jetson

位于旧金山的初创公司 Marble 为送餐服务赋予新含义。 该公司制造地面送货用自主机器人，现正与首个送餐合作伙伴 Yelp Eat24 一起在旧金山的教会区和波特雷罗山区提供送餐服务。 机器人是新的送餐盒

NVIDIA Jetson Inference 机器学习项目是一个 Hello AI World 类演示教程，提供了三种最常见的AI应用于计算机视觉的类型，imagenet用于图像识别（Image Recognition）、detectNet用于对象检测（Object Detection）、segNet用于语义分割（Semantic Segmentation）。 jetson-inference 图像识别模型采用 ILSVRC ImageNet 数据集，自动生成识别结果的图片。 深度学习的训练和推理流程，是先采用高性能图形服务器使用深度学习框架来训练（Training）机器学习算法，研究大量的数据来学习一个特定的场景，完成后得到模型参数，再部署到终端执行机器学习推理（Inference），以训练好的模型从新数据中得出结论

2021年11月23日 2023年2月21日 lingshun 很多时候，Jetson Nano 2G/4G我们都是很少连接显示器的，但有时候又些设置在桌面操作会更加方便有效。所以在这分享前人总结的经验和技巧。 返回Jetson Nano 的Jetpack系统版本信息，本示例如下： 版本是Jetpack 6.1 现在可以打开VNC软件，输入IP地址就可以远程操作Jetson Nano的桌面了

2. 根据系统工程师提出的需求，开发自主研发设备的上位机软件； 3. 根据系统工程师提出的需求，编写不同系统/设备之间的接口程序； 4. 根据系统工程师提出的需求，编写应用层软件； 5. 编写软件测试用例，对撰写的软件进行测试，并形成测试报告。 2. 熟悉Linux开发，掌握C，C#、C++、Labview、Matlab/Simulink、Python等编程语言中的一种或多种； 3. 具有32位嵌入式芯片、Jetson、树莓派、FPGA、DSP开发经验中的一种或多种； 8. 具备较强的学习能力和自我驱动能力； 9. 良好的代码编写习惯，良好的文档工作能力； 10. 良好的沟通能力和自主学习能力，富有高度的责任心及团队合作精神。

近年日本农业劳动力老化严重，为提高生产效率、减轻喷洒农药时所带来的身体伤害与负担，株式会社Legmin开发出能自动行走的农药喷洒机器人，导入当地农特产品“深谷葱”田内进行实用。 此自动农药喷洒机器人，一次可喷洒300升的农药，与传统人力操作的农药喷雾器相比，喷洒一公顷的农地只需花费250分钟，若是投入复数机台预计能缩减至150分钟，有效节省60%的务农时间，降低45%的生产成本。该机器人搭载NVIDIA专为自动化装置所设计的Jetson Xavier电脑模组，将磁力感测器、GPS等搜集到的资料进行运算处理后，准确地行走于畦沟，实现高精准度的自动化农业

在本篇笔记中，我们会简单过一遍目前VPI(2.2)支持的一些算法，看看他到底能做些什么，并展示一些官方的示例代码。因为本篇笔记内容比较多，所以并不建议从头到尾全部学习一遍(当然时间充裕也可以)，而是作为工具，用到的时候来查一下相关用法。 1.支持的算法 下面列出的每个算法都有对应的官方文档...» 如之前笔记所述，VPI是一个可以在一定程度上替代OpenCV，并且效率更高的库

电商巨头京东已选用NVIDIA Jetson AGX Xavier 平台，作为下一代自主配送机器人核心AI算力。 在过去的几十年中，中国占据了全球40％以上的电商交易——每年约为千亿美元。根据麦肯锡全球研究院的数据，这一数字已经高于法国、德国、日本、英国和美国的总和

北京2020年7月28日 /AOA官网/ -- 全球领先的边缘计算解决方案提供商 -- 凌华科技发布了全新的AI智能相机NEON-2000-JT2系列，让基于AI的工厂自动化机器视觉部署变得更加容易。该智能相机支持NVIDIA Jetson TX2 AI模块，采用一体化的设计，小巧的尺寸以及预先安装的视觉软件包，可以有效减少AI机器视觉应用开发和集成的复杂度。NEON-2000-JT2有助于提高劳动密集型制造业的生产效率，如食品和饮料，带包装的消费品，农耕和农业等，在这些行业中，质量保证和检测对于生产成功至关重要

概述：随着CPU性能越来越强，对电源的要求也越来越高。一些高性能边缘计算平台都需要5V3A甚至5V4A的电源供应，树莓派4B需要5V3A，英伟达Jetson需要5V4A，WS2812灯串也相当费电100颗灯珠全亮就需要5V4A，半导体制冷片更需要3-5A，基于这些大电流应用的需求，我们在之前5V3A的电源模块基础上优化升级了一款新产品，稳定输出电流最高可达5V5A。本贴用于记录一些测试结果

NVIDIA Jetson Inference 机器学习项目是一个 Hello AI World 类演示教程，提供了三种最常见的AI应用于计算机视觉的类型，imagenet用于图像识别（Image Recognition）、detectNet用于对象检测（Object Detection）、segNet用于语义分割（Semantic Segmentation）。 jetson-inference 图像识别模型采用 ILSVRC ImageNet 数据集，自动生成识别结果的图片。 深度学习的训练和推理流程，是先采用高性能图形服务器使用深度学习框架来训练（Training）机器学习算法，研究大量的数据来学习一个特定的场景，完成后得到模型参数，再部署到终端执行机器学习推理（Inference），以训练好的模型从新数据中得出结论

NVIDIA Jetson Inference 机器学习项目是一个 Hello AI World 类演示教程，提供了三种最常见的AI应用于计算机视觉的类型，imagenet用于图像识别（Image Recognition）、detectNet用于对象检测（Object Detection）、segNet用于语义分割（Semantic Segmentation）。 jetson-inference 图像识别模型采用 ILSVRC ImageNet 数据集，自动生成识别结果的图片。 深度学习的训练和推理流程，是先采用高性能图形服务器使用深度学习框架来训练（Training）机器学习算法，研究大量的数据来学习一个特定的场景，完成后得到模型参数，再部署到终端执行机器学习推理（Inference），以训练好的模型从新数据中得出结论