NVIDIA Jetson-Handbuch

Chloros auf NVIDIA Jetson ermöglicht die Verarbeitung multispektraler Bilder am Edge – vor Ort, auf UAVs und in abgelegenen Anlagen. Chloros erkennt Ihr Jetson-Modell automatisch und optimiert die Verarbeitungsstrategie für Ihre Hardware.

---

Unterstützte Jetson-Modelle

Modell	RAM	Verarbeitungsstrategie	Empfohlene Verwendung
Jetson AGX Orin	32–64 GB gemeinsam genutzt	GPU_PARALLEL (4 Worker)	Maximale Leistung, große Datensätze
Jetson Orin NX	8–16 GB gemeinsam genutzt	GPU_PARALLEL (3 Worker, 16 GB) / GPU_SINGLE (8 GB)	Primäre Empfehlung für den Einsatz in der Luft und im Feld
Jetson Orin Nano	8 GB gemeinsam genutzt	GPU_SINGLE (1 Worker)	Edge-Computing der Einstiegsklasse
Jetson Nano	4–8 GB gemeinsam genutzt	GPU_SINGLE (1 Worker)	Einstiegsmodell, begrenzte Speicherkapazität

Ältere Jetson-Modelle (TX2, TX1, Xavier NX) werden möglicherweise nicht unterstützt. Die Leistung hängt vom verfügbaren GPU-Speicher und den CUDA-Fähigkeiten ab.

---

Anforderungen

• JetPack 6.x (neueste Version empfohlen)

• NVIDIA CUDA (in JetPack enthalten)

• Chloros+-Lizenz (erforderlich für den Zugriff auf 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

Allgemeine Informationen zur Installation von Linux finden Sie unter Linux Installation.

---

Dynamische Rechenanpassung auf Jetson

Chloros erkennt Ihr Jetson-Modell automatisch und wählt die optimale Verarbeitungsstrategie aus. Eine manuelle Anpassung ist nicht erforderlich.

So funktioniert es

Beim Start erstellt Chloros ein Profil Ihres Systems:

1. Erkennt das Jetson-Modell über /proc/device-tree/model

2. Liest den verfügbaren GPU-/gemeinsamen Speicher

3.Wählt eine Verarbeitungsstrategie (GPU_PARALLEL, GPU_SINGLE oder CPU_PARALLEL) 4. Legt die Anzahl der Worker, den Pipeline-Typ und die Speicherzuweisung automatisch fest

Verhalten pro Modell

Jetson-Modell	Strategie	Worker	Pipeline	Parallelität
Jetson Nano 8 GB	GPU_SINGLE	1	tiled_gpu (speichereffizient)	Serialisiert
Jetson Orin Nano 8 GB	GPU_SINGLE	1	tiled_gpu	Serialisiert
Jetson Orin NX 8 GB	GPU_SINGLE	2	tiled_gpu	Serialisiert
Jetson Orin NX 16 GB	GPU_PARALLEL	3	fused_gpu (vollständiger GPU-Pfad)	Parallel
Jetson AGX Orin 32–64 GB	GPU_PARALLEL	4	fused_gpu	Parallel

Jetson Orin NX 16 GB ist der Sweet Spot für den Edge-Einsatz – es erhält die Strategie GPU_PARALLEL mit 3 parallelen Workern und liefert echte parallele GPU-Verarbeitung in einem kompakten Formfaktor.

Der entscheidende Unterschied zwischen den Plattformen ist der Speicher. Ein Jetson Nano mit 8 GB gemeinsam genutztem Speicher muss Bilder einzeln mit einem speichereffizienten Tiled-Ansatz verarbeiten, während ein Orin NX mit 16 GB mithilfe der Fused-Pipeline mit höherem Durchsatz drei Bilder gleichzeitig über die GPU ausführen kann.

Die vollständige Referenz zur Rechenanpassung finden Sie unter Dynamische Rechenanpassung.

---

Wärmemanagement

Jetson-Geräte verfügen über begrenzte thermische Spielräume, insbesondere bei geschlossenen oder luftgestützten Einsätzen. Chloros umfasst eine automatische Temperaturüberwachung und Drosselung:

Temperatur	Maßnahme
< 70 °C	Normalbetrieb – volle Verarbeitungsgeschwindigkeit
70 °C (Warnung)	Batchgröße automatisch reduzieren
80 °C (Kritisch)	Aggressive Drosselung – geringere Parallelität
90 °C (Herunterfahren)	GPU-Verarbeitung vollständig stoppen – Abkühlung erforderlich

Sorgen Sie für ausreichende Belüftung und Wärmeableitung für einen dauerhaften Betrieb, insbesondere in geschlossenen Feldgehäusen oder luftgestützten Systemen. Durch thermische Drosselung wird der Verarbeitungsdurchsatz reduziert, um die Hardware zu schützen.

---

Speicherverwaltung

Jetson-Geräte verwenden Unified Memory – GPU und CPU teilen sich denselben physischen RAM. Das bedeutet, dass der angegebene VRAM (z. B. 15,3 GB auf dem Orin NX 16 GB) kein dedizierter GPU-Speicher ist; er wird mit dem Betriebssystem und anderen Prozessen geteilt.

Empfehlungen zum Swap-Speicher

Bei großen Datensätzen oder der Texture-Aware-Debayer-Verarbeitung empfiehlt Chloros möglicherweise die Einrichtung von Swap-Speicher:

# 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

Geschätzter Speicherbedarf pro Bild:

• Standard-Debayer: ~10 MB pro Bild

• Textur-bewusster Debayer: ~15 MB pro Bild

Chloros berechnet den erforderlichen Speicher automatisch anhand der Größe Ihres Datensatzes und warnt Sie, wenn Swap empfohlen wird.

OOM (Out of Memory)-Fallback

Wenn während der Verarbeitung ein Speicherengpass festgestellt wird:

1. Chloros reduziert automatisch die Anzahl der GPU-Worker

2. Wechselt von der fused_gpu- zur tiled_gpu-Pipeline (speichereffizienter)

3. Die Verarbeitung wird mit reduziertem Durchsatz fortgesetzt, anstatt abzustürzen

---

Einsatz vor Ort

Überlegungen zur Stromversorgung

Jetson-Modell	Typische Leistungsaufnahme	Anmerkungen
Jetson Nano	5–10 W	USB-C oder Rundstecker
Jetson Orin Nano	7–15 W	DC-Rundstecker
Jetson Orin NX	10–25 W	DC-Rundstecker
Jetson AGX Orin	15–60 W	USB-C PD oder Rundstecker

Planen Sie Ihr Strombudget für die Dauerverarbeitung – die höchste Leistungsaufnahme tritt während des GPU-intensiven Threads 3 (Verarbeitung) auf.

Speicherempfehlungen

• NVMe-SSD wird für arm64-Bereitstellungen dringend empfohlen

• SD-Karten sind für die Verarbeitung zu langsam – verwenden Sie sie nur als Boot-Medium

• Planen Sie für die verarbeitete Ausgabe das 2- bis 3-fache der Größe Ihrer Rohbilddaten ein

Headless-Betrieb über SSH

Chloros CLI ist ideal für Headless-Jetson-Bereitstellungen:

# 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

Automatisierte Verarbeitung mit systemd

Erstellen Sie einen systemd-Dienst für die automatisierte Verarbeitung:

# /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

Kombinieren Sie diesen mit einem systemd-Timer für die zeitgesteuerte Verarbeitung:

# /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

---

Beispiel-Workflows

Grundlegende Jetson-Verarbeitung

#!/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 auf 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!")

Stapelverarbeitung mehrerer Flüge

#!/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

---

Empfohlene Jetson-Systeme für den Feldeinsatz

Für den Einsatz vor Ort und in der Luft sollten Sie diese Jetson Orin NX 16 GB Carrier-Board-Optionen in Betracht ziehen:

• Luftfahrt/Drohnen: Systeme mit Vibrationsfestigkeit (MIL-STD), geringem Gewicht (unter 300 g) und passiver Kühlung

• Robuster Feldeinsatz: Wasserdichte Gehäuse nach IP67/IP69K mit PoE-GigE-Kameraanschluss

• Minimal/Budget: Entwickler-Kits mit Zusatzgehäusen

Wenden Sie sich an den MAPIR-Support, um spezifische Hardware-Empfehlungen für Ihr Einsatzszenario zu erhalten.

---

Nächste Schritte

• Linux Installation — Allgemeine Details zur Linux-Installation

• Dynamic Compute Adaptation — Vollständige Referenz zur Rechenstrategie

• Verarbeitungspipeline – Die 4-Thread-Pipeline verstehen

• CLI : Befehlszeile – Vollständige CLI-Referenz

• API : Python SDK — Vollständige SDK-Referenz