Je hebt geen zware rekenkracht nodig die duur is en veel energie verbruikt. Wij bieden edge computing op basis van NVIDIA Jetson met een reden! visionplatform.ai is de enige volledig end-to-end oplossing voor AI-vision. Begin met slechts een paar klikken op het platform en vermijd daarmee tijdrovende implementatieprocessen.
De NVIDIA Jetson integreert naadloos met je bestaande infrastructuur. Ons platform kan op elke gewenste manier worden verbonden met je VMS productielijnen.
Flexiblel, van serverruimte tot straatkast, via glasvezel of 4G.
Een moeiteloze edge AI-oplossing voor volledige AI-implementatie van begin tot eind.
Naadloze interactie met ELKE bestaande industriële of IP-camera’s en controllers.
On-premise verwerking en beeldbeheer met outputanalyse.
Gebouwd op NVIDIA Jetson (een compacte, energie-efficiënte GPU Powerhouse voor AI Edge computing)
✓ Veilig (on-premise)
✓ Lage latency (bliksemsnel)
✓ Schaalbaar (gemakkelijk meerdere camera’s aansluiten)
We kozen voor de NVIDIA Jetson vanwege zijn opmerkelijke flexibiliteit en energie-efficiëntie. Met een stroomverbruik tussen slechts 30 en 65 watt kan het tot wel 20 camera’s tegelijk verwerken. Dit komt neer op een extreem laag energieverbruik van slechts 3,25 watt per camera, waardoor het een zeer duurzame en kostenefficiënte oplossing is.
Twijfel je tussen een aanbieder die een reguliere pc, computer of server met GPU aanbiedt?
Je verdient onze PRO-licentie binnen 1 maand terug als je meer dan 100 camera’s hebt.
Volledige ondersteuning voor toonaangevende VMS-systemen zoals Milestone Systems en Genetec, wat zorgt voor compatibiliteit met je bestaande videobeheerinfrastructuur.
Naadloze integratie met op maat gemaakte REST PUSH API’s voor aangepaste gegevensoverdracht en communicatie, bijvoorbeeld te gebruiken in je BI-omgeving.
Verbind via Node-RED om communicatie met Modbus TCP/IP mogelijk te maken, een veelgebruikt protocol in industriële omgevingen.
Eenvoudige verbinding met PLCs via Node-RED, waardoor automatisering en realtime controle over je productiesystemen mogelijk wordt.
| Afmetingen (B x D 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) | |
| Installatiemethoden | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | |
| Frame-snelheid vastleggen | 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 camera-compatibiliteit | 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 | |
| Inference doorvoer | 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 opslagcapaciteit | 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-prestatie referentie | 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.
