Nie potrzebujesz drogiej i energochłonnej mocy obliczeniowej. Oferujemy edge based computing z NVIDIA Jetson nie bez powodu! visionplatform.ai to jedyne w pełni kompleksowe rozwiązanie dla AI vision. Rozpocznij zaledwie kilkoma kliknięciami na platformie, bez czasochłonnych procesów wdrożeniowych.
NVIDIA Jetson integruje się bezproblemowo z Twoją istniejącą infrastrukturą. Nasza platforma może być podłączona do Twojego VMS lub linii produkcyjnych w dowolny sposób, jaki wybierzesz.
Elastyczne, od serwerowni do szafki ulicznej, na światłowodzie lub 4G.
Bezwysiłkowe rozwiązanie edge AI dla pełnej implementacji AI od początku do końca.
Płynna interakcja z istniejącymi przemysłowymi lub IP kamerami oraz kontrolerami.
On-premise przetwarzanie, zarządzanie obrazami i analiza wyników.
Zbudowane na NVIDIA Jetson (kompaktowy, energooszczędny GPU Powerhouse dla AI Edge computing)
✓ Bezpieczne (on-premise)
✓ Niska latencja (błyskawiczna szybkość)
✓ Skalowalne (łatwe podłączenie wielu kamer)
Wybraliśmy NVIDIA Jetson ze względu na jej wyjątkową elastyczność i wydajność energetyczną. Przy zużyciu energii wynoszącym od 30 do 65 watów, może obsługiwać jednocześnie do 20 kamer. To przekłada się na niezwykle niskie zużycie energii – zaledwie 3,25 wata na kamerę, co czyni ją wysoce zrównoważonym i opłacalnym rozwiązaniem.
Wahasz się między dostawcą oferującym zwykły komputer PC / serwer z GPU?
Zwrócisz koszty naszej licencji PRO w ciągu 1 miesiąca, jeśli masz więcej niż 100 kamer.
Pełna obsługa wiodących systemów VMS takich jak Milestone Systems i Genetec, zapewniając kompatybilność z istniejącą infrastrukturą zarządzania wideo.
Bezproblemowa integracja z niestandardowymi REST PUSH API do spersonalizowanego transferu danych i komunikacji, na przykład do wykorzystania w środowisku BI.
Połącz się za pomocą Node-RED, aby umożliwić komunikację z Modbus TCP/IP, szeroko stosowanym protokołem w środowiskach przemysłowych.
Łatwe połączenie z PLC za pośrednictwem Node-RED, umożliwiające automatyzację i kontrolę w czasie rzeczywistym nad systemami produkcyjnymi.
| Wymiary (S x G x W) | 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) | |
|---|---|---|---|---|---|---|
| Waga | 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) | |
| Metody instalacji | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | Desktop / Wall mount | |
| Częstotliwość przechwytywania klatek | 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 | |
| Kompatybilność z kamerami GigE i 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 | |
| Przepustowość wnioskowania | 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 | |
| Wewnętrzna zdolność przechowywania | 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 | |
| Odniesienie wydajności AI | 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.
