Kamerawürfel-Referenzdesign

KI-Inferenzen in Vision- und Hearing-Anwendungen

21. Juli 2021, 8:45 Uhr | Iris Stroh

Das tragbare Kamerawürfel-Referenzdesign MAXREFDES178# von Maxim Integrated Products führt KI-Inferenzen direkt in Vision- und Hearing-Anwendungen aus – mit niedriger Latenzzeit und dem Energiebudget einer Knopfzelle bei reduzierten Kosten und Größe.

Maxim Integrated Products hat unter der Bezeichnung MAXREFDES178# ein neues Kamerawürfel-Referenzdesign vorgestellt. Anwendungen der Künstlichen Intelligenz (KI), die bisher nur über Gerätschaften mit großem Leistungs- und Kostenbudget ausgeführt werden konnten, können damit jetzt in batteriebetriebene Geräte mit sehr begrenzten Platzverhältnissen integriert werden. Das MAXREFDES178# kann Internet-of-Things-Geräten mit sehr niedriger Leistungsaufnahme Hör- und Sehvermögen verleihen und nutzt den Low-Power-Mikrocontroller MAX78000 mit neuronalem Netzwerkbeschleuniger für Audio- und Videoinferenzen. Das System enthält außerdem den Ultra-Low-Power-Bluetooth-Mikrocontroller MAX32666 und zwei Audio-CODECs des Typs MAX9867. Das gesamte System wird in einem sehr kompakten Formfaktor geliefert und zeigt, wie KI-Anwendungen wie Gesichts- und Keyword-Erkennung in stromsparende, kostensensible Anwendungen wie Wearables und IoT-Geräte integriert werden können.

Der kompakte Formfaktor des Kamerawürfels von 41 mm x 44 mm x 39 mm (1,6 Zoll x 1,7 Zoll x 1,5 Zoll) zeigt, dass KI in Wearables und andere bauraumlimitierte IoT-Anwendungen implementiert werden kann. Die MAX78000-Lösung selbst ist bis zu 50 Prozent kleiner als der nächstkleinste GPU-basierte Prozessor und benötigt für die Implementierung kostengünstiger KI-Inferenzen keine zusätzlichen Komponenten wie Speicher oder komplexe Stromversorgungen.

Wichtige Vorteile

Niedrige Leistungsaufnahme: Reduziert das Leistungsbudget für KI-Bildverarbeitungsanwendungen um das bis zu 1000-fache.
Geringere Kosten und Größe: Senkt die Kosten der KI durch integrierte Komponenten, reduzierten Platzbedarf auf der Platine und kompakte Größe.
Niedrige Latenzzeit: Reduziert die Latenzzeit von KI-Inferenzen um mehr als das 100-fache im Vergleich zu anderen Embedded-Lösungen.