Você não precisa de computação pesada que seja cara e consuma muita energia. Oferecemos computação baseada em edge com NVIDIA Jetson por um motivo! visionplatform.ai é a única solução totalmente de ponta a ponta para visão AI. Comece com apenas alguns cliques na plataforma, sem processos de implementação demorados.
O NVIDIA Jetson se integra perfeitamente à sua infraestrutura existente. Nossa plataforma pode ser conectada ao seu VMS ou às suas linhas de produção da maneira que você preferir.
Flexível, desde a sala de servidores até o gabinete de rua, por fibra ou 4G.
Uma solução de IA sem esforço baseada em edge para a implementação completa de IA do início ao fim.
Interação suave com qualquer câmara industrial ou IP existente e controladores.
Processamento on-premise, gestão de imagens e análise de resultados.
Construído com NVIDIA Jetson (uma GPU compacta e eficiente em energia para edge computing de IA)
✓ Seguro (on-premise)
✓ Baixa latência (super rápida)
✓ Escalável (conexão fácil de múltiplas câmaras)
Escolhemos NVIDIA Jetson por sua notável flexibilidade e eficiência energética. Com um consumo de energia entre 30 e 65 watts, pode processar até 20 câmeras simultaneamente. Isso equivale a um uso de energia incrivelmente baixo, de apenas 3,25 watts por câmera, tornando-o uma solução altamente sustentável e econômica.
Está em dúvida entre um fornecedor que oferece um PC/computador comum ou um servidor com GPU?
Recupere o valor da nossa licença PRO em menos de um mês se tiver mais de 100 câmeras.
Suporte completo para os principais sistemas VMS como Milestone Systems e Genetec, garantindo compatibilidade com sua infraestrutura de gerenciamento de vídeo existente.
Integração perfeita com REST PUSH APIs personalizadas para transferência e comunicação de dados sob medida, por exemplo, em seu ambiente de BI.
Conecte-se através do Node-RED para habilitar a comunicação com Modbus TCP/IP, um protocolo amplamente utilizado em ambientes industriais.
Conexão fácil com PLCs via Node-RED, permitindo automação e controle em tempo real dos seus sistemas de produção.
| Dimensões (L x P x A) | 130 x 130 x 46 mm (5.1u0022 x 5.1u0022 x 1.8u0022) | 194.8 x 174.3 x 65.85 mm (7.67u0022 x 6.86u0022 x 2.59u0022) | 194.8 x 174.3 x 65.85 mm (7.67u0022 x 6.86u0022 x 2.59u0022) | 192 x 230 x 87 mm (7.55u0022 x 9.05u0022 x 3.43u0022) | 192 x 230 x 87 mm (7.55u0022 x 9.05u0022 x 3.43u0022) | |
|---|---|---|---|---|---|---|
| Peso | 1.2 kg (2.65 lbs) | 2.05 kg (4.52 lbs) | 2.05 kg (4.52 lbs) | 4.5 kg (9.9 lbs) | 4.5 kg (9.9 lbs) | |
| Métodos de instalação | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | |
| Taxa de captura de quadros | up to 8 camera’s | up to 12 camera’s | up to 12 camera’s | up to 16 camera’s | up to 20 camera’s | |
| Compatibilidade com câmeras GigE & USB 3.0 | Basler Pylon SDKnAllied Vision Vimba SDKnIDS uEye(+) SDK | Basler Pylon SDKnAllied Vision Vimba SDKnIDS uEye(+) SDK | Basler Pylon SDKnAllied Vision Vimba SDKnIDS uEye(+) SDK | Basler Pylon SDKnAllied Vision Vimba SDKnIDS uEye(+) SDK | Basler Pylon SDKnAllied Vision Vimba SDKnIDS uEye(+) SDK | |
| Taxa de inferência | Object Detection (YOLOv5m): 131 FPS | Object Detection (YOLOv5m): 193 FPS | Object Detection (YOLOv5m): 193 FPS | Object Detection (YOLOv5m): 342 FPS | Object Detection (YOLOv5m): 342 FPS | |
| Capacidade de armazenamento interno | 256GB or 512GB | 256GB or 512GB | 256GB or 512GB | 256GB, 512GB or 1 TBt | 256GB, 512GB or 1 TBt | |
| Jetson GPU | 1024-core NVIDIA Ampere architecture GPU with 32 Tensor Cores | 1024-core NVIDIA Ampere GPU with 32 Tensor Cores | 1024-core NVIDIA Ampere GPU with 32 Tensor Cores | 1792-core NVIDIA Ampere GPU with 56 TensornCores, Maximum Operating Frequency: 930 MHz | 2048-core NVIDIA Ampere GPU with 64 TensornCores] Maximum Operating Frequency: 1.3GH | |
| Referência de desempenho de IA | Up to 40 TOPs | Up to 70 TOPs | Up to 100 TOPs | Up to 200 TOPs | Up to 275 TOPs | |
| CPU | 6-core Arm® Cortex®-A78AE v8.2 64-bit CPUn1.5MB L2 + 4MB L3 | 6-core NVIDIA Arm® Cortex A78AE v8.2 64-bit CPU | 8-core NVIDIA Arm® Cortex A78AE v8.2 64-bit CPU (2MB L2 + 4MB L3) | 8-core NVIDIA Arm® Cortex A78AE v8.2n64-bit CPU, 2MB L2 + 4MB L3 | 12-core NVIDIA Arm® Cortex A78AE v8.2n64-bit CPU, 3MB L2 + 6MB L3 | |
| I/O | Ethernet 1 x 10/100/1000 MbpsnDisplay HDMI (Max. resolution 3840×2160 @ 60Hz)nUSB External: 2 x USB 3.2 Gen 2, 1 x USB 2.0nInternal: 1 x USB 2.0 (by pin header)nOTG USB 1 x Micro USB | Ethernet 1 x 10/100/1000 MbpsnDisplay HDMI (Max. resolution 3840×2160 @ 60Hz)nUSB External: 6 x USB 3.2 Gen 2nDigital I/O 4-ch DI, 4-ch DOnSerial Port (Optional) 2 x RS-232/422/485 (On-board pin header reserved)nCANBus 1nOTG USB 1 x Micro USB | Ethernet 1 x 10/100/1000 MbpsnDisplay HDMI (Max. resolution 3840×2160 @ 60Hz)nUSB External: 6 x USB 3.2 Gen 2nDigital I/O 4-ch DI, 4-ch DOnSerial Port (Optional) 2 x RS-232/422/485 (On-board pin header reserved)nCANBus 1nOTG USB 1 x Micro USB | Ethernet 4 x 10/100/1000 Mbps (Optional PoE support, IEEE 802.3af/at)nDisplay HDMI (Max. resolution 3840×2160 @ 60Hz)nUSB External: 2 x USB 2.0, 4 x USB 3.2 Gen 2nInternal: 1 x USB 2.0nDigital I/O 4-ch DI, 4-ch DOnPower Switch 1 x Power ON/OFF ButtonnSerial Ports 2 x RS-232/422/485 (On-board pin header)nOTG USB 1 x Micro USB | Ethernet 4 x 10/100/1000 Mbps (Optional PoE support, IEEE 802.3af/at)nDisplay HDMI (Max. resolution 3840×2160 @ 60Hz)nUSB External: 2 x USB 2.0, 4 x USB 3.2 Gen 2nInternal: 1 x USB 2.0nDigital I/O 4-ch DI, 4-ch DOnPower Switch 1 x Power ON/OFF ButtonnSerial Ports 2 x RS-232/422/485 (On-board pin header)nOTG USB 1 x Micro USB |
I already have my edge computing device:
I want processing locally within my network. That’s why I need a processing unit (edge computing):
I need advise on my hardware and use-case:
I want processing locally within my network. That’s why I need a processing unit (edge computing):
leave your details and we’ll plan a 30 min session.
