基于算能的国产AI边缘计算盒子,8核心A53丨10.6Tops算力

2023-12-03 05:12

本文主要是介绍基于算能的国产AI边缘计算盒子,8核心A53丨10.6Tops算力,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

边缘计算盒子

8核心A53丨10.6Tops算力

● 算力高达10.6TOPS,单芯片最高支持8路H.264 & H.265的实时解码能力。

● 可扩展4G/5G/WIFI无线网络方式,为边缘化业务部署提供便利。

● 支持RS232/RS485/USB2.0/USB3.0/HDMI OUT/双千兆以太网等。

● 低功耗设计,结合外壳散热。

● 支持-20℃~+60℃宽温工作环境。

超强运算性能、高度集成的智能工作站,内置第三代TPU,处理器为8核 ARM Cotex-A53,主频高达2.3GHz,INT8算力高达10.6TOPS。智能工作站支持宽温环境工作,可以灵活部署于各种AI场景中,在智慧工厂、智慧工地、智慧城管、智慧油站等领域都有着广泛的应用。

项目

类型

型号参数

说明

处理器

CPU

8 核 ARM CortexA53@2.3GHz

TPU

BM1684

INT8

10.6 Tops

FP32

1.3 TFLOPS

内存

LPDDR4

默认配置 6 Gbyte

闪存

eMMC

默认配置 128 Gbyte

 

编解码性能

视频

8 路 1080P @ 30fps,H264/H265

视频编码

1 路 1080P @ 30fps,H264/H265

图片解码

1080P 240 张/秒

以太网口

( Ethernet)

x2

支持接入10/100/1000M网络(注:选配ETH0 POE供电)

RS-232

x1

可接入烟雾探测器、红外探测器、门禁等,报警输入设备,或警铃等报警输出设备(注:RS-232 线缆长度建议不超过 10m)

RS-485

x1

可接入烟雾探测器、红外探测器、门禁等,报警输入设备,或警铃等报警输出设备

HDMI OUT  

x1

可输出1080P@60fps视频源到显示终端

RST

x1

普通GPIO按键,可用于做应用软件复位

USB3.0

x2

可接入 U 盘、USB 鼠标、USB 键盘等设备

USB2.0

x2

可接入 U 盘、USB 鼠标、USB 键盘等设备

DEBUG

x1

系统调试口(Type-C)

TF卡槽

x1

可接入TF卡扩展存储空间,建议使用class 10或者更高规格

供电接口

x1

支持DC 12V

WIFI

x1

可扩展WIFI功能,支持IEEE 802.11 a/b/g/n/ac/ax 标准协议

M.2

x1

可扩展4G/5G模组,支持将边缘端数据以无线形式发送

SIM卡槽

x1

配合4G/5G 无线通信模块使用

mSATA

x1

可用于扩展mSATA-SSD固态硬盘

Linux

文件系统

ext4

Debian 9

媒体处理

BMCV、OPENCV、FFMPEG、BMLIB

AI开发

TensorFlow、Caffe、Pytorch、MxNet 和 Paddle Lite等量化转离线工具

网络设置

命令执行

支持静态、DHCP网络参数设置

运行状态

CPU、内存、磁盘

设备信息

设备序列号、软件版本号

日志管理

运行状态、运行报错等

时间

NTP、手动校时

升级管理

烧录升级

支持TF卡升级

应用领域

广泛应用于智慧工地、智慧园区、智慧交通、智慧校园等各个领域。

这篇关于基于算能的国产AI边缘计算盒子,8核心A53丨10.6Tops算力的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/448189

相关文章

Spring AI 实现 STDIO和SSE MCP Server的过程详解

《SpringAI实现STDIO和SSEMCPServer的过程详解》STDIO方式是基于进程间通信,MCPClient和MCPServer运行在同一主机,主要用于本地集成、命令行工具等场景... 目录Spring AI 实现 STDIO和SSE MCP Server1.新建Spring Boot项目2.a

Java计算经纬度距离的示例代码

《Java计算经纬度距离的示例代码》在Java中计算两个经纬度之间的距离,可以使用多种方法(代码示例均返回米为单位),文中整理了常用的5种方法,感兴趣的小伙伴可以了解一下... 目录1. Haversine公式(中等精度,推荐通用场景)2. 球面余弦定理(简单但精度较低)3. Vincenty公式(高精度,

Java Jackson核心注解使用详解

《JavaJackson核心注解使用详解》:本文主要介绍JavaJackson核心注解的使用,​​Jackson核心注解​​用于控制Java对象与JSON之间的序列化、反序列化行为,简化字段映射... 目录前言一、@jsonProperty-指定JSON字段名二、@JsonIgnore-忽略字段三、@Jso

windows和Linux使用命令行计算文件的MD5值

《windows和Linux使用命令行计算文件的MD5值》在Windows和Linux系统中,您可以使用命令行(终端或命令提示符)来计算文件的MD5值,文章介绍了在Windows和Linux/macO... 目录在Windows上:在linux或MACOS上:总结在Windows上:可以使用certuti

Python列表去重的4种核心方法与实战指南详解

《Python列表去重的4种核心方法与实战指南详解》在Python开发中,处理列表数据时经常需要去除重复元素,本文将详细介绍4种最实用的列表去重方法,有需要的小伙伴可以根据自己的需要进行选择... 目录方法1:集合(set)去重法(最快速)方法2:顺序遍历法(保持顺序)方法3:副本删除法(原地修改)方法4:

SpringQuartz定时任务核心组件JobDetail与Trigger配置

《SpringQuartz定时任务核心组件JobDetail与Trigger配置》Spring框架与Quartz调度器的集成提供了强大而灵活的定时任务解决方案,本文主要介绍了SpringQuartz定... 目录引言一、Spring Quartz基础架构1.1 核心组件概述1.2 Spring集成优势二、J

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Linux find 命令完全指南及核心用法

《Linuxfind命令完全指南及核心用法》find是Linux系统最强大的文件搜索工具,支持嵌套遍历、条件筛选、执行动作,下面给大家介绍Linuxfind命令完全指南,感兴趣的朋友一起看看吧... 目录一、基础搜索模式1. 按文件名搜索(精确/模糊匹配)2. 排除指定目录/文件二、根据文件类型筛选三、时间

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2