首款集成了可扩展的Arm Cortex-A55内核的:MIMX9311CVXXMAB、MIMX9312DVXXMAB、MIMX9321XVXXMAB i.MX 93应用处理器系列产品

i.MX 93应用处理器系列 - Arm® Cortex®-A55,ML加速,高能效MPU

i.MX 93系列适用于智能家居、楼宇控制、非接触式HMI、物联网边缘、汽车和工业应用。

相关型号:
MIMX9311CVXXMAB
MIMX9311DVXXMAB
MIMX9311XVXXMAB
MIMX9312CVXXMAB
MIMX9312DVXXMAB
MIMX9312XVXXMAB
MIMX9321CVXXMAB
MIMX9321DVXXMAB
MIMX9321XVXXMAB
——明佳达

封装:FCBGA-208
类型:i.MX 93处理器
速度:1.7 GHz

系列概述

i.MX 93应用处理器提供高效机器学习 (ML) 加速、Energy Flex架构以及先进安全性,以支持高能效边缘计算。i.MX 93处理器集成丰富的外设以及高性能内核,可在汽车、工业和物联网应用中实现快速高效的机器学习推理。

i.MX 93 系列为入门级物联网应用提供智能且安全的边缘处理器,其主要特性包括:

• EdgeLock Secure Enclave 子系统为下一代物联网市场产品中的机器学习应用程序提供必要的安全功能和专用 NPU 以实现高效处理
• A55 内核和 M33 内核(可以从任一内核启动)的异构处理,具有能源弹性架构,适用于需要高性能和低功耗的入门级/中级物联网应用
• 高效视觉管道,包括 MIPI-CSI 接口以及 2 个 A55 和 NPU,可在工业、消费物联网和汽车边缘计算市场实现低于 10 美元的视觉应用
• 丰富的接口集,包括 2 个 1 GbE、多个音频通道和多个显示接口,适用于广泛的应用,例如 HMI、工厂自动化和音频条形音箱

目标应用

• 汽车:为主控制器分流处理任务的辅助处理器、驾驶员监控系统、音频、语音识别、高性价比网关
• 工业自动化:网关、远程I/O控制器、工业扫描仪、人机交互 界面(HMI)、机器视觉
• 楼宇控制与能源:电表、电动汽车充电
• 智能家居:家庭安保中心、智能门铃、智能锁、智能恒温器、 AV接收器
• 智慧城市:智能照明、功能安全与信息安全、交通控制

扩展工业、消费和汽车规格

i.MX 93应用处理器提供以下不同规格:
• “X”扩展工业级温度范围(-40 ºC至125 ºC)
• “C”标准工业级温度范围(-40 ºC至105 ºC)
• “D”消费级温度范围(0 ºC至95 ºC)
• “A”汽车级温度范围(-40 ºC至125 ºC)

特性

多核处理
1-2个Arm® Cortex®-A55,主频为1.7GHz
Arm Cortex-M33 @ 250Mhz
Arm® Ethos™ U-65 microNPU
EdgeLock®安全区域
连接
两个USB 2.0 Type C接口,带PHY
2个千兆以太网接口:AVB & IEEE 1588用于同步模式,EEE用于低功耗模式。1个支持TSN
两个CAN-FD
8个UART,8个I2C,8个SPI,两个I3C
1个4通道12位ADC
两个32引脚FlexIO接口(摄像头、总线或串行I/O)
外部存储器
高达3.7GT/s x16 LPDDR4/LPDDR4X(带内联ECC)
3个SD 3.0/SDIO3.0/eMMC5.1
1个8线SPI,支持SPI NOR和SPI NAND存储器
图形
用于混合/合成、调整大小、色彩空间转换的硬件组合器
显示屏接口
1个1080p60 MIPI-DSI(4通道,每通道1.5Gbps),带PHY
1个720p60 LVDS(4通道)
24位并行RGB
摄像头接口
1个1080p60 MIPI-CSI(2通道,每通道1.5Gbps),带PHY
8位并行YUV/RGB

注:本文部分内容与图片来源于网络,版权归原作者所有。如有侵权,请联系删除!

  • 5
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值