完全集成：配备云连接功能的全新AI视觉解决方案工具包

• 提供完全集成的嵌入式视觉系统
• 支持对基于机器学习技术的应用示例进行原型设计
• 可简化云端特有工具的使用难度
• 可在边缘设备上进行经过优化的图像处理
• 提供定义接口将元数据传输到云端
• 缩短实际的产品开发周期，并提供支持
• 所有组件均可长期保证供货

硬件

• 分辨率为1300万像素的新款Basler dart BCON（基于MIPI）相机
• 图像处理：NVIDIA的Jetson Nano配备功能尤为强大的GPU，能够简化复杂AI任务的处理难度。

在此处查找所有产品详情

首先，他们需要确定系统所需的所有组件：

1. 数据采集：由相机生成的图像数据流；
2. 数据处理：借助强大的硬件来处理图像数据；
3. 数据分析：需要机器学习算法来进行推理；
4. 连接功能：可使用云服务并将其元数据发送到云端（数据存储、数据分析）。

下一步，所有部件都必须互相兼容和完美匹配。而这也需要大量的专业知识才能实现。借助新的AI视觉解决方案工具包，Basler让开发人员能够直接开发物联网视觉系统：因为这款即用的原型设计工具包包含了所有必要的硬件和软件组件。

AI视觉解决方案工具包专为数据科学家和现场应用工程师而设计，它是一个嵌入式视觉系统，让用户可以轻松地对物联网视觉解决方案进行原型设计。它集成的硬件和软件设计包括Basler新开发的物联网软件架构：Basler Container Management（容器管理）以及Cloud Connector（云连接器）。借助云服务Amazon SageMaker和Amazon SageMaker Neo，用户可以对机器学习模型进行优化并将其下载到设备中。

在系统中使用机器学习模型时共有两个选项：开发人员可以选择Basler的机器学习模型，或者也可以集成自己的机器学习模型。

1. Basler的机器学习模型已经过预训练，适用于物体探测和人员探测，它们专为SoC和生成的图像数据进行了优化，可以互相完美兼容。
2. 用户还可以借助我们的分步解说 ，将自己的模型集成到系统架构中，并使用上述的云服务。

请单击此处，查看Imaging Hub开发人员页面上的综合分步解说。

接下来，利用Container Management和Amazon SageMaker，即可将在Basler云中可用的已编程机器学习模型部署在工具包中。

此外，还可以配置1300万像素的Basler dart BCON（基于MIPI）相机的参数。pylon相机软件套装 还简化了相机的可操作性，因此能为实现最佳的成像质量提供支持。这点非常重要，因为工具包上的机器学习推理的质量不仅取决于模型的训练效果，还取决于从相机获取的数据质量以及处理单元的性能。在工具包上完成推理后，生成的元数据将被发送到AWS云端并使用AWS IoT Core进行存储。

借助AI视觉解决方案工具包，用户在对基于嵌入式技术的物联网视觉解决方案进行原型设计时，可以进一步提升设计效果。除了原型设计阶段之外，Basler还可以在其他阶段为客户提供支持，并根据灵活的硬件和软件组件工具箱来开发定制化的解决方案。