
| GigE Vision | 透過GbE視訊串流 |
| GenICam Mirroring | 具有鏡像相機GenICam接口控制節點的能力 |
| GPU | NVIDIA Pascal 256 GPU (1.3 TFLOPS) |
| CPU | 6核心 ARM CPU |
| 儲存空間 | 8GB |
| 標準外掛程式 | 人工智慧與圖像處理的簡易程式碼 |
| 程式語言 | Python |
| 資料庫 | OpenCV, TensorFlow, TensorRT, CUDA |
| 可選的外掛 | 無程式碼檢測模型、無程式碼高光譜模型 |
2. 一般規格
| 尺寸 | 226.0 mm x 122.0 mm x 59.9 mm |
| 重量 | 2.0 kg |
| 工作溫度 | 0°C ~ 70°C |
| 保存溫度 | -20°C to 85°C |
| 相對溼度 | 40°C @ 95%, 非冷凝 |
| 電源供應 | 12 VDC to 57 VDC |
| 電源消耗 | 21.5 W |
| 工作期間的振動頻率 | 安裝在桌面/牆面。3 Grms, IEC60068-2-64，隨機振動, 5 ~ 500赫兹，1小時/軸 |
| 工作期間的振動量級 | 30G, IEC60068-2-27, 半正弦。持續時間11秒 |
3. 接口規格
| 乙太網路 | 5x Gigabit乙太網接口 |
| USB 2.0 | 1x Micro-B OTG |
| USB 3.0 | 4 x Type-A |
| 展示 | 1 x HDMI 2.0b Type A (max resolution: 3840 x 2160 @ 60Hz) |
| 序列通訊 | 1x RS-485, 1x CAN 2.0b |
| 擴展器 | 7x GPIOs |
四、應用案例
- 品質檢測
- 高光譜成像
