Raspberry Pi AI Camera

Η Raspberry Pi AI Camera είναι η νέα κάμερα από το Raspberry Pi, βασισμένη στον αισθητήρα ευφυούς όρασης IMX500 της Sony. Ο IMX500 συνδυάζει ένα CMOS 12 megapixel αισθητήρα εικόνας με εναν on-board inferencing acceleration για μια ποικιλία κοινών νευρωνικών μοντέλων δικτύων, επιτρέποντας στους χρήστες να αναπτύξουν εξελιγμένες εφαρμογές τεχνητής νοημοσύνης που βασίζονται στην όραση χωρίς την ανάγκη για ξεχωριστό επιταχυντή.

Η AI Camera επαυξάνει διαφανώς τις ληφθείσες ακίνητες εικόνες ή βίντεο με tensor metadata, αφήνοντας τον επεξεργαστή στο κεντρικό Raspberry Pi ελεύθερο να εκτελέσει άλλες λειτουργίες. Υποστήριξη για tensor metadata, στις βιβλιοθήκες libcamera και Picamera2 και στη σουίτα εφαρμογών rpicam-apps, καθιστούν εύκολη τη χρήση της από αρχάριους, ενώ παράλληλα προσφέρουν σε προχωρημένους χρήστες απαράμιλλη ισχύ και ευελιξία.

Η AI Camera του Raspberry Pi είναι συμβατή με όλους τους υπολογιστές Raspberry Pi. Το PCB περίγραμμα και οι θέσεις των οπών τοποθέτησης είναι πανομοιότυπες με αυτές της κάμερας Raspberry Pi Module 3, ενώ το συνολικό βάθος είναι μεγαλύτερο για να φιλοξενήσει τον μεγαλύτερο αισθητήρα IMX500 και το οπτικό υποσύστημα.

Ξεκινήστε με την AI Camera

Specification

• 12.3 MP Sony IMX500 Intelligent Vision Sensor with a powerful neural network accelerator
• Framerates:
      2×2 binned: 2028×1520 10-bit 30fps
      Full resolution: 4056×3040 10-bit 10fps
• 7.857 mm sensor size
• 1.55 μm × 1.55 μm pixel size
• 78.3 (±3) degree FoV with manual/mechanical adjustable focus
• F1.79 focal ratio
• 25 × 24 × 11.9 mm module dimensions
• Integrated RP2040 for neural network firmware management
• Works with all Raspberry Pi models, using our standard camera connector cable

Αναβαθμίστε τα μοντέλα σας με το AITRIOS
  

Ανακαλύψτε τις υπηρεσίες AI της Sony

Το Local Studio σας καθοδηγεί στα απαραίτητα βήματα για την αποτελεσματική επισήμανση, εκπαίδευση και παραγωγή μοντέλων τεχνητής νοημοσύνης.

Check out our Getting Started Guide. There you’ll find instructions on installing the AI Camera hardware, setting up the software environment, and running the examples and neural networks in our model zoo.