扫 码 咨 询
四核 ARM CortexA55 | 16Tops INT8
● 核心板体积只有约50mm*65mm大小,采用BTB接口连接器;
● 丰富的接口资源,支持双路GMAC,可扩展10/100/1000Mbps网口接口;
● 支持双路PCIE GEN3.0接口,带有UART/SPI/I2C/SDIO等多种通用接口;
● 支持H264、H265、VP8、VP9编解码,解码最大可支持16路1080@30p,编码最大可支持8路1080@30p;
● 智能NVR设备,应用于智能无人机、智能汽车、智能安防、智慧城市、智慧社区、无人超市、智慧交通等领域中;
● 核心板体积只有约50mm*65mm大小,采用BTB接口连接器;
● 丰富的接口资源,支持双路GMAC,可扩展10/100/1000Mbps网口接口;
● 支持双路PCIE GEN3.0接口,带有UART/SPI/I2C/SDIO等多种通用接口;
● 支持H264、H265、VP8、VP9编解码,解码最大可支持16路1080@30p,编码最大可支持8路1080@30p;
● 智能NVR设备,应用于智能无人机、智能汽车、智能安防、智慧城市、智慧社区、无人超市、智慧交通等领域中;
SOM220 是英码科技基于寒武纪 MLU220 芯片设计的核心板,内置 NPU 算力高达 16Tops,支持caffe、TensorFlow、Pytorch、mxnet 等深度学习框架。SOM220 优越的视频处理性能,支持 H264、H265、VP8、VP9 编解码,解码最大可支持 16 路 1080@30p,编码最大可支持 8 路 1080@30p 等。
核心板体积只有约50mm*65mm大小,采用BTB接口连接器,BTB连接器可采取抗阻匹配和降噪措施进行高频传输,两点接触的结构设计具有可靠的连接性和高接触、高耐磨性,多点接地、屏蔽的构造能削减辐射干扰达到降噪的效果,使产品更加稳定、可靠、更方便工程师基于模组设计产品,让产品快速上市。
|机械尺寸
结构参数 | |
连接器 | FX10A-168S-SV |
核心板尺寸 | 65MM*50MM |
引脚间距 | 0.5MM |
引脚数量 | 168 Pin |
项目 | 类型 | 型号参数 | 说 明 | |
核 心 配 置 | 处理器 | MLU220 | CPU | 4 x ARM CortexA55 |
NPU | 支持INT16、INT8 可达16.0Tops | |||
存储 | 内存 | LPDDR4 | 8 Gbyte | |
闪存 | eMMC | 32 Gbyte | ||
Flash | 16MByte nor flash | |||
电源 | 电源输入 | DC 5V | ||
接 口 资 源 | 视频编码 | 8x | 8路 * 1080@30p,支持H264、H265、VP8、VP9 | |
视频解码 | 16x | 16路* 1080@30p,支持H264、H265、VP8、VP9 | ||
图片解码 | 1s | 820 fps@FHD,支持标准JPEG解码,支持4:0:0、4:2:2、4:2:0、4:4:0、4:4:4的格式 | ||
图片编码 | 1s | 800 fps@FHD,支持标准JPEG解码,支持4:0:0、4:2:2、4:2:0、4:4:0、4:4:4的格式 | ||
PCIE | 2x | 集成两个PCIE控制器,可以支持EP/RC两种工作模式 | ||
GMAC | 2x | 支持10/100/1000Mbps的工作模式,支持RGMII模式 | ||
I2C | 3x | 扩展I2C1、 I2C2、 I2C4等 | ||
SPI | 2x | 扩展SPI0、SPI1等 | ||
UART | 2x | 扩展UART0、UART1 | ||
DEBUG | 1x | CPU_UART Type C接口 | ||
SDIO | 2x | 扩展SDIO0、SDIO1等 | ||
内存接口频率 | 最大支持 3733Mb/s | |||
供电电源 | FX10A-168S-SV連接器 5V | |||
散热方式 | 被动散热 | |||
工作温度 | -40~70℃ |
Linux | Buildload | 版本 | U-Boot 2017.07-cambricon |
启动方式 | Ramdisk | ||
下载方式 | 串口烧录 | ||
ECC 保护 | 不支持 | ||
操作系统 | Buildroot | Linux cambricon 4.9.112(标配) | |
Ubuntu | Ubuntu20.04(选配) | ||
文件系统 | EXT4 | ||
图像显示 | 支持QT5.14界面显示系统 | ||
开发组件 | 媒体处理 | CNCodec | |
AI开发 | 支持caffe、pytorch、TensorFlow等深度学习框架 |