英國領先的芯片公司XMOS近日宣布推出其自動車牌識別 (ALPR) 參考解決方案，旨在將停車場中的 ALPR 從復雜的資源密集型硬件轉向簡單的設備上 AI。

該參考設計與計算專家 Cloudtop 合作開發(fā)，可以高精度讀取 3-5 米距離內(nèi)緩慢移動的車牌。得益于 XMOS 的 xcore.ai 芯片的功能，Cloudtop 的機器學習模型——最初設計用于處理高分辨率視頻幀——已經(jīng)無縫適應在低功耗、低成本場景中工作，而不會犧牲準確性。

使用 ALPR 的停車場傳統(tǒng)上集成的硬件遠遠超出了慢速移動、近距離車牌識別所需的規(guī)格。高分辨率相機在復雜的機器學習模型上運行，這些模型依賴于云連接進行圖像處理，在許多情況下，ALPR 的實施成本高得令人望而卻步。

與標準 ALPR 解決方案相比，XMOS 的參考設計提供了所需的功率和設備智能，從而顯著降低了功耗和物料清單 (BOM)。在消除對高成本硬件的需求并幾乎消除對云連接的需求時，這種設備成為整個智慧城市 ALPR 基礎設施的現(xiàn)實組件。

“對于智能停車，云連接和巨大的處理能力簡直是大材小用，”XMOS 產(chǎn)品、營銷和業(yè)務開發(fā)副總裁 Aneet Chopra 評論道?！八?ALPR 網(wǎng)絡的成本遠遠超過其需要的成本，使維護更加復雜，并且充斥著云計算固有的隱私問題。

“我們開發(fā)的參考設計通過簡化流程就消除了這些問題。如果您可以在設備上提供所需的智能和功能，您就可以避免將所有原始數(shù)據(jù)發(fā)送到云或過于昂貴或功能強大的硬件。從長遠來看，這只會幫助我們推動 ALPR 的進展?！?/p>

“簡單性和可負擔性是 ALPR 領域的兩個優(yōu)先事項，不僅可以推動銷售，還可以鼓勵創(chuàng)新”，Cloudtop 聯(lián)合創(chuàng)始人Zhang教授評論道?！白屧O備更便宜、更簡單、更可靠對于智慧城市來說非常重要，并且縮小機器學習模型的規(guī)模，以便它們可以在 xcore.ai 等可大規(guī)模生產(chǎn)的芯片上運行，從而為開發(fā)人員提供資金和設計靈活性來進行實驗?！?/p>

XMOS 和 Cloudtop 將于 3 月 28 日至 30 日在舊金山的 tinyML 峰會上展示該解決方案，并邀請所有與會者參觀他們的展臺和海報展示。