ชุดพัฒนา Edge AI ที่รวม Raspberry Pi 5 และโมดูล BrainChip AKD1500 M.2 สำหรับตรวจจับบุคคลและวัตถุ โดยไม่ต้องใช้คลาวด์

เมื่อไม่กี่สัปดาห์ก่อน เราได้นำเสนอข้อมูลเกี่ยวกับโมดูล Brainchip AKD1500 M.2 ซึ่งสามารถใช้งานร่วมกับ Raspberry Pi 5 ผ่านการ์ดขยาย M.2 HAT+ ที่รองรับ เพื่อประเมินประสิทธิภาพของโซลูชันหรือพัฒนาแอปพลิเคชันด้วยเทคโนโลยี Neuromorphic AI ของบริษัท

ล่าสุด BrainChip ได้เปิดตัว AKD1500 Raspberry Pi 5 Dev Kit เพื่อให้การเริ่มต้นใช้งานสะดวกยิ่งขึ้น โดยภายในชุดประกอบด้วย Raspberry Pi 5 รุ่น RAM 8GB, M.2 HAT+ อย่างเป็นทางการ และการ์ดเร่งความเร็ว AI Akida AKD1500 M.2 แบบ B+M-Key ทั้งหมดติดตั้งมาในเคสโลหะ

ชุดพัฒนา Brainchip AKD1500 สำหรับ Raspberry Pi 5

พอร์ตเชื่อมต่อส่วนใหญ่ของ Raspberry Pi 5 ยังคงสามารถใช้งานได้จากภายนอกเคส ได้แก่ พอร์ต Gigabit Ethernet, พอร์ต USB จำนวน 4 พอร์ต, เอาต์พุตวิดีโอ HDMI จำนวน 2 พอร์ต และพอร์ต USB-C สำหรับจ่ายไฟ นอกจากนี้ยังมีช่องเปิดสำหรับเข้าถึงปุ่มเปิด/ปิดเครื่องของ Raspberry Pi 5 และไฟ LED บน M.2 HAT+ อีกด้วย ชุดพัฒนานี้จำเป็นต้องใช้กล้องในการทำงาน แต่แทนที่จะใช้โมดูล Raspberry Pi Camera ที่เชื่อมต่อผ่าน MIPI CSI ผู้ใช้จะต้องเชื่อมต่อกล้อง USB แทน

ชุดพัฒนา AKD1500 สำหรับ Raspberry Pi 5 บอร์ด Raspberry Pi 5 ที่ต่อกับ M.2 HAT+ และการ์ดตัวเร่ง AI Akida AKD1500 M.2

ภายในชุดยังมาพร้อม microSD Card ขนาด 32GB ซึ่งติดตั้งซอฟต์แวร์มาให้ล่วงหน้า ได้แก่ Ubuntu Server 20.04 LTS (TBC), Python 3.7 และ MetaTF Development Environment ผู้ใช้เพียงเชื่อมต่อกล้อง USB และนำ Raspberry Pi 5 เข้าสู่เครือข่ายภายในผ่าน Ethernet หรือ Wi-Fi จากนั้นเปิดเว็บเบราว์เซอร์และป้อน IP Address ของชุดพัฒนา (ตัวอย่างเช่น 10.42.0.1 เมื่อเชื่อมต่อผ่าน Wi-Fi) ก็จะสามารถเข้าถึง Akida Demo Dev Kit Launcher เพื่อทดลองใช้งานเดโมต่าง ๆ ได้ทันที ประกอบด้วย Visual Wake-Word (VWW) เดโมตรวจจับการมีบุคคลอยู่ในพื้นที่ (Person Presence), Object Detection (YOLO) เดโมตรวจจับวัตถุ, Edge Demo (MobileNet) เดโมประมวลผล AI บนอุปกรณ์ Edge และ Face Demo (MobileNet) เดโมตรวจจับใบหน้า ทั้งหมดทำงานบนตัวเครื่องเองโดยไม่ต้องพึ่งคลาวด์

เดโมการตรวจจับวัตถุของ Akida
เดโมตรวจจับวัตถุ

หลังจากทดลองใช้งานเดโมต่าง ๆ แล้ว ผู้ใช้สามารถพัฒนาโมเดล AI ของตนเองด้วย MetaTF ML Framework ได้ โดยบริษัทยังระบุว่ารองรับ Edge Impulse ด้วย แต่ข้อมูลนี้ปรากฏเฉพาะในเอกสาร Product Brief เท่านั้น ยังไม่ได้ระบุไว้ในคู่มือผู้ใช้ อีกหนึ่งความสามารถที่น่าสนใจคือ On-chip Training ซึ่งช่วยให้โมเดลสามารถเรียนรู้คลาสใหม่ ๆ ได้โดยตรงบนอุปกรณ์ โดยไม่จำเป็นต้องนำโมเดลกลับไปฝึกใหม่ผ่านคลาวด์

แม้ว่าชุดพัฒนานี้จะดูน่าสนใจและช่วยให้เริ่มต้นทดลองใช้งานได้ง่ายขึ้น แต่เมื่อพิจารณาราคาแล้วอาจต้องคิดอีกครั้ง เนื่องจาก AKD1500 Raspberry Pi 5 Dev Kit มีราคาสูงถึง $1,295 (~44,000฿) เข้าใจได้ว่าเป็นชุดพัฒนาที่ออกแบบมาเพื่อความสะดวกในการเริ่มต้นใช้งาน ไม่ได้เน้นการลดต้นทุนฮาร์ดแวร์ แต่ถ้าต้องการประกอบชุดที่มีคุณสมบัติใกล้เคียงกัน ก็สามารถซื้ออุปกรณ์แยกชิ้นได้ด้วย Raspberry Pi 5 8GB ราคา MSRP $175 (~5,900฿), M.2 HAT+ ราคา $12 (~400฿), Akida AKD1500 M.2 card ราคา $129 (~4,400฿), เคสโลหะอย่าง Geekworm P579 ราคา $10.99 (~370฿)) และ microSD card 32GB คลาส A1/A2 ราคา $10 (~340฿) ถึง $20 (~380฿) รวมค่าฮาร์ดแวร์ประมาณ $350 (~12,000฿) ยังไม่รวมภาษีและค่าจัดส่ง โดยผู้ใช้จะต้องใช้เวลาอีกประมาณ 2 ชั่วโมงในการประกอบฮาร์ดแวร์และติดตั้งซอฟต์แวร์ด้วยตนเอง แต่ถ้าคุณมีรายได้มากกว่า $400 (~13,500฿) ต่อชั่วโมงชุดพัฒนาก็อาจเป็นทางเลือกที่คุ้มค่ากว่าในแง่ของเวลาและความสะดวก

สามารถดูข้อมูลเพิ่มเติมได้ที่ข่าวประชาสัมพันธ์

แปลจากบทความ : Brainchip AKD1500 Raspberry Pi 5 Dev Kit enables users to quickly experiment with event-based neuromorphic AI

Subscribe
Notify of
guest
0 Comments
Oldest
Newest Most Voted
โฆษณา