致力于提供高速信号处理解决方案的北京拓目科技有限公司（Beijing Topmoo Tech Co. Ltd）在2011年推出基于FLASH阵列存储的高端固态存储产品TMS-F231-160G之后，近日宣布推出其入门级固态存储产品TMS-S231-512G。 在容量选择上，TMS-F231-160G可以通过更换PIN2PIN的FLASH芯片而达到扩容目的,但是SLC FLASH成本高居不下，在目前高速发展的工业相机领域，难以推广普及。为了推动高速工业相机存储市场的发展，拓目科技发布了基于SATA接口的ssd盘存储系统TMS-S231-512G，随着消费电子的发展，ssd的单盘容量不断的扩大，价格不断的降低，必然能使TMS-S231-512G得到广泛的应用。 “TMS-S231-512G是一款专门针对航空拍摄、工业照相、汽车碰撞实验等需要高速图像采集、存储的场合而开发的固态存储设备”拓目科技产品经理Lemon Chan介绍道，“该产品的单盘存储容量最高可达512GB，单盘存储带宽则最高可达250MB/s，在该带宽支持条件下，TMS-S231-512G最高能支持1280x1024@200fps的连续拍照模式，几乎适用于所有需要高速图像采集的场合”。 “目前，Camera Link接口在航空相机、工业相机等领域得到广泛应用。与此同时，TMS-S231-512G板载两个SFP光纤接口，最高可支持5Gbps的有效数据吞吐率。”拓目科技研发总监Steven Wu介绍道，“除了硬件板卡以外，拓目科技还提供一整套完整的客户端解决方案，以方便客户能够轻易地对设备进行管控，同时方便客户对记录下来的数据进行预览、下载等操作”。 “与国外同类产品相比，TMS-S231-512G除了大容量、高带宽等优点以外，另一大优势在于其极强的可定制性。TMS-S231-512G从硬件设计到软件开发，所有的核心技术都由拓目科技研发团队自主开发，相比于国外同类产品，拓目科技无论在产品的可定制性还是售后技术支持方面，都具有较大的优势”Steven Wu补充道。 同时，该款产品所有器件均采用工业级宽温芯片，温度、振动等环境适应性试验均已顺利通过，能最大程度地保证产品在恶劣环境下的可靠性。 TMS-S231系列产品特点 1， 采用业界领先的掉电保护技术，令您的数据安全无忧 2， 性能卓越，拥有单盘高达250MB/s的写带宽 3， 单盘64GB~512GB大容量可选，存储容量大小也可以根据用户需求定制 4， 支持Camera Link视频输入接口 5， 支持DVI显示接口 6， 支持SFP光纤接口 7， 支持2个ssd盘 8， 支持1个千兆以太网口 9， 满足各种恶劣环境应用要求，能在高温度、多灰尘、高海拔、强振动等应用场合下正常使用 TMS-S231采用12V电源适配器供电，功耗小于10W，TMS-S231集成度非常高，产品体积仅为260mm x 180mm x 45mm，如上图所示。TMS-S231现已进入大批量生产阶段并随时接受客户试用申请与订货。
上传时间： 2013-11-12
上传用户：a155166
电子发烧友讯： 飞思卡尔是全球嵌入式处理解决方案、高级汽车电子、消费电子、工业控制和网络市场的领导者。从微处理器和微控制器到传感器、模拟集成电路(IC)和连接，我们的技术为创新奠定基础，构建更加环保、安全、健康和互连的世界 MC9S12XHY系列是飞思卡尔公司的经过优化的，汽车16位微控制器产品系列，具有低成本，高性能的特点。该系列是联接低端16位微控制器(如：MC9S12HY系列)，和高性能32位解决方案的桥梁。MC9S12XHY系列定位于低端汽车仪器群集应用，它包括支持CAN和LIN/J2602通信，并传送典型的群集请求，如步进失速检测(ssd)和LCD驱动器的步进电机控制。 MC9S12XHY系列具有16位微控制器的所有优点和效率，同时又保持了飞思卡尔公司现有的8位和16位MCU系列的优势，即低成本、低功耗、EMC和代码尺寸效率等优点。与MC9S12HY系列相同，MC9S12XHY系列可以运行16位宽的访问，而不会出现外设和存储器的等待状态。MC9S12XHY系列为100引脚LQFP和112引脚LQFP封装，旨在最大限度地与100LQFP，MC9S12HY系列兼容。除了每个模块具有I/O端口外，还可提供更多的，具有中断功能的I/O端口，具有从停止或等待模式唤醒功能。 图1 MC9S12XHY系列方框图截图
上传时间： 2014-12-31
上传用户：66666
ASssdBenchmark-2.0.6485.19676 ssd硬盘测试软件
标签： ASssdBenchmark 19676 6485
上传时间： 2020-09-21
上传用户：
ssd1306中文手册，所有ssd相关命令齐全，解释通俗易懂。
标签： ssd1306
上传时间： 2021-10-24
上传用户：
红外图像检测技术因具有非接触、快速等优点，被广泛应用于电力设备的监测与诊断 中，而对设备快速精确地检测定位是实现自动检测与诊断的前提。与普通目标的可见光图像相比， 电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征，采用原 始的 YOLOv3 模型难以精确定位到目标。针对此问题，该文对 YOLOv3 模型进行改进：在其骨干 网络中引入跨阶段局部模块；将路径聚合网络融合到原模型的特征金字塔结构中；加入马赛克 （Mosaic）数据增强技术和 Complete-IoU（CIoU）损失函数。将改进后的模型在四类具有相似波纹 外观结构的电力设备红外图像数据集上进行训练测试，每类的检测精度均能达到 92%以上。最后， 将该文方法的测试结果与其他三个主流目标检测模型进行对比评估。结果表明：不同阈值下，该 文提出的改进模型获得的平均精度均值优于 Faster R-CNN、ssd 和 YOLOv3 模型。改进后的 YOLOv3 模型尽管在检测速度上相比原 YOLOv3 模型有所牺牲，但仍明显高于其他两种模型。对 比结果进一步验证了所提模型的有效性。
上传时间： 2021-10-30
上传用户：
