该参考设计与计算专家 Cloudtop 合作开发，可以高精度读取 3-5 米距离内缓慢移动的车牌。得益于 XMOS 的 xcore.ai 芯片的功能，Cloudtop 的机器学习模型——最初设计用于处理高分辨率视频帧——已经无缝适应在低功耗、低成本场景中工作，而不会牺牲准确性。
使用 ALPR 的停车场传统上集成的硬件远远超出了慢速移动、近距离车牌识别所需的规格。高分辨率相机在复杂的机器学习模型上运行，这些模型依赖于云连接进行图像处理，在许多情况下，ALPR 的实施成本高得令人望而却步。
与标准 ALPR 解决方案相比，XMOS 的参考设计提供了所需的功率和设备智能，从而显着降低了功耗和物料清单 (BOM)。在消除对高成本硬件的需求并几乎消除对云连接的需求时，这种设备成为整个智慧城市 ALPR 基础设施的现实组件。
“对于智能停车，云连接和巨大的处理能力简直是大材小用，”XMOS 产品、营销和业务开发副总裁 Aneet Chopra 评论道。“它使 ALPR 网络的成本远远超过其需要的成本，使维护更加复杂，并且充斥着云计算固有的隐私问题。
“我们开发的参考设计通过简化流程就消除了这些问题。如果您可以在设备上提供所需的智能和功能，您就可以避免将所有原始数据发送到云或过于昂贵或功能强大的硬件。从长远来看，这只会帮助我们推动 ALPR 的进展。”
“简单性和可负担性是 ALPR 领域的两个优先事项，不仅可以推动销售，还可以鼓励创新”，Cloudtop 联合创始人Zhang教授评论道。“让设备更便宜、更简单、更可靠对于智慧城市来说非常重要，并且缩小机器学习模型的规模，以便它们可以在 xcore.ai 等可大规模生产的芯片上运行，从而为开发人员提供资金和设计灵活性来进行实验。”
XMOS 和 Cloudtop 将于 3 月 28 日至 30 日在旧金山的 tinyML 峰会上展示该解决方案，并邀请所有与会者参观他们的展台和海报展示。
