phyBOARD^®-Pollux AI Kit

phyBOARD-Pollux AI Kit für Edge-AI-Entwicklung

Das phyBOARD-Pollux AI Kit dient gleichermaßen als Lernplattform und Referenzdesign, um die Embedded-Vision- und Machine-Learning-Funktionalitäten des NXP i.MX 8M Plus-Prozessors zu erschließen. Es ist speziell für die Entwicklung von einfachen bis komplexen KI-Anwendungen konzipiert und enthält darüber hinaus alle Hardware- und Software-Komponenten für die Entwicklung von Anwendungen zur Objekt- und Gesichtserkennung. Auch die Erweiterung der KI-Rechenleistung mit Hailo- oder Ara240-DNPUs ist je nach Bedarf über unsere Add-ons möglich.

AI Use Case: Objekt- und Gesichtserkennung

Das Kit basiert auf dem phyCORE-i.MX 8M Plus System on Module (SoM), das die Fähigkeiten des NXP i.MX 8M Plus-Prozessors nutzbar macht. Der NXP-Prozessor ist mit Quad-Core Arm Cortex (1,6 GHz), integrierter NPU mit 2,3 TOPs Leistung und HDR-fähigem Image Signal Processor (ISP) ideal für Anwendungen zur Objekt- und Gesichtserkennung. Diendafür notwendige Kamera wird direkt mitgeliefert: Das bewährte phyCAM-M-Kamerasystem besteht aus einer kostengünstigen und industrietauglichen VM-016 HD-Kamera mit 1 MP und MIPI-CSI-2-Interface, M12-Objektiv und -Objektivhalter, mit dem Bilddaten erfasst und durch den integrierten ISP direkt verarbeitet werden können. Der Vorteil: Eine Nachbearbeitung der Bilddaten ist nicht erforderlich. 

Demoapplikation zur Gesichtserkennung inklusive

Die bereitgestellte Demoapplikation erleichtert die Nutzung von neuronalen Netzen zum Objektvergleich mit Hilfe von Machine- und Deep-Learning-Algorithmen. Dabei werden aus aufgenommenen Live-Bildern von Gesichtern durch verschiedene neuronale Netzwerke spezifische Gesichtsmerkmale extrahiert, die anschließend mit vortrainierten Gesichtern prominenter Personen verglichen werden. Das Gesicht mit den geringsten Abweichungen zum eigenen Gesicht wird als bester Treffer angezeigt.

Software-Ökosystem

Die Integration in eigene BSPs ist möglichst einfach gestaltet. Sie können auch das von Phytec bereitgestellte ready-to-use Full Feature BSP nutzen, in das die Entwicklungsumgebung für NXPs eIQ^®-Machine-Learning-Software ebenfalls bereits integrier istt. AUch die Erweiterung der KI-Performance mit zuäsztlichen DNPUs ist einfach über Treiber-API, Python und GStreamer möglich.