Coral System-on-Module: Ein vollständig integriertes System für beschleunigte ML-Anwendungen in einem 40 mm x 48 mm großen, steckbaren Modul.

Vorteile

• Die Entwicklung einer geeigneten Trägerplatine für Ihre Anwendung des maschinellen Lernens ist wesentlich kostengünstiger und schneller (im Vergleich zum Bau der gesamten Hardware von Grund auf)
• Sie erhalten eine ausgewogene Hardware-Plattform mit guter Software-Unterstützung
• Die drei Speichervarianten ermöglichen es Ihnen, die für Ihre Anwendung am besten geeignete zu wählen - bieten Sie Ihren Kunden Optionen oder optimieren Sie die Kosten

Korallen-SOM

Neben der EdgeTPU enthält der Google Coral SoM 1GB die wichtigsten Komponenten eines Embedded-PCs:

• NXP i.MX 8M SoC (CPU + GPU)
• Google Edge TPU ML-Beschleuniger
• Krypto-Coprozessor
• Wi-Fi + Bluetooth
• 8 GB eMMC
• 1 GB LPDDR4
• USB 3.0-Schnittstelle
• Gigabit-Ethernet-Schnittstelle
• HDMI und MIPI-DSI
• MIPI-CSI-2
• bis zu 95 x GPIO (einschließlich SPI, I2C, PWM, UART, SAI und SDIO)

In der Prototyping-Phase können Sie Ihre Anwendung mit dem 4GB Coral Development Board implementieren, das auf diesem SoM-Modul basiert. Anschließend können Sie problemlos Ihr eigenes, für Ihre Anwendung optimiertes Hardware-Design realisieren, um Funktionen zu integrieren, einen bestimmten Formfaktor anzustreben und/oder die Herstellungskosten zu senken.

Der Rand TPU

Mit der Edge TPU können Tensor Flow Lite Modelle schnell und mit geringem Stromverbrauch ausgeführt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! (Und im Sinne der Einhaltung einschlägiger Gesetze, zum Beispiel der General Data Protection Regulation (GDPR)).

Google setzt zunehmend auf künstliche Intelligenz (KI) und maschinelles Lernen (ML), um seine Dienste zu realisieren. Zu diesem Zweck hat das Unternehmen spezielle Prozessoren namens TPU ("Tensor Processing Unit") für seine Rechenzentren entwickelt, die mit dem TensorFlow-Framework Algorithmen schneller und energieeffizienter ausführen können. Google Maps wird zum Beispiel durch Straßenschilder erweitert, die von Street View erfasst und mit einem neuronalen Netzwerk auf der Basis von TensorFlow analysiert werden. TensorFlow kann einfach in Python programmiert werden.

Die Edge TPU unterstützt das TensorFlow Lite Framework. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde durchführen und verbraucht dabei nur 2 W. TensorFlow Lite ist eine modifizierte Version von TensorFlow, die speziell an die Bedürfnisse von mobilen Geräten und eingebetteten Geräten angepasst wurde. Viele TensorFlow-Anwendungen können auch in TensorFlow Lite realisiert werden.

Technische Daten Coral SOM (system-on-module)

NXP I.MX 8M SoC:

• Quad-Core ARM Cortex-A53 (@1,5 GHz, 64-bit ARMv8-A) + Cortex-M4F
• Vivante GC7000Lite GPU (unterstützt Vulkan), 32 GFLOPs 32-bit oder 64 GFLOPs 16-bit
• 4Kp60 HEVC/H.265 Haupt- und Haupt-10-Decoder
• 4Kp60 VP9, 4Kp30 AVC/H.264 Decoder (erfordert volle Systemleistung)
• 1080p/60fps MPEG-2, MPEG-4, MJPEG, H.263 Decoder

Gedächtnis:

• Speicher: 8GB eMMC
• RAM: 1GB LPDDR4
• Die SDIO-Schnittstelle unterstützt das Booten von einer SD-Karte (falls in Ihrem Design vorhanden)

Rand TPU:

• Google Edge TPU ML-Beschleuniger-Coprozessor
• 4 TOPS (int8); 2 TOPS pro Watt
• verbunden mit NXP i.MX 8M SoC über PCIe (Gen2 x1) und I2C/GPIO

Tipp: Die Verbindung über PCIe ermöglicht die maximale Übertragungsrate zum EdgeTPU-Modul, daher eignet sich das Coral System-on-Module besonders gut für Anwendungen mit hohen Bildraten / hohen Leistungsanforderungen.

Netzwerk und USB:

Das Coral SoM verfügt über die folgenden Netzwerkschnittstellen:

• Wi-Fi 2x2 MIMO (802.11a/b/g/n/ac 2,4/5GHz), Murata LBEE5U91CQ Modul
• Bluetooth 4.2 und BLE (Bluetooth Low Energy), Murata LBEE5U91CQ Modul
• 2x USB 3.0/2.0 Controller mit integrierten PHYs
• 1x Gigabit-Ethernet-Controller, unterstützt EEE, Ethernet AVB und IEEE 1588, über RGMII (Reduced gigabit media-independent interface)

HDMI-Schnittstelle:

• HDMI 2.0a (Standardgröße), unterstützt einen Bildschirm mit einer Auflösung von bis zu 1080p
• Upscaling und Downscaling zwischen 4K- und HD-Video (nutzt die vollen Systemressourcen)
• 20+ Audio-Schnittstellen 32-bit @ 384 kHz fs, mit Unterstützung für Time Division Multiplexing (TDM)
• SPDIF-Eingang und -Ausgang
• Audio Return Channel (ARC) über HDMI wird unterstützt

MIPI-DSI-Bildschirmschnittstelle:

• MIPI-DSI 4 Lanes, unterstützt ein Display, Auflösungen bis zu 1920 x 1080 @ 60 Hz
• LCDIF-Anzeigesteuerung
• Ausgang: LCDIF- oder DC-Display-Controller-Ausgang

Audio:

• 1x SPDIF-Eingang und -Ausgang
• 2x synchrone Audioschnittstellen (SAI) Module, unterstützen I2S, AC97, TDM und Codec/DSP Schnittstellen
• 1x SAI für 8 Tx-Kanäle für HDMI-Audioausgang
• 1x SPDIF-Eingang für HDMI Arc-Eingang

Kamera:

• 2 x MIPI-CSI2-Kameraeingänge (jeweils 4 Lanes)
• GPIO-Schnittstelle
• 2x UART-Schnittstelle
• 2x I2C-Schnittstelle
• 2x SPI-Schnittstellen
• 16x GPIOs mit Interrupt-Fähigkeit
• 4x PWM-Ausgänge

Konnektivität und Schnittstellen: Sonstiges:

• 1x uSDHC-Schnittstelle
• IOMUXC (Input/Output Multiplexing Controller) zur Steuerung der Pads

Hinweis: Das SoM nutzt einige der SoC GPIOs / Schnittstellen intern, z.B. zur Anbindung der Coral Edge TPU. Die hier aufgeführten Schnittstellen berücksichtigen dies bereits und stehen Ihnen ohne Einschränkung zur Verfügung.

Sicherheit:

• Resource Domain Controller (RDC), unterstützt vier Domänen und bis zu acht Regionen
• Arm TrustZone (TZ) Architektur
• On-Chip-RAM (OCRAM) sicherer Bereichsschutz mit OCRAM-Controller
• Hochsicherheitsstiefel (HAB)
• Modul für kryptografische Beschleunigung und Sicherheit (CAAM)
• Sicherer nichtflüchtiger Speicher (SNVS): Sichere Echtzeituhr (RTC)
• Sichere JTAG-Steuerung (SJC)
• Krypto-Coprozessor Microchip ATECC608A

Spannungsversorgung:

Der Coral SoM benötigt eine 5-V-Spannungsversorgung und erzeugt alle anderen erforderlichen Spannungen selbst mit einem On-Board-PMIC.

Leistungsaufnahme des SoM ca:

• Leerlauf: 2,6 W
• im Leerlauf mit HDMI-Ausgang: 3.0 W
• Hohe Leistung: 6,2 W

Weitere Informationen:

• Abmessungen des Coral SoM: 40 mm x 48 mm x 5,11 mm
• Gewicht: 13 g
• Anschluss an die Trägerkarte: Das SoM wird über drei 100-polige Steckverbinder (Hirose DF40C-100DP-0,4V) mit der Trägerkarte verbunden.

Software-Unterstützung

Mendel Linux:

Mendel Linux ist ein von Google entwickeltes Debian-Derivat, speziell für die Coral-Plattform. Ein Bootloader ist auf dem SoM vorinstalliert, Sie müssen Mendel Linux manuell installieren.

Mendel Linux verwendet die Upstream-Binärpakete von Debian, um so viel Kompatibilität wie möglich zu erhalten und Sicherheitsaktualisierungen rechtzeitig zu ermöglichen. Es unterstützt derzeit nur die Coral Dev Boards (auch bekannt als "enterprise" oder "phanbell") und die Coral SoM Module (System-on-Modules).

Tensorflow lite:

Das Coral System-on-Module unterstützt die Ausführung von (kompilierten) TensorFlow Lite Modellen auf seiner EdgeTPU.

Automl vision edge:

Das Coral System-on-Module unterstützt AutoML Vision Edge zur schnellen Bereitstellung von Bildklassifizierungsmodellen.

Potenzial für industrielle Anwendungen

Die Google Coral TPU & TensorFlow Lite sind eine revolutionäre Produktplattform für Machine Learning Anwendungen! Dies ermöglicht eingebettete Lösungen, die z.B. Probleme mit Werkstücken erkennen, Verkehrssituationen erkennen und vieles mehr.

Das Coral SoM (System-on-Module) ist geeignet, wenn Sie eine kundenspezifische Hardwarelösung anstreben, die höhere Anforderungen an die Geschwindigkeit der maschinellen Lernverfahren stellt und gleichzeitig einen optimierten Stromverbrauch erfordert.

Als Alternative zum SoM, das eine eigene Plattform bereitstellt, bietet Coral by Google auch PCI-Express-Module und M.2-Module an, mit denen Sie Ihre vorhandene oder neue Standardhardware erweitern können.

Datenblatt

• Datenblatt für Coral System-on-Module herunterladen (PDF)

Google-Teilenummer: G650-04474-01

Asus-Teilenummer: 90AN00I4-B0XAY0