Mit dem Raspberry Pi AI Kit können Sie schnell komplexe KI-Vision-Anwendungen erstellen. Diese Anwendungen können in Echtzeit mit geringer Latenz und geringem Stromverbrauch ausgeführt werden.

Angenommen, Sie erstellen hochmoderne neuronale Netze, die zur Objekterkennung, Schätzung der Körperposition und Gesichtserkennung verwendet werden. Sie laufen dann vollständig auf dem Hailo-8L-Coprozessor. Dadurch bleibt die CPU Raspberry Pi 5 für andere Aufgaben frei.

– Sehr geringer Verbrauch von ca. 2 Watt

– 13 Tera-Operationen pro Sekunde (TOPS) Inferenzleistung

– Einspurige PCIe 3.0-Verbindung mit 8 Gbit/s

– Vollständige Integration mit dem Raspberry Pi -Software-Subsystem

– Kompatibilität mit Raspberry Pi oder Kameras von Drittanbietern

– Effiziente Beschleuniger-Hardwareplanung: Führen Sie mehrere neuronale Netze auf einer Kamera oder einzelne/mehrere neuronale Netze mit zwei Kameras gleichzeitig aus

– Die Möglichkeit der Kombination mit einem Raspberry Pi Aktivkühler

Das KI-Framework ist vollständig Open Source. Es ist online auf Github mit Dokumentation. Das Framework verfügt außerdem über eine Python-Pipeline, sodass Sie die Nachbearbeitung selbst in Python programmieren können. Es gibt auch eine API, die in das GStreamer-Framework und native Python- oder C/C++-Anwendungen integriert ist. Hierzu zählen auch Anwendungsfälle, die nichts mit einer Kamera zu tun haben. Zum Beispiel das Durchführen von Rückschlüssen auf vorab aufgezeichnete Videodateien. Es ist auch möglich, mit dem Hailo-8L AI Accelerator ein eigenes neuronales Netzwerk zu nutzen.

Der Hailo-8L unterstützt durch sein robustes Softwarepaket sofort eine Reihe von Deep-Learning-Modellen und -Anwendungen. Dieses Paket enthält den Hailo Dataflow Compiler. Dadurch können Benutzer ihre eigenen neuronalen Netze in ein Format konvertieren, das mit der Hailo-8L-Hardware kompatibel ist.

Es ist in Ordnung, wenn die Erstellung eines eigenen neuronalen Netzwerks nicht Ihr Ding ist oder es für Ihre Zwecke nicht notwendig ist. Sie können jederzeit eines der vielen vorab trainierten Modelle verwenden. Sie finden dies auf der GitHub-Seite. Dort finden Sie eine vielfältige Anzahl vortrainierter neuronaler Netze. Diese sind sehr einfach zu implementieren und zu verwenden.

In vielen Fällen werden Sie eine Pi-Kamera verwenden. Es ist jedoch sicherlich nicht darauf beschränkt. Sie können auch Videos verwenden und diese von einem neuronalen Netzwerk zur Gesichtsverfolgung analysieren lassen.

Wir haben den Chip zusammen mit einem Pi-Kameramodul 3 getestet. Hier ist unsere erste Erfahrung:

Die Installation.

Hinweis: Dieser Test wurde auf einem Raspberry Pi 5 mit Raspberry Pi OS durchgeführt.

Die Installation der Software für den Chip selbst und des Programms (TAPPAS), das den Chip steuert, verlief recht reibungslos. Es gab nicht wirklich viel zu installieren. Es musste nur 1 Paket installiert werden.

Wir sind schnell auf einen Fehler gestoßen, der aber nach einer kurzen Frage im Hailo-Forum schnell behoben wurde.

Testen.

Dank der Dokumentation auf GitHub war die Bedienung recht einfach. Hier wird Schritt für Schritt erklärt, was Sie tun müssen, damit es funktioniert. Dadurch war auch der Einstieg recht einfach.

Das AI-Kit funktioniert gut in Kombination mit der Pi-Kamera. Bald hatten wir mit der Picamera und einem der beispielhaften neuronalen Netze alles eingeschaltet. Diese sind auch auf der GitHub-Seite von rpicam-apps verfügbar.

Auch der Test verlief gut, wir konnten die Dinge schnell und gut und auch sehr genau identifizieren. Wenn beispielsweise ein neuronales Netzwerk läuft, das Objekte und Personen identifizieren kann, werden Sie feststellen, dass CPU und GPU auf dem Pi nur etwa 16 % ausmachen. Dies liegt daran, dass die Arbeitslast größtenteils vom KI-Chip übernommen wird. Alle Berechnungen im neuronalen Netzwerk/ der KI werden in diesem Chip durchgeführt. Lediglich die Umwandlung von Videos in nutzbare Daten für das neuronale Netzwerk erfolgt nicht über den Chip. Daher der geringe Anstieg des Prozentsatzes.

Wir haben selbst ein neuronales Netzwerk mit etwa 30 fps betrieben, was einwandfrei funktionierte.

Das mit Hailo entwickelte Raspberry Pi AI Kit ist eine leistungsstarke Lösung für KI-Projekte. Das Gerät ist sowohl für Einsteiger als auch für Fortgeschrittene geeignet. Mit dem Hailo-8L-Coprozessor können Sie fortschrittliche KI-Anwendungen wie Objekt- und Gesichtserkennung realisieren. Dadurch bleibt die CPU Raspberry Pi für andere Aufgaben frei. Das Kit ist energieeffizient, verbraucht nur 2 Watt und bietet 13 Tera-Operationen pro Sekunde für 79,95 €. Dadurch ergibt sich ein hervorragendes Preis-/Leistungsverhältnis.

Die Open-Source-KI-Software und die umfangreiche Dokumentation auf GitHub machen das Kit benutzerfreundlich. Auch ohne große KI-Erfahrung können Sie problemlos loslegen. Durch die Möglichkeit, vorab trainierte Modelle zu verwenden, ist das Kit flexibel und zugänglich.

Unsere Tests haben gezeigt, dass die Installation reibungslos verläuft und die Leistung beeindruckend ist. Der AI-Chip übernimmt den Großteil der Rechenlast und sorgt so für eine geringe CPU- und GPU-Last. Dies führt zu einer präzisen und effizienten Objekt- und Gesichtserkennung, selbst bei 30 fps.

Das Raspberry Pi AI Kit ist eine hervorragende Investition für alle, die KI erkunden möchten. Es bietet leistungsstarke Leistung, benutzerfreundliche Software und umfangreiche Funktionen.