i.MX 8M Plus: интегрированный ISP и NPU для краевых решений зрения и ИИ
Узнайте, как прикладной процессор NXP i.MX 8M Plus обеспечивает готовое к использованию зрение и ускорение машинного обучения для краевых систем.
Современные промышленные и потребительские устройства всё чаще полагаются на краевые вычисления и ИИ на основе зрения для мгновенных, сохраняющих приватность инсайтов. Проектирование таких решений обычно требует лапшу из SoC, выделенных процессоров обработки изображения (ISP) и нейропроцессоров (NPU). NXP упростила эту сложность, объединив ISP, NPU и мощный многоядерный процессор в i.MX 8M Plus.

Рисунок 1. Прикладной процессор i.MX 8M Plus.
Краевые вычисления против облачных
Понимание преимущества края — ключ к оценке ценности i.MX 8M Plus. Облачные вычисления предлагают практически неограниченные ресурсы, но вводят задержки, затраты на полосу пропускания и потенциальные риски приватности. Краевые вычисления приближают вычисления к источнику данных, фильтруя и предобрабатывая информацию перед любой передачей, и в некоторых случаях выполняя весь вывод локально.
Когда облако недоступно или сетевая задержка неприемлема — часто в заводской автоматизации, автономном транспорте или удалённом мониторинге — краевые устройства должны работать автономно, не жертвуя производительностью.
Почему край стоит дополнительной мощности
Локальное развёртывание ИИ даёт несколько осязаемых выгод:
- Снижение использования полосы пропускания и операционных затрат.
- Повышенная надежность; приложения продолжают функционировать офлайн.
- Меньшая задержка для решений в реальном времени, критичная в безопасностно-чувствительных средах.
- Улучшенная приватность данных за счёт хранения чувствительных данных на месте.
Измерение требований машинного обучения
В краевых сценариях производительность часто выражается в TOPS (триллион операций в секунду). Типичные требования включают:
- Полное распознавание речи: 1–2 TOPS.
- Обнаружение объектов в реальном времени (например, YOLOv3 на 60 fps): 2–3 TOPS.
Для удовлетворения этих запросов NXP интегрировал NPU способностью 2,3 TOPS прямо в i.MX 8M Plus, позволяя сложный вывод без внешних ускорителей.

Рисунок 2. i.MX 8M Plus доставляет 2,3 TOPS ИИ-производительности для промышленных краевых применений.
Встроенный ISP для высокорозрудённого зрения
Системы зрения — будь то автоматизированный контроль на производственной линии или потребительские камеры — требуют надёжного захвата и обработки изображения. Внешние ISP добавляют стоимость, потребление энергии и усилия по интеграции, особенно при разрешениях выше 2 Мп.
i.MX 8M Plus содержит полнофункциональный ISP, поддерживающий входные потоки до 4 Мп с реальной цветокоррекцией, шумоподавлением и модулями коррекции объектива. Выход ISP напрямую подаётся в NPU, освобождая CPU для других задач и упрощая разработку прошивки.
Ключевые технические особенности
- Четырёхъядерный Cortex-A53 + двухъядерный Cortex-M4 для высокопроизводительных вычислений.
- 2,3 TOPS NPU для быстрого вывода.
- Интегрированный ISP, поддерживающий видеопотоки 1080p/4K.
- Ethernet-контроллер Time-Sensitive Networking (TSN) для детерминистической коммуникации.
- DRAM-контроллер с ECC для миссионно-критичной надежности.
Заключение
i.MX 8M Plus уполномачивает проектировщиков создавать надёжные, низколатентные решения зрения и ИИ без жертвования энергоэффективностью или простотой системы. От умных домашних хабов до промышленной автоматизации — этот процессор является краеугольным камнем для краевых устройств следующего поколения.
Индустриальные статьи — форма контента, позволяющая партнёрам делиться полезными новостями, сообщениями и технологиями с читателями All About Circuits там, где редакционный контент не подходит. Все индустриальные статьи подчиняются строгим редакционным правилам для предоставления читателям полезных новостей, технической экспертизы или историй. Точки зрения и мнения в индустриальных статьях принадлежат партнёру и не обязательно совпадают с позицией All About Circuits или его авторов.
Промышленный робот
- Как облачные вычисления и виртуализация работают вместе: практическое руководство для ИТ-профессионалов
- Новые тренды облачных вычислений: 2019 год и далее
- Ключевые стратегии облачных вычислений для стартапов и энтерпрайзов
- Рынок труда в облачных вычислениях 2020 и далее: навыки, сертификации и карьерные перспективы
- Big Data и облачные вычисления: как они работают вместе
- Инфраструктура облачных вычислений: профессиональное руководство по фундаментам
- Как облачные вычисления трансформируют игровую индустрию
- Как облачные вычисления трансформируют банкинг и финансы
- Топ 10 вакансий по облачным вычислениям в Великобритании
- Использование машинного обучения для оптимизации управления цепочкой поставок MRO