Hailo-8/8L AI HAT+ KI-Beschleunigungsmodul für Raspberry Pi 5, 13/26 TOPS, M.2, PCIe Gen3

Übersicht

Der Hailo-8/8L AI HAT+ ist ein KI-Beschleunigungsmodul (HAT+ Erweiterungsplatine), das für den Raspberry Pi 5 entwickelt wurde und bis zu 26 TOPS (Hailo-8) oder 13 TOPS (Hailo-8L) Edge-KI-Rechenleistung bietet, um Anwendungen wie Bilderkennung, Objekterkennung und natürliche Sprachverarbeitung zu beschleunigen. Es verwendet ein M.2-Schnittstellenmodul und entspricht den Raspberry Pi HAT+ Spezifikationen, mit Softwareunterstützung, die in den Kamerasoftware-Stack von Raspberry Pi integriert ist.

Hauptmerkmale

• Zwei Optionen: 13 TOPS (Hailo-8L) oder 26 TOPS (Hailo-8) KI-Prozessor
• Ermöglicht Echtzeit-, latenzarme und effiziente KI-Inferenz auf Edge-Geräten
• Standard M.2-Schnittstellenmodul; PCIe-Schnittstellenformfaktor kompatibel mit dem Raspberry Pi 5 PCIe Gen3 Standard
• Unterstützte Frameworks: TensorFlow, TensorFlow Lite, ONNX, Keras, PyTorch
• Unterstützung für Raspberry Pi OS
• Niedrigerer Stromverbrauch (typischer Stromverbrauch: 2.5W)
• Ein-Chip-Lösung; internes DRAM, kein externes Plug-in-DRAM erforderlich
• Skalierbar: unterstützt Multi-Datenstrom, Multi-Neuronales Netzwerk und Multi-Chip-Stapelung
• Temperaturangaben bereitgestellt: Betriebstemperatur 0°C bis 50°C; auch erweiterter Temperaturbereich -40°C bis 85°C; industriell -40°C bis 85°C; Automobil -40°C bis 105°C

Für Fragen vor dem Kauf, Kompatibilitätsprüfungen oder Unterstützung nach dem Kauf kontaktieren Sie https://rcdrone.top/ oder senden Sie eine E-Mail an [email protected].

Spezifikationen

Was ist enthalten

• Hailo-8L AI HAT+ (Raspberry Pi 5 AI HAT+ 13 TOPS Erweiterungsplatine) oder Hailo-8 AI HAT+ (Raspberry Pi 5 AI HAT+ 26 TOPS Erweiterungsplatine) (variantenabhängig)
• Stiftleiste
• PCIe-Kabel
• Kupfersäulenschraube

Anwendungen

• Visuelle Bildverarbeitung: Objekterkennung, Kamera-Nachbearbeitung, Robotik, moderate neuronale Arbeitslasten
• Beispielhafte Demonstrationen: Objekterkennung, Bildsegmentierung, Haltungsschätzung, segmentierte Anwendungen, monokulare Tiefenmessung
• Beispielsektoren aufgelistet: Prozesssteuerung, Sicherheit, Hausautomation, Robotik; ITS/Perimeterschutz/Zugangskontrolle; ADAS/autonomes Fahren/In-Cabin-Überwachung; AMR/AGV, AOI, Gebäudemanagement, Robotik, Maschinen; Point of Sale, Lieferkettenmanagement

Leistungstestergebnisse (wie angegeben)

• YOLOv5 Falltest: Raspberry Pi 5 = FPS 8; Raspberry Pi 5 + Hailo-8/Hailo-8L = FPS 30
• Test des menschlichen Skeletts: Raspberry Pi 5 = FPS 1; Raspberry Pi 5 + Hailo-8L = FPS 29.88; Raspberry Pi 5 + Hailo-8 = FPS 30,63
• Hintergrundsegmentierungstest: Raspberry Pi 5 = FPS 0 (Kann nicht ausgeführt werden); Raspberry Pi 5 + Hailo-8L = FPS 19,9; Raspberry Pi 5 + Hailo-8 = FPS 27,60
• Bilddetektionstest: Raspberry Pi 5 = FPS 1; Raspberry Pi 5 + Hailo-8L = FPS 50,6; Raspberry Pi 5 + Hailo-8 = FPS 60,22

Kühlhinweis

Für verbesserte Belüftung bei Hochlastberechnungen verwenden Sie einen aktiven Kühler, um Überhitzung zu vermeiden und die volle Chip-Leistung aufrechtzuerhalten. Die Versandliste enthält nicht den Raspberry Pi 5 und den aktiven Kühler.

Details

Fügen Sie bis zu 13 TOPS (Hailo-8L) oder 26 TOPS (Hailo-8) an Edge-AI-Inferenz zu Raspberry Pi 5 in einem HAT+-Formfaktor hinzu.

Wählen Sie zwischen den Varianten mit 13 TOPS und 26 TOPS; jedes Kit enthält das HAT+, Pin-Header, PCIe-Kabel und Montagematerial.

Entwickelt für Echtzeit-, latenzarme KI-Inferenz mit einem Standard-M.2-Modul über Raspberry Pi 5 PCIe Gen3.

Eine schnelle Vergleichstabelle hilft dabei, die AI HAT+ Option zu bestätigen, die Ihren Leistungs- und Softwareanforderungen entspricht.

Leistungsbeispiele veranschaulichen höhere FPS für gängige Vision-Workloads wie Erkennung und Pose-Schätzung bei Verwendung des Hailo-Beschleunigers.

Für dauerhafte Lasten wird empfohlen, das Setup mit dem offiziellen Raspberry Pi 5 Aktivkühler zu kombinieren, um den Luftstrom zu verbessern.

Die Hailo NPU liefert effiziente Edge-Inferenz mit typischer Leistung um 2,5W und ohne externen DRAM.

Mechanische Abmessungen werden bereitgestellt, um die Passform in Gehäusen und gestapelten Raspberry Pi-Aufbauten zu planen.