PC box Vision Box DAYTONA

embarquéARM® Cortex®-A57 quad-coreUSB 3.0

Box-PC embarqué prenant en charge la Nvidia Jetson TX2 Convient à l'inférence d'apprentissage profond et à d'autres applications nécessitant un accélérateur GPU Prend en charge les interfaces pertinentes pour la vision Compact, faible consommation d'énergie, disponibilité à long terme Plusieurs applications nécessitent un accélérateur qui comprend les logiciels basés sur CUDA. Pour l'industrie, les cartes GPU à forte consommation d'énergie disponibles à court terme ne sont pas la solution optimale. NVidia propose avec la Jetson TX2 la combinaison d'un CPU ARM multicœur et de 256 GPU shader capables d'exécuter votre code CUDA. Mais une application de vision n'a pas seulement besoin d'un CPU et d'un GPU, elle a aussi besoin d'interfaces adaptées à la vision. L'ordinateur GPGPU Vision Box DAYTONA répond à toutes les exigences : les caméras peuvent être connectées à l'aide d'un seul câble capable de transporter les données, l'alimentation et surtout le signal de déclenchement. Une interface IO et une interface encodeur prennent en charge les capteurs et les acteurs. Enfin, pour faciliter l'accès depuis l'extérieur, un modem peut être connecté directement à votre équipe d'assistance. Toutes les fonctions sont couvertes par un boîtier industriel, sans ventilateur et à faible consommation d'énergie. L'ordinateur de vision sans ventilateur Vision Box DAYTONA - matériel de traitement d'images pour les applications suivantes : Programmes d'inférence d'apprentissage profond. Alors que la phase d'apprentissage des réseaux neuronaux se déroule hors ligne dans le nuage ou sur un ordinateur spécialisé, le programme exécutable de l'apprentissage profond, appelé programme d'inférence, s'exécute sur la Vision Box DAYTONA et en fait un puissant ordinateur d'inférence. Imagerie hyperspectrale : Il s'agit d'une nouvelle dimension du big data provenant de caméras capables de "voir" ce que l'homme ne voit pas. Jusqu'à une longueur d'onde de 1 700 nm, les caméras basées sur le SWIR créent des données permettant d'analyser, par exemple, des matériaux.