Panduan NVIDIA Jetson

Chloros pada NVIDIA Jetson memungkinkan pemrosesan gambar multispektral di tepi jaringan — di lapangan, pada UAV, dan di instalasi terpencil. Chloros secara otomatis mendeteksi model Jetson Anda dan mengoptimalkan strategi pemrosesannya untuk perangkat keras Anda.

---

Model Jetson yang Didukung

Model	RAM	Strategi Pemrosesan	Penggunaan yang Direkomendasikan
Jetson AGX Orin	32-64GB bersama	GPU_PARALLEL (4 pekerja)	Kinerja maksimum, dataset besar
Jetson Orin NX	8-16GB bersama	GPU_PARALLEL (3 pekerja, 16GB) / GPU_SINGLE (8GB)	Rekomendasi utama untuk penerapan di udara dan lapangan
Jetson Orin Nano	8 GB bersama	GPU_SINGLE (1 pekerja)	Komputasi tepi tingkat pemula
Jetson Nano	4-8GB bersama	GPU_SINGLE (1 pekerja)	Tingkat pemula, dengan keterbatasan memori

Model Jetson lama (TX2, TX1, Xavier NX) mungkin tidak didukung. Kinerja akan bervariasi tergantung pada memori GPU yang tersedia dan kemampuan CUDA.

---

Persyaratan

• JetPack 6.x (disarankan versi terbaru)

• NVIDIA CUDA (termasuk dalam JetPack)

• Lisensi Chloros+ (diperlukan untuk akses ke CLI/SDK)

Instalasi

# 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

Untuk detail umum pemasangan Linux, lihat Pemasangan Linux.

---

Adaptasi Komputasi Dinamis pada Jetson

Chloros secara otomatis mendeteksi model Jetson Anda dan memilih strategi pemrosesan yang optimal. Tidak diperlukan penyesuaian manual.

Cara Kerjanya

Saat startup, Chloros melakukan profil sistem Anda:

1. Mendeteksi model Jetson melalui /proc/device-tree/model

2. Membaca memori GPU/bersama yang tersedia

3.Memilih strategi pemrosesan (GPU_PARALLEL, GPU_SINGLE, atau CPU_PARALLEL) 4. Menetapkan jumlah pekerja, jenis pipa, dan alokasi memori secara otomatis

Perilaku Per Model

Model Jetson	Strategi	Pekerja	Jalur	Konkuren
Jetson Nano 8GB	GPU_SINGLE	1	tiled_gpu (efisien memori)	Serialized
Jetson Orin Nano 8GB	GPU_SINGLE	1	tiled_gpu	Serial
Jetson Orin NX 8GB	GPU_SINGLE	2	tiled_gpu	Diserialisasi
Jetson Orin NX 16GB	GPU_PARALLEL	3	fused_gpu (jalur GPU penuh)	Bersamaan
Jetson AGX Orin 32-64GB	GPU_PARALLEL	4	fused_gpu	Bersamaan

Jetson Orin NX 16GB adalah pilihan ideal untuk penerapan di tepi jaringan — perangkat ini menerapkan strategi GPU_PARALLEL dengan 3 pekerja bersamaan, menghadirkan pemrosesan GPU paralel yang sesungguhnya dalam bentuk yang ringkas.

Perbedaan utama antar platform terletak pada memori. Sebuah Jetson Nano dengan memori bersama 8GB harus memproses gambar satu per satu menggunakan pendekatan tiled yang efisien memori, sementara Orin NX dengan 16GB dapat menjalankan 3 gambar melalui GPU secara bersamaan menggunakan pipa terpadu (fused pipeline) berkapasitas throughput lebih tinggi.

Untuk referensi adaptasi komputasi lengkap, lihat Adaptasi Komputasi Dinamis.

---

Manajemen Termal

Perangkat Jetson memiliki ruang termal yang terbatas, terutama dalam deployment tertutup atau di udara. Chloros mencakup pemantauan termal otomatis dan pembatasan kecepatan:

Suhu	Tindakan
< 70°C	Operasi normal — kecepatan pemrosesan penuh
70°C (Peringatan)	Mengurangi ukuran batch secara otomatis
80°C (Kritikal)	Pembatasan agresif — kurangi koncurrency
90°C (Matikan)	Hentikan pemrosesan GPU sepenuhnya — pendinginan diperlukan

Pastikan ventilasi dan pendinginan yang memadai untuk pemrosesan berkelanjutan, terutama di dalam wadah lapangan tertutup atau sistem udara. Pembatasan termal akan mengurangi throughput pemrosesan untuk melindungi perangkat keras.

---

Manajemen Memori

Perangkat Jetson menggunakan memori terpadu — GPU dan CPU berbagi RAM fisik yang sama. Ini berarti VRAM yang dilaporkan (misalnya, 15,3 GB pada Orin NX 16 GB) bukanlah memori GPU khusus; melainkan dibagi dengan sistem operasi dan proses lainnya.

Rekomendasi Ruang Tukar

Untuk dataset besar atau pemrosesan debayer Texture Aware, Chloros mungkin merekomendasikan pembuatan ruang tukar:

# 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

Perkiraan memori per gambar:

• Debayer standar: ~10 MB per gambar

• Debayer Texture Aware: ~15 MB per gambar

Chloros secara otomatis menghitung memori yang dibutuhkan berdasarkan ukuran dataset Anda dan memberi peringatan jika swap direkomendasikan.

OOM (Kehabisan Memori) Cadangan

Jika kondisi kehabisan memori terdeteksi selama pemrosesan:

1. Chloros secara otomatis mengurangi jumlah pekerja GPU

2. Beralih dari pipa fused_gpu ke tiled_gpu (lebih efisien memori)

3. Memproses terus dengan throughput yang berkurang daripada mengalami crash

---

Penerapan di Lapangan

Pertimbangan Daya

Model Jetson	Konsumsi Daya Tipikal	Catatan
Jetson Nano	5-10W	USB-C atau jack barrel
Jetson Orin Nano	7-15W	Jack barrel DC
Jetson Orin NX	10-25W	Jack barrel DC
Jetson AGX Orin	15-60W	USB-C PD atau jack barrel

Rencanakan anggaran daya Anda untuk pemrosesan berkelanjutan — konsumsi daya puncak terjadi selama Thread 3 (Pemrosesan) yang intensif GPU.

Rekomendasi Penyimpanan

• NVMe SSD sangat direkomendasikan untuk implementasi arm64

• Kartu SD terlalu lambat untuk pemrosesan — gunakan hanya sebagai media boot

• Rencanakan ruang 2-3 kali ukuran data gambar mentah Anda untuk output yang telah diproses

Operasi Tanpa Layar Melalui SSH

Chloros CLI ideal untuk deployment Jetson tanpa layar:

# 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

Pemrosesan Otomatis dengan systemd

Buat layanan systemd untuk pemrosesan otomatis:

# /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

Pasangkan dengan timer systemd untuk pemrosesan terjadwal:

# /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

---

Contoh Alur Kerja

Pemrosesan Jetson Dasar

#!/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 pada 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!")

Pemrosesan Batch Beberapa Penerbangan

#!/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

---

Sistem Jetson yang Direkomendasikan untuk Penggunaan Lapangan

Untuk penerapan di lapangan dan udara, pertimbangkan opsi papan penghubung Jetson Orin NX 16GB berikut:

• Udara/drone: Sistem dengan peringkat getaran (MIL-STD), ringan (di bawah 300g), pendinginan pasif

• Lapangan yang keras: Casing tahan air IP67/IP69K dengan konektivitas kamera PoE GigE

• Minimal/anggaran terbatas: Kit pengembang dengan casing tambahan

Hubungi Dukungan MAPIR untuk rekomendasi perangkat keras spesifik sesuai skenario penerapan Anda.

---

Langkah Selanjutnya

• Linux Instalasi — Rincian umum instalasi Linux

• Adaptasi Komputasi Dinamis — Referensi lengkap strategi komputasi

• Pipa Pemrosesan — Memahami pipa 4-thread

• CLI : Baris Perintah — Referensi lengkap CLI

• API : Python SDK — Referensi lengkap SDK