研华发布预装Ubuntu 18.04 LTS且适用于机器视觉应用的EPC-C301

by liam zheng on 6 August 2020

研华是全球领先的智能物联网系统和嵌入式平台的领导者,现很高兴地发布由Intel 8代处理器驱动的紧凑无风扇设计PC EPC-C301。该系统具有多种以域为中心的I / O,可在较宽的温度范围内运行。EPC-C301整合了Intel和Canonical的技术以提供Ubuntu和OpenVINO工具套件,旨在加速AIoT的前进。这个强大的系统对例如自动光学检查(AOI)和自动车牌号识别(APNR)等机器视觉应用来说是一个非常优秀的选择。

支持嵌入式软件

EPC-C301预装了Ubuntu 18.04 LTS镜像和iManager软件API。“通过对研华 EPC-C301和Ubuntu 18.04 LTS的认证,Canonical承诺10年的软件更新支持为企业的工业自动化和机器人技术提供稳定,安全的AIoT平台” Canonical 全球设备工程总监Loic Minier说到。同样,研华的EPC-C301拥有一个设备运营和管理软件WISE-DeviceOn,使得用户可以通过云端整合,视觉化,运营和管理他们的工业物联网设备。

Intel OpenVINO™工具套件加速AIoT

EPC-C301使用Intel OpenVINO™工具套件加速了向AIoT的发展。 OpenVINO™开发人员套件与VEGA-330 AI加速卡和预装的Ubuntu 18.04 LTS兼容提供了一系列全面的功能。Intel 智慧城市与交通部门总经理Sameer Sharma表示:“随着城市人口和道路车辆的增加,有很大的机会来帮助城市领先于对现有道路基础设施造成压力的不断增长的需求。 Intel与研华的合作,加上对人工智能技术的投资,包括英特尔®OpenVINO™工具套件的发行,可以帮助加速向更安全,更绿色,更高效的道路基础设施的转型。”


主要特点:

  • Intel 8代i7-8665UE或i5-8365UE处理器
  • 双通道DDR4-2400MT内存,最高支持32GB且支持HDMI+DP双4K显示输出
  • 4个GbE,4个USB 3.2,4个USB2.0,3个RS-232/422/485,1个RS-232,2个独立的CANBus和8 GPIO。
  • 支持SATA,PCIe 4 SSD和mini-PCIe的M.2 E-Key 2230,B-Key 3042,M-Key 2280接口硬盘。
  • DC-12V,运行温度-20至60°C
  • 支持Windows 10和Linux的iManager软件API和WISE-DeviceOn开发者工具套件,默认配备了VEGA-330,Ubuntu 18.04 LTS和Intel OpenVINO工具套件

研华EPC-C301无风扇PC自2020年7月起开售。更多内容可访问研华官网

订阅博客文章

选择您感兴趣的主题

在提交此表格的同时,我确认已阅读和同意的隐私声明隐私政策。

查看更多内容

Ubuntu Tech Live第二期:Ubuntu Core 20新版本抢先新体验

Ubuntu Tech Live是全新一档由Ubuntu / Canonical官方开设,并专为开发者和企业所设计的栏目。活动以视频直播的方式向大家介绍Ubuntu最新的技术和产品。 设置有问答环节,Canonical专家现场为您解答相关问题。同时,也将不定期邀请合作伙伴、业内专家分享相关有趣的主题。 直播时间:2020年9月25日12点15分至13点15分 您将了解到: Canonical与Ubuntu最新产品技术资讯 Ubuntu Core 20新特性介绍 观看视频直播就有机会获取Ubuntu官方纪念T恤。 前往注册 […]

Snap应用开发体验的协作与聆听

“你需要帮助吗?”是热情的开发者在开源项目中经常会说的话。 组成Snap生态系统的活动部件很多。这意味着有很多地方可以参与其中! 寻找开始的地方可能会令人生畏,但我们在这里示意您如何开始。无论您的技术水平和时间如何,我们都可以确保为发烧友留下深刻印象的机会。 Snap应用 让我们从snap本身开始。一般来说,用户关系对日常使用的软件的关心要多于构建软件的工具或托管的服务器。火狐浏览器的用户关心应用的使用体验,VLC的用户关心多媒体播放或视频捕获功能。 给这些snap应用开发者提供反馈是使其变得更好的且非常重要的一步。许多snap开发者通常会在Snap商店预发布测试版到测试通道。例如,火狐和VLC在测试通道都有更新可能不太稳定的版本。 $ snap info firefox […]

解开Kubeflow管道的神秘面纱第一部分:Kubernetes上的数据科学工作流程

Kubeflow管道(Pipeline)是构建可移植、可扩展的机器学习工作流程最好的方式,也是更大的Kubeflow生态的一部分,旨在减少大规模训练和部署机器学习模型的复杂性和时间。 在这个系列的博客文章中,我们将介绍Kubeflow pipelines和展示了这种方法来产生可重用和可再现的数据科学。 🚀 我们将探讨为什么Kubeflow为数据科学工作流程带来了正确的标准化,然后说明了如何通过Kubeflow管道实现这一目标。 在第二部分种,我们将开始上手实践。我们也会利用Fashion MNIST数据集和基础Tensorflow示例,采用逐步方法将示例模型转换为Kubeflow管道,以便你可以执行此操作。 为什么要用Kubeflow 机器学习工作流程可能涉及许多步骤,并 […]