Edge-KI-NVR-Lösung mit NVIDIA Jetson AGX Xavier

Bild: Neousys Technology Inc.

Neousys Technology bietet jetzt mit der Baureihe NRU-120S, die mit einer kompakten NVIDIA Jetson AGX Xavier-KI-Plattform und 4 PoE+-Ports mit Schraubverbindungen sowie 2 2,5″-Festplattenschächten ausgestattet ist, eine extrem energieeffiziente lüfterlose Edge-KI-Inferenzplattform an.

Die Plattform bietet vier GBit-802.3at-PoE+-Ports, über die angeschlossene Verbrauchergeräte mit 25,5W an Leistung versorgt werden können. Zum Speichern von Daten bietet die NRU-120S-Baureihe neben dem 32GB-eMMC auf dem Xavier-Modul einen m.2 2280 NVMe-Sockel für schnellen Lese/Schreibzugriff auf ein SSD-Laufwerk sowie zwei Hot-Swap-fähige 2 2,5″-Festplattenschächte – für einen problemlosen Austausch der Festplatten und einfachen Zugriff auf die Daten. Außerdem verfügt die Plattform über einen Mini-PCIe-Sockel für ein Wi-Fi- oder 4G-Modul, einen GPS-PPS-Eingang für eine plattformübergreifende Synchronisierung sowie isolierten 3-Kanal-DI und isolierten 4-Kanal-DO für den Datenaustausch mit externen Geräten.

„Die NRU-120S-Baureihe ist eine intelligente Allroundlösung zur Videoanalyse mit einfachen Möglichkeiten zum Anschluss von IP-Kameras, zum Transkodieren von H.264/H.265-Videostreams, zum Inferieren mit reichlich TFLOPS an Rechenleistung und zur Visualisierung von Erkenntnissen in Echtzeit. Sie ist eine skalierbare Lösung für KI-Anwendungen in Smart City und Smart Retail“, sagte Kaichu Wu, Produktmanager bei Neousys Technology. „Mit der zusätzlichen Unterstützung von Industrie-GigE-Kameras lassen sich mit der NRU-120S-Baureihe auch Deep Learning-Vision-Lösungen bei der Produktprüfung, für Smart Agriculture und für automatisierte Lager implementieren. Nicht zuletzt ermöglicht die NRU-120S-Baureihe Edge/KI-Anwendungen auch in rauen Umgebungen, ob in schmutzigen Fabrikhallen oder am Straßenrand, wo große Tag/Nacht-Temperaturunterschiede herrschen.“

Thematik: Technologie
Neousys Technology Inc.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige