Kontakt
EN

Onboard-Objekterkennung

KI-Inferenz in Echtzeit mit 10.5 Mpx/s auf ressourcenbeschränkten Plattformen. YOLOX optimiert für weltraumtaugliche Hardware.

10.5 Mpx/s
Durchsatz
26W
Leistung
YOLOX
Architektur

Bringen Sie modernste Objekterkennung auf ressourcenbeschränkte Weltraumplattformen. Unsere Lösung bringt YOLOX-Leistung auf strahlungstolerante FPGAs und ermöglicht autonome Entscheidungsfindung am Edge.

Entwickelt unter armasuisse S+T-Vertrag, wurde diese Fähigkeit auf Xilinx UltraScale+ MPSoC demonstriert — und auf Schwerlast-Drohnenplattformen mit Live-Kamerafeeds validiert.

In Aktion

Echtzeit-Objekterkennung demonstriert auf einer Schwerlast-Drohnenplattform mit Live-Kamerafeed.

Technische Demonstrationen

Erste FPGA/Objekterkennungs-Demonstration aus armasuisse Studie 2

Bildschirmaufnahme, die Echtzeit-Erkennung unter verschiedenen Bedingungen zeigt

Erkennungs- und Tracking-Leistung bei Schiffen und Verkehr

Leistung

10.5
Mpx/s
Verarbeitungsdurchsatz
26
W
Leistungsaufnahme
YOLOX
Nano
Netzwerkarchitektur

Hauptfunktionen

Quantisierungsbewusstes Training

INT8-Quantisierung mit minimalem Genauigkeitsverlust. Optimiert für FPGA-Inferenz-Engines.

Eigene Datensätze

Training auf Ihre missionsspezifischen Objekte. End-to-End-Pipeline von der Datenkuratierung bis zur Bereitstellung.

FPGA-Beschleunigung

Vitis AI-Integration für Xilinx-Geräte. Pfad zu strahlungsgehärteten Versal-Prozessoren.

Echtzeitverarbeitung

Frame-für-Frame-Inferenz für autonome Operationen. Kein Ground-in-the-Loop erforderlich.

End-to-End-Fähigkeit

Wir liefern die gesamte ML-Pipeline, nicht nur ein Modell:

1

Kuratieren

Datensatz-Erstellung, Labeling, Train/Val/Test-Split

2

Trainieren

Quantisierungsbewusstes YOLOX mit Versionskontrolle

3

Kompilieren

Vitis AI-Kompilierung für DPU-Ausführung

4

Integrieren

Embedded OS, Kamera-Interface, Inferenz-Pipeline

5

Verifizieren

CI/CD mit QEMU-basiertem Hardware-in-the-Loop-Testing

6

Bereitstellen

Produktionsreifer Demonstrator

Anwendungen

Maritime Überwachung

Schiffserkennung in Küsten- und Hochseebildern.

Infrastruktur-Monitoring

Änderungserkennung für Pipelines, Strassen, Anlagen.

Verteidigung & Sicherheit

Echtzeit-Alarmierung für autonome Plattformen.

Erdbeobachtung

Onboard-Filterung zur Reduzierung des Downlink-Volumens.

Anwendbar auf: Satelliten, Drohnen, UAVs, autonome Fahrzeuge.

Technologie-Stack

Modell

  • YOLOX-Nano
  • INT8 quantisiert

Training

  • PyTorch
  • Vitis AI

Hardware

  • Xilinx UltraScale+
  • Xilinx Versal

Integration

  • Linux / PetaLinux
  • Bare-metal Option

Entwicklungs-Heritage

Bildvorverarbeitungs-Pipeline

Abgeschlossen

TensorFlow-basierte Onboard-Vorverarbeitung: Demosaicing, Kalibrierung, geometrische Korrektur, Projektion. CI/CD-automatisiert mit QEMU-Emulation.

armasuisse S+T Prime 2021

Objekterkennungsmodell

Abgeschlossen

YOLOX-Training auf swisstopo-Bildern. Quantisierungsbewusste Optimierung für kleine Objekterkennung. Erste Hardware-Integration.

armasuisse S+T Prime 2022 – 2023

Echtzeit-Demonstrator

Demonstriert

Vollständige Integration auf Xilinx UltraScale+. 10.5 Mpx/s bei 26W erreicht. Auf Schwerlast-Drohnenplattform demonstriert.

armasuisse S+T Prime 2023 – 2024
armasuisse S+T Programm

Interesse an Onboard-KI?

Kontaktieren Sie uns für technische Diskussionen oder Demonstrationsmöglichkeiten.

Kontakt aufnehmen Alle Produkte