XMOS发布用于智能停车的低成本、低功耗ALPR参考设计

‌‌‌Reading time: 1 min read

香港正版全年资料大全

此设计旨在帮助将解决方案从高成本、高功率的硬件转移到精简、高效的机器学习上。

2022年3月17日 英国布里斯托尔 — 英国领先的芯片公司XMOS今天发布了其用于自动车牌识别(ALPR)的参考解决方案, 旨在将停车场的ALPR从复杂的资源密集型硬件转向简单的设备上的人工智能。

该参考设计是XMOS与计算专家Cloudtop合作开发的,可以在3-5米的距离内高精度地读取缓慢移动的车辆上的车牌。得益于XMOS的xcore.ai芯片的能力,Cloudtop的机器学习模型--最初设计用于高分辨率视频帧--已被无缝调整为在低功耗、低成本的情况下工作,而不会牺牲精度的状态。

传统上利用ALPR的停车库都集成了远远超过慢速移动、近距离车牌识别所需规格的硬件。它们往往使用高分辨率相机,运行在复杂的机器学习模型上,并且依靠云连接进行图像处理。在许多情况下这使得ALPR的实施成本过高。

而XMOS的参考设计在设备层面提供了足够的智能与算力,与标准ALPR解决方案相比,大大降低了功耗和物料清单(BOM)。通过消除对高成本硬件的需求和几乎消除对云连接的需求,这样的设备能够成为整个智能城市ALPR基础设施的现实组成部分。

XMOS公司产品、营销和业务发展副总裁Aneet Chopra评论说:"对于智能停车场来说,使用云连接和高算力硬件如同杀鸡用牛刀。它还使得ALPR网络的成本远超预期,维护更加复杂,并且充满了上云所无法避免的隐私问题。“

"我们开发的参考设计仅仅通过简化流程就解决了这些问题。如果你能在设备层面仅提供你所需要的智能与算力,你就可以避免将所有的原始数据发送到云端,或者使用过于昂贵且强大的硬件。从长远来看,这只会帮助我们推动ALPR的进步。"

Cloudtop联合创始人张教授评论说:"ALPR领域的两个优先考虑是简化以及可负担性,这不仅是为了推动销售,而且是为了鼓励创新。使设备更便宜、更简单、更可靠对智能城市来说是非常重要的。我们需要缩小机器学习模型的规模,使它们能够在像xcore.ai这样能够大规模生产的芯片上运行,这就为开发者节省了资金,同时增加了实验设计的灵活性。"

XMOS和Cloudtop将在3月28日至30日在旧金山举行的tinyML峰会上展示该解决方案,并邀请所有与会者参观其展台和海报展示。如果你想了解更多关于参考设计的信息,或者想讨论与XMOS合作开发类似的解决方案,请在这里登记您感兴趣的点:https://www.xmos.ai/alpr

关于XMOS

XMOS是一家处于物联网人工智能(AIoT)前沿的高科技公司,致力于满足不断发展的市场对灵活计算的需求,以服务于日益广泛的智能事物,包括语音、成像和环境感应。

该公司独特的灵活xcore处理器使产品设计师能够纯粹用软件来构建片上系统解决方案,从而以具有成本效益和能源效率的差异化系统更快地进入市场。

媒体联系人

Charlie Apsey / Ben Musgrove

Wildfire公司 邮箱:[email protected] 电话:+44 208 408 8000

木瓜电子转载自xmos.ai

Contact Us