Sie benötigen keine teure und energieintensive Rechenleistung. Wir bieten aus gutem Grund Edge-Computing mit NVIDIA Jetson an! visionplatform.ai st die einzige vollständig End-to-End-Lösung für AI-Vision. Starten Sie mit nur wenigen Klicks in der Plattform, ohne zeitaufwändige Implementierungsprozesse.
Die NVIDIA Jetson integriert sich nahtlos in Ihre bestehende Infrastruktur. Unsere Plattform kann auf jede gewünschte Weise mit Ihrem VMS oder Ihren Produktionslinien verbunden werden.
Flexibel, vom Serverraum bis hin zum Straßenverteiler, über Glasfaser oder 4G.
Eine mühelose Edge-AI-Lösung für eine vollständige AI-Implementierung von Anfang bis Ende.
Nahtlose Interaktion mit JEGLICHEN bestehenden Industrie- oder IP-Kameras und Controllern.
On-Premise-Verarbeitung, Bildverwaltung und Ausgabenauswertung.
Gebaut auf NVIDIA Jetson (eine kompakte, energieeffiziente GPU-Powerhouse für AI-Edge-Computing)
✓ Sicher (on-premise)
✓ Geringe Latenz (blitzschnell)
✓ Skalierbar (einfach mehrere Kameras anschließen)
Wir haben uns für die NVIDIA Jetson entschieden, aufgrund ihrer bemerkenswerten Flexibilität und Energieeffizienz. Mit einem Stromverbrauch von nur 30 bis 65 Watt kann sie bis zu 20 Kameras gleichzeitig verarbeiten. Das bedeutet einen extrem niedrigen Energieverbrauch von nur 3,25 Watt pro Kamera, was sie zu einer hoch nachhaltigen und kosteneffizienten Lösung macht.
Zweifelst du zwischen einem Anbieter, der dir einen normalen PC / Computer oder Server mit GPU anbietet?
Du verdienst unsere PRO-Lizenz innerhalb eines Monats zurück, wenn du mehr als 100 Kameras hast.
Volle Unterstützung führender VMS-Systeme wie Milestone Systems und Genetec, um die Kompatibilität mit Ihrer bestehenden Video-Management-Infrastruktur zu gewährleisten.
Nahtlose Integration mit benutzerdefinierten REST PUSH APIs für maßgeschneiderte Datenübertragung und Kommunikation, z. B. in Ihrer BI-Umgebung.
Verbinden Sie sich über Node-RED, um die Kommunikation mit Modbus TCP/IP zu ermöglichen, einem weit verbreiteten Protokoll in industriellen Umgebungen.
Einfache Verbindung mit PLCs über Node-RED, wodurch Automatisierung und Echtzeit-Steuerung Ihrer Produktionssysteme möglich werden.
| Abmessungen (B x T x H) | 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) | |
|---|---|---|---|---|---|---|
| Gewicht | 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) | |
| Installationsmethoden | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | |
| Bildfrequenz erfassen | 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 | |
| GigE & USB 3.0 Kamerakompatibilität | 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 | |
| Inferenz-Durchsatz | 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 | |
| Interne Speicherkapazität | 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 | |
| AI-Leistungsreferenz | 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.
