文 / Coral 团队
自 Coral 于 2019 年 3 月发布以来，我们加入了许多新的产品设备类型，以适应用户向其产品中添加设备端机器学习功能的多种方式。我们还改进了机器学习工作流，并添加了诸如支持多个 Edge TPU 的模型流水线等功能，从而为开发者提供了更为轻松稳定的开发体验。此后，我们帮助实现了许多令人惊喜的用例，如 Olea Edge 用来防止供水损失的智能水表、Farmwave 提高农作物产量的系统，以及由 Google 自主开发的可在会议中实现降噪的 Series One 会议套件。
智能水表
https://coral.ai/news/olea-edge/提高农作物产量的系统
https://coral.ai/news/farmwave/Series One 会议套件
https://coral.ai/news/series-one/
最近，我们开始发售 Coral Accelerator Module，这是一种将 Edge TPU 及其电源电路以焊接方式组合封装的多芯片模块。该模块公开了 PCIe 和 USB2 接口，这使得将 Coral 集成到定制化设计中变得更加容易。已有多家公司将这种尺寸紧凑且功能强大的模块集成到其即将投放市场的新产品中。阅读更多内容，了解 Gumstix、STD、Siana Systems 和 IEI 如何使用我们的模块。
Coral Accelerator Module
https://coral.ai/products/accelerator-module/阅读更多内容
http://coral.ai/news/coral-accelerator-module
此外，我们于 12 月发售了 Dev Board Mini，这是一款更小巧、更节能、更以价值为导向的开发板，可实现更为传统的扁平式单板计算机设计。Dev Board Mini 将 Mediatek 8167 SoC 与 Coral Accelerator Module 通过 USB 2 进行配对，可以有效评估模块是否为项目或部署的中心模块。
Dev Board Mini
https://coral.ai/products/dev-board-mini/
您可以在最新一集 Level Up 视频中了解新的 Dev Board Mini 和 Accelerator Module，在视频中，Markku Lepisto 通过语音命令来控制工作室的灯光。
最新一集 Level Up 视频
https://www.youtube.com/watch?v=nJ8Qs_RFWZc
要获取有关这款开发板的最新信息以及其他 Coral 新闻，请订阅我们的简报。
简报
https://coral.ai/news/signup/
针对终端的开发工作现已得到简化
我们于近期发布了新版 Coral ML API 和工具。此版本使 C ++ API 能够达到 Python 易用水平，使其在模块化程度、可重用性和性能方面进行了提升。与此同时，它消除了不必要的抽象和表面，并替换为原生 TensorFlow Lite API。此版本还完结了 Model Pipelining API 的 Beta 版本，并引入了新的模型分区器，可基于配置文件自动对模型进行分区，并且性能提升高达 10 倍。
新版
https://coral.ai/news/updates-11-2020/
我们在模型产品组合中添加了 MobileDet 的预训练版本，它是一种用于移动系统的 SOTA 目标检测模型。我们正在将模型开发工作流迁移到 TensorFlow 2，并且将加入一些基于 TF2 Keras 框架的更新模型或新模型。有关详细信息，请查看我们在 TensorFlow 上发布的完整公告。
模型产品组合
https://coral.ai/models/
此外，我们也很高兴地看到我们的生态系统合作伙伴提供了出色的开发者工具。例如，PerceptiLabs 提供了用于构建 TensorFlow 模型的可视化 API，并于近期发布了新的演示，该演示可训练机器学习模型来识别针对 Coral 终端进行了优化的手语。
SigFox 提供的 MRQ 设计可在终端实现原型设计，从而打造基于 Coral 的低带宽物联网解决方案
PerceptiLabs
https://www.perceptilabs.com/home新的演示
https://perceptilabs.com/docs/coral_tutorial
此外，SigFox 发布了可堆叠在 Coral Dev Board 或 Dev Board Mini 上的无线电收发器开发板。这可在低功率远程无线电网络中实现小数据量传输，适用于诸如智慧城市、车队管理、资产跟踪、农业和能源等场景。该 PCB 设计将在 SigFox 网站上免费提供下载。
Coral 终端客户
由 Farmwave 提供的工具包括定制化开发机器学习模型、带有摄像头的收割机安装盒、驾驶舱显示屏以及 Coral 的设备端人工智能加速器。
恰逢收获季节，我们想分享一则有关 Farmwave 如何利用 Coral 来改善农用设备效率并减少粮食浪费的故事。传统的产量损失分析需要手工计算收割后遗落在土地上的玉米粒。这是一项耗时费力的工作，而农民在使用价值高达 50 万美元的联合收割机时会考量每分每秒的运行成本，所以手工计算是不现实的。
借助 Coral 的设备端人工智能功能，Farmwave 得以构建一款在机器运行时自动计数的系统。这样一来，农民便可以根据田间条件对收割机进行实时调整，从而可以大大提高产量。
Kura Sushi 使用 Raspberry Pi 与 Coral USB Accelerator 配对设计了智能质量保证系统
位于日本的 Kura Revolving Sushi Bar 旋转寿司餐厅一直秉承最高的健康和安全标准为顾客服务。Kura 以采用领先技术而闻名，他们涉足了寿司制作机器人、名为 Bikkura-pon 的自动摇奖机，以及被恰如其分地称为“Mr. Fresh”的专利圆顶食物保鲜罩。但在最近，Kura 还使用 Coral 开发了一款人工智能驱动系统，不仅可以提高效率以改善顾客体验，而且还可以进行更好的跟踪以预防食源性疾病。
让人工智能更加触手可及
虽然今年全球都面临着重重困境，但我们因依托技术而不断涌现的新想法和创新而备受鼓舞。通过为终端人工智能提供必要的工具和技术，我们努力帮助社会，助力打造成本和适应性出色的智能系统。
随着平台的不断发展，我们很高兴分享 Coral 能够提供的一切内容。如需全球分销商、系统集成商与合作伙伴的列表，请访问 Coral 合作关系页面(https://coral.ai/partnerships/)。
请访问 Coral.ai 以详细了解我们的终端机器学习平台，也可以通过 coral-support@google.com 分享您的反馈。要在您的收件箱中直接接收 Coral 的未来动态，请注册我们的简报 (http://coral.ai/news/signup/)。
更多 AI 相关阅读：
转载：https://blog.csdn.net/jILRvRTrc/article/details/112504130