NVIDIA Jetson-vejledning

Chloros på NVIDIA Jetson muliggør multispektral billedbehandling i udkanten – i felten, på droner og i fjerntliggende installationer. Chloros registrerer automatisk din Jetson-model og optimerer behandlingsstrategien til din hardware.

---

Understøttede Jetson-modeller

Model	RAM	Behandlingsstrategi	Anbefalet anvendelse
Jetson AGX Orin	32-64 GB delt	GPU_PARALLEL (4 arbejdere)	Maksimal ydeevne, store datasæt
Jetson Orin NX	8–16 GB delt	GPU_PARALLEL (3 arbejdere, 16 GB) / GPU_SINGLE (8 GB)	Primær anbefaling til luftbåren og feltbaseret implementering
Jetson Orin Nano	8 GB delt	GPU_SINGLE (1 arbejdsenhed)	Edge-computing på entry-level
Jetson Nano	4-8 GB delt	GPU_SINGLE (1 arbejdsenhed)	Indgangsniveau, begrænset hukommelse

Ældre Jetson-modeller (TX2, TX1, Xavier NX) understøttes muligvis ikke. Ydelsen vil variere afhængigt af tilgængelig GPU-hukommelse og CUDA-kapacitet.

---

Krav

• JetPack 6.x (seneste version anbefales)

• NVIDIA CUDA (inkluderet i JetPack)

• Chloros+-licens (kræves for adgang til CLI/SDK)

Installation

# Install the JetPack 6 .deb package
sudo dpkg -i chloros-arm64-jp6.deb

# Verify installation
chloros-cli --version

# Install Python SDK (optional)
pip install chloros-sdk

# Run system diagnostics
chloros-cli selftest

For generelle detaljer om installation af Linux, se Linux Installation.

---

Dynamisk beregnings tilpasning på Jetson

Chloros registrerer automatisk din Jetson-model og vælger den optimale behandlingsstrategi. Der kræves ingen manuel justering.

Sådan fungerer det

Ved opstart profilerer Chloros dit system:

1. Registrerer Jetson-modellen via /proc/device-tree/model

2. Læser tilgængelig GPU/delt hukommelse

3.Vælger en behandlingsstrategi (GPU_PARALLEL, GPU_SINGLE eller CPU_PARALLEL) 4. Indstiller antal arbejdere, pipelinetype og hukommelsesallokering automatisk

Adfærd pr. model

Jetson-model	Strategi	Arbejdere	Pipeline	Samkøring
Jetson Nano 8 GB	GPU_SINGLE	1	tiled_gpu (hukommelseseffektiv)	Serieliseret
Jetson Orin Nano 8 GB	GPU_SINGLE	1	tiled_gpu	Serieliseret
Jetson Orin NX 8 GB	GPU_SINGLE	2	tiled_gpu	Serieliseret
Jetson Orin NX 16 GB	GPU_PARALLEL	3	fused_gpu (fuld GPU-sti)	Samtidig
Jetson AGX Orin 32-64 GB	GPU_PARALLEL	4	fused_gpu	Samtidig

Jetson Orin NX 16 GB er det perfekte valg til edge-implementering — den anvender GPU_PARALLEL-strategien med 3 samtidige arbejdsprocesser, hvilket leverer ægte parallel GPU-behandling i en kompakt formfaktor.

Den væsentligste forskel mellem platformene er hukommelsen. En Jetson Nano med 8 GB delt hukommelse skal behandle billeder ét ad gangen ved hjælp af en hukommelseseffektiv tiled-tilgang, mens en Orin NX med 16 GB kan køre 3 billeder gennem GPU'en samtidigt ved hjælp af den fusionerede pipeline med højere gennemstrømning.

Se Dynamisk beregningsadaptation for den komplette reference til beregningsadaptation.

---

Termisk styring

Jetson-enheder har begrænset termisk spillerum, især i lukkede eller luftbårne installationer. Chloros inkluderer automatisk termisk overvågning og begrænsning:

Temperatur	Handling
< 70 °C	Normal drift — fuld behandlingshastighed
70 °C (Advarsel)	Reducer batchstørrelsen automatisk
80 °C (Kritisk)	Aggressiv begrænsning — lavere samtidighed
90 °C (Nedlukning)	Stop GPU-behandlingen helt — afkøling påkrævet

Sørg for tilstrækkelig ventilation og køling for vedvarende behandling, især i lukkede feltkabinetter eller luftbårne systemer. Termisk begrænsning vil reducere behandlingskapaciteten for at beskytte hardwaren.

---

Hukommelsesstyring

Jetson-enheder bruger samlet hukommelse — GPU'en og CPU'en deler den samme fysiske RAM. Dette betyder, at den rapporterede VRAM (f.eks. 15,3 GB på Orin NX 16 GB) ikke er dedikeret GPU-hukommelse; den deles med operativsystemet og andre processer.

Anbefalinger vedrørende swap

Ved store datasæt eller Texture Aware-debayer-behandling kan Chloros anbefale at oprette swap-plads:

# Check current memory and swap
free -h

# Create a swap file (example: 8GB)
sudo fallocate -l 8G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

# Make persistent across reboots
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

Hukommelsesestimater pr. billede:

• Standard debayer: ~10 MB pr. billede

• Texture Aware debayer: ~15 MB pr. billede

Chloros beregner automatisk den nødvendige hukommelse baseret på størrelsen af dit datasæt og advarer dig, hvis swap anbefales.

OOM (Out of Memory) Fallback

Hvis der opdages en situation med utilstrækkelig hukommelse under behandlingen:

1. Chloros reducerer automatisk antallet af GPU-arbejdere

2. Skifter fra fused_gpu til tiled_gpu-pipeline (mere hukommelseseffektiv)

3. Fortsætter behandlingen med reduceret gennemstrømning i stedet for at gå ned

---

Implementering i felten

Overvejelser vedrørende strømforbrug

Jetson-model	Typisk strømforbrug	Bemærkninger
Jetson Nano	5-10 W	USB-C eller barrel-stik
Jetson Orin Nano	7-15 W	DC-barrel-stik
Jetson Orin NX	10-25 W	DC-barrel-stik
Jetson AGX Orin	15-60 W	USB-C PD eller barrel-stik

Planlæg dit strømforbrug til vedvarende databehandling — det højeste strømforbrug opstår under GPU-intensiv tråd 3 (databehandling).

Anbefalinger til lagerplads

• NVMe SSD anbefales kraftigt til arm64-implementeringer

• SD-kort er for langsomme til databehandling — brug dem kun som boot-medie

• Planlæg med 2-3 gange størrelsen af dine rå billeddata til den behandlede output

Headless drift via SSH

Chloros CLI er ideel til headless Jetson-installationer:

# SSH into the Jetson
ssh user@jetson-hostname

# Process a dataset
chloros-cli process /data/datasets/flight001 --format tiff-32

# Monitor export progress
chloros-cli export-status

Automatiseret behandling med systemd

Opret en systemd-tjeneste til automatiseret behandling:

# /etc/systemd/system/chloros-process.service
[Unit]
Description=Chloros Automated Processing
After=network.target

[Service]
Type=oneshot
User=chloros
ExecStart=/usr/bin/chloros-cli process /data/incoming --output /data/processed
StandardOutput=append:/var/log/chloros-process.log
StandardError=append:/var/log/chloros-process.log

[Install]
WantedBy=multi-user.target

Kombiner med en systemd-timer til planlagt behandling:

# /etc/systemd/system/chloros-process.timer
[Unit]
Description=Run Chloros Processing Every Hour

[Timer]
OnCalendar=hourly
Persistent=true

[Install]
WantedBy=timers.target

sudo systemctl enable chloros-process.timer
sudo systemctl start chloros-process.timer

---

Eksempler på arbejdsgange

Grundlæggende Jetson-behandling

#!/bin/bash
# Process a drone flight dataset on Jetson
chloros-cli process /data/flights/flight_042 \
    --output /data/processed/flight_042 \
    --format tiff-32 \
    --indices NDVI NDRE GNDVI

Python SDK på Jetson

from chloros_sdk import ChlorosLocal

with ChlorosLocal() as chloros:
    chloros.create_project("field_survey_042")
    chloros.import_images("/data/flights/flight_042")
    chloros.configure(
        indices=["NDVI", "NDRE", "GNDVI"],
        export_format="TIFF (32-bit, Percent)",
        reflectance_calibration=True
    )
    chloros.process(mode="parallel")

print("Processing complete!")

Batchbehandling af flere flyvninger

#!/bin/bash
# Process all flight datasets in a directory
for flight in /data/flights/*/; do
    name=$(basename "$flight")
    echo "Processing $name..."
    chloros-cli process "$flight" \
        --output "/data/processed/$name" \
        --format tiff-32 \
        --indices NDVI NDRE
    echo "Completed $name"
done

---

Anbefalede Jetson-systemer til brug i felten

Til anvendelse i felten og i luften bør du overveje disse Jetson Orin NX 16 GB-carrierboard-muligheder:

• Luftbåren/drone: Systemer med vibrationsklassificering (MIL-STD), letvægt (under 300 g), passiv køling

• Robust felt: IP67/IP69K vandtætte kabinetter med PoE GigE-kameratilslutning

• Minimal/budget: Udviklerkits med ekstra kabinetter

Kontakt MAPIR Support for specifikke hardwareanbefalinger til dit anvendelsesscenarie.

---

Næste trin

• Linux Installation — Generelle detaljer om Linux-installation

• Dynamisk beregnings tilpasning — Fuld reference til beregningsstrategi

• Processing Pipeline — Forståelse af 4-tråds-pipeline

• CLI : Command Line — Fuld CLI-reference

• API : Python SDK — Fuldstændig reference til SDK