»Als Edge-KI-System ist die Vision Box AI eine vielseitige Plattform für die Entwicklung und den Einsatz von Bildverarbeitungs- und KI-Anwendungen«, erläutert Carsten Strampe, Geschäftsführer von Imago Technologies. »Sie eignet sich für Kunden, die eine hohe Rechenleistung, eine langfristige Verfügbarkeit und ein kompaktes Design benötigen. Die Möglichkeit, GPGPU-basierte Systeme in komplexen industriellen Umgebungen einzusetzen, eröffnet Anwendern die Chance, neue Wege mit Embedded Computing zu beschreiten.«

Als Basis des lüfterlosen Vision-Rechners dient die GPGPU ‚Jetson AGX Orin‘. Bis zu zwölf ARM-CPU-Kerne mit Zugriff auf maximal 64 GB RAM für Standardanwendungen stehen ihm zur Verfügung. Aufgaben lassen sich verteilen, und es steht ausreichend Speicher für Bilddaten bereit, auch wenn diese von hochauflösenden Kameras aufgenommen werden. Bei wenig Energieverbrauch erreicht die GPGPU eine KI-relevante Rechenleistung von 275 TOPS (Tera Operations per Second, 8 Bit Integer).

Die Edge-KI-Lösung ‚Vision Box AI‘ ermöglicht hohe Rechenleistung und geringen Stromverbrauch.

© Imago Technologies

Der in der ‚Vision Box AI‘ verwendete, rechenstarke GPU-Beschleuniger ermöglicht ein breites Anwendungsfeld: Er unterstützt KI-Applikationen mit hohem Prozesstakt oder komplexeren Netzwerken. Dabei kann die ‚Vision Box AI‘ sowohl das Lernprogramm als auch das Inferenzprogramm einer KI-Lösung ausführen. Für Anwendungen wie etwa hyperspektrale Bildgebung oder Lichtfeldkameras, die einen Beschleuniger auf CUDA-Basis erfordern, bietet der GPGPU-Rechner (General Purpose Computation on Graphics Processing Unit) genügend Rechenleistung. »Die ‚Vision Box AI‘ ist für viele Kundengruppen in verschiedenen Branchen geeignet«, führt Strampe aus. »In der Lebensmittel- und Getränkeindustrie kann sie neue Methoden zur Qualitätskontrolle ermöglichen, die auf KI und der Analyse von Licht im nicht sichtbaren Spektrum (NIR) beruhen. In der Produktion sowie der Verpackungs- und Logistikbranche gibt es viele neue Anwendungen, die eine hohe Rechenleistung von CPU und GPU erfordern. Neben KI-Anwendungen können auch Multi-Kamera-Systeme die GPU als Beschleuniger nutzen.«

Die ‚Vision Box AI‘ kombiniert die GPGPU-Architektur mit den für die industrielle Bildverarbeitung erforderlichen Schnittstellen. Standardschnittstellen wie etwa echtzeitfähige digitale I/Os, ein RS-422-Interface zum Anschluss inkrementeller Encoder, Ethernet, USB und optional ein Monitorausgang sind vorhanden. Zudem bietet die Vision Box AI neben CameraLink bis zu vier GigE-Schnittstellen für den Anschluss von Standard-GigE-Kameras.