Die intelligente Steuerung und Überwachung von Prozessen, Maschinen und Anlagen verursacht große Datenmengen und benötigt komplexe Algorithmen, deren Berechnung spezialisierte Hardware und eine hohe Bandbreite für die Datenkommunikation erfordert. Insbesondere die Bereitstellung und Verarbeitung von Bilddaten aus angeschlossenen Kameras stellt die im industriellen Umfeld eingesetzten Controller vor Herausforderungen. Sie müssen platzsparend, robust und leistungsstark und dabei gleichzeitig wartungsarm und mit den essentiellen Schnittstellen ausgestattet sein. Acceed kündigt jetzt mit dem DLAP-301-Nano eine auf diese Anforderungen zugeschnittene neue KI-Plattform mit integrierter Jetson-Nano-Engine von Nvidia an. Die Plattform eignet sich für den Einstieg in KI-Anwendungen auf Basis von Bilddaten. Das Modul besitzt eine 64-Bit-Quad-Core-CPU ARM Cortex-A57 und einen integrierten 128-CUDA-Core-Grafikprozessor (GPU) mit Maxwell-Architektur. In Kombination mit 4 GB 64-Bit-LPDDR4-Speicher erreicht das Modul 472 GFlops Rechenleistung. Als Speicherdurchsatz gibt Nvidia 25,6 GBit/s an. Dabei liegt die Leistungsaufnahme abhängig vom aktiviertem Modus bei lediglich 5 bis 10 W. Acht RJ 45-Ethernet-Schnittstellen mit PoE dienen auf der Rückseite des nur 21 cm breiten Industriegehäuses zum Anschluss von Kameras. Für die Datenkommunikation stehen außerdem zwei serielle DB-9-Buchsen, drei USB-Anschlüsse und eine weitere GbE-Schnittstelle zur Verfügung. Die Grafikausgabe vor Ort ist in hoher Auflösung über den HDMI-2.0-Port auf der Frontseite möglich. Der ebenfalls auf der Frontseite zugängliche Schacht nimmt eine 2,5"-SATA-SSD für die lokale Datenspeicherung auf. Damit ist der DLAP-301-Nano gleichzeitig als autonomer NVR (Netzwerkvideorekorder) einsetzbar, der Bilddaten bei Bedarf aber auch ins Netz streamen kann. Mit dem Jetson-Nano-Modul ermöglicht das System Computer-Vision in Echtzeit und Inferencing für viele komplexe DNN-Modelle (Deep Neural Network). Damit ließe sich zum Beispiel die Steuerung multisensorischer autonomer Roboter realisieren oder die Integration von IoT-Geräten mit intelligentem Edge-Processing. Mithilfe von ML-Frameworks ist es zudem möglich, neuronale Netze direkt weiter zu trainieren. Die Plattform ist für den industriellen Einsatz unter anspruchsvollen Bedingungen entwickelt und erlaubt den Betrieb im erweiterten Temperaturbereich von -20 bis +70 °C. Die Spannungsversorgung erfolgt mit 12 V DC. Das robuste Vollmetall-Chassis ist mit 210 × 170 × 55 mm sehr kompakt.
Autor(en): Acceed
