工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Industrial Internet of Things >> モノのインターネットテクノロジー

新1.5インチAIビジョンボード、単一電池で数年動作

Eta Computeが最新の組み込みAIビジョンボード「ECM3532」を発表しました。超低消費電力設計により、単一電池で数年間の動作を約束します。

新1.5インチAIビジョンボード、単一電池で数年動作

わずか1.5インチ×1.5インチのフットプリントに、内蔵電池、IoTとBluetooth Low Energy無線を搭載し、ビジョン対応デバイスのプロトタイピング、フィールドトライアル、本番導入に最適です。ボードには環境光センサー、マイクロフォン、加速度計/ジャイロスコープ、低消費電力Himax HM0360カメラ、拡張コネクターが同梱されています。

ボードのエネルギー効率的動作は、有線セットアップの制約と短命・高消費電力ボードを取り除き、継続的な自律ビジョンワークロードを可能にします。

このリリースは、Eta ComputeのモジュラーAIソリューション第1世代に続き、同社の低消費電力・エッジ中心設計へのコミットメントを強調しています。

Edge ImpulseのMLプラットフォームがボード上での迅速なニューラルネットワーク開発を支援し、Eta Computeの新しいTENSAI Flowソフトウェアが、ニューラルネットワークコンパイラ、キュレートされたモデルズー、フルFreeRTOSベースミドルウェアを提供することで、コンセプトからファームウェアまでワークフロー全体を効率化し、センサーとクラウド統合を簡素化します。

新1.5インチAIビジョンボード、単一電池で数年動作

同一CIFAR-10ワークロードでのベンチマークでは、TENSAIコンパイラが競合SoCへの直接実装比で推論あたりエネルギーを54倍削減し、TENSAIズーモデルと組み合わせると200倍削減することを示し、プラットフォームの効率向上を実証しています。

TENSAI FlowのEdge Impulseとのセキュアデータパイプラインにより、開発者は一度訓練して実世界モデルを導入し、将来の改良に備えられます。コンパイラはTensorFlow LiteモデルをTENSAI SoC向けに自動最適化し、ピーク電力効率を提供しながらシームレスなセンサー統合をサポート。ツールはクラウド接続とOTAファームウェアアップデートも、新モデルやデータに基づいてプロビジョニングします。

新1.5インチAIビジョンボード、単一電池で数年動作

Edge AI and Vision Alliance創設者のジェフ・ビア氏はこのブレークスルーを称賛しました:「コンピュータビジョンはデバイスを知覚エージェントに変えますが、重い計算がその普及を制限してきました。Eta Computeの革新—他のアライアンスメンバーと共に—ビジョンを電力制約シナリオで実用的にします。」

Edge Impulse CEOのザック・シェルビー氏は、「我々の共同プラットフォームで、開発者はオブジェクト検出からカウントまで、人間、動物、機械を問わず多様なビジョンワークロードを迅速にプロトタイピングし導入できます」と付け加えました。

Eta Compute CEOのテッド・テュークスベリー氏は、「統合ボードとEdge Impulseの開発環境の組み合わせにより、チームは人々の生活とビジネスに深く影響を与えるビジョンソリューションを立ち上げることができます」と結びました。

モノのインターネットテクノロジー

  1. 明確で簡潔なビジョンの力:リーダーシップ成功の原動力
  2. 明確なビジョンが保全・信頼性の成功を導く
  3. 補助金削減が中国の動力電池産業に与える影響
  4. 低力率の原因と改善方法を徹底解説
  5. Hyperstone X1 SSDコントローラ:低消費電力、産業グレード3Dフラッシュ性能
  6. Marvell、データセンターとエッジ向け超低消費電力PCIe Gen4 NVMe SSDコントローラを発表
  7. ON Semiconductor、低消費電力・高フレームレートARX3A0イメージセンサー発表:インテリジェントビジョン向け
  8. STTS22H:±0.25°C精度、超低消費電力デジタル温度センサー
  9. TI、超小型高効率BQ25790/BQ25792バックブースト電池充電ICを発表
  10. 適切な低電力広域ネットワーク(LPWAN)技術を選ぶ方法
  11. ルノーとPowervaultが提携、家庭用蓄電池コストを30%削減へ