Guida NVIDIA Jetson

Chloros su NVIDIA Jetson consente l'elaborazione di immagini multispettrali in locale — sul campo, su UAV e in installazioni remote. Chloros rileva automaticamente il modello Jetson in uso e ottimizza la strategia di elaborazione in base all'hardware.

---

Modelli Jetson supportati

Modello	RAM	Strategia di elaborazione	Uso consigliato
Jetson AGX Orin	32-64 GB condivisi	GPU_PARALLEL (4 worker)	Massime prestazioni, set di dati di grandi dimensioni
Jetson Orin NX	8-16 GB condivisa	GPU_PARALLEL (3 worker, 16 GB) / GPU_SINGLE (8 GB)	Raccomandazione principale per implementazioni aeree e sul campo
Jetson Orin Nano	8 GB condivisi	GPU_SINGLE (1 worker)	Elaborazione edge entry-level
Jetson Nano	4-8 GB condivisi	GPU_SINGLE (1 worker)	Livello base, con memoria limitata

I modelli Jetson legacy (TX2, TX1, Xavier NX) potrebbero non essere supportati. Le prestazioni variano in base alla memoria GPU disponibile e alle funzionalità CUDA.

---

Requisiti

• JetPack 6.x (consigliata l'ultima versione)

• NVIDIA CUDA (inclusa in JetPack)

• Licenza Chloros+ (richiesta per l'accesso a CLI/SDK)

Installazione

# 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

Per i dettagli generali sull'installazione di Linux, consultare Installazione di Linux.

---

Adattamento dinamico del calcolo su Jetson

Chloros rileva automaticamente il modello Jetson in uso e seleziona la strategia di elaborazione ottimale. Non è richiesta alcuna regolazione manuale.

Come funziona

All'avvio, Chloros esegue il profiling del sistema:

1. Rileva il modello Jetson tramite /proc/device-tree/model

2. Legge la memoria GPU/condivisa disponibile

3.Seleziona una strategia di elaborazione (GPU_PARALLEL, GPU_SINGLE o CPU_PARALLEL) 4. Imposta automaticamente il numero di worker, il tipo di pipeline e l'allocazione di memoria

Comportamento per modello

Modello Jetson	Strategia	Worker	Pipeline	Concorrenza
Jetson Nano 8GB	GPU_SINGLE	1	tiled_gpu (efficiente in termini di memoria)	Serializzato
Jetson Orin Nano 8GB	GPU_SINGLE	1	tiled_gpu	Serializzato
Jetson Orin NX 8 GB	GPU_SINGLE	2	tiled_gpu	Serializzato
Jetson Orin NX 16 GB	GPU_PARALLEL	3	fused_gpu (percorso GPU completo)	Concorrente
Jetson AGX Orin 32-64GB	GPU_PARALLEL	4	fused_gpu	Concorrente

Jetson Orin NX 16 GB rappresenta il punto di equilibrio ideale per l'implementazione edge: adotta la strategia GPU_PARALLEL con 3 worker simultanei, garantendo un'elaborazione GPU realmente parallela in un fattore di forma compatto.

La differenza fondamentale tra le piattaforme è la memoria. Un Jetson Nano con 8 GB di memoria condivisa deve elaborare le immagini una alla volta utilizzando un approccio a tessere efficiente in termini di memoria, mentre un Orin NX con 16 GB può elaborare 3 immagini contemporaneamente tramite la GPU utilizzando la pipeline fusa a throughput più elevato.

Per il riferimento completo sull'adattamento computazionale, consultare Adattamento computazionale dinamico.

---

Gestione termica

I dispositivi Jetson hanno un margine termico limitato, specialmente in implementazioni in ambienti chiusi o a bordo di velivoli. Chloros include il monitoraggio termico automatico e la limitazione della potenza:

Temperatura	Azione
< 70 °C	Funzionamento normale — velocità di elaborazione massima
70 °C (Avviso)	Riduzione automatica della dimensione del batch
80 °C (Critico)	Limitazione aggressiva — minore concorrenza
90°C (Spegnimento)	Arresto completo dell'elaborazione della GPU — raffreddamento richiesto

Garantire una ventilazione e un dissipatore di calore adeguati per un'elaborazione prolungata, specialmente in involucri da campo chiusi o sistemi aerei. La limitazione termica ridurrà la velocità di elaborazione per proteggere l'hardware.

---

Gestione della memoria

I dispositivi Jetson utilizzano la memoria unificata: la GPU e la CPU condividono la stessa RAM fisica. Ciò significa che la VRAM riportata (ad es. 15,3 GB su Orin NX 16 GB) non è memoria dedicata alla GPU, ma è condivisa con il sistema operativo e altri processi.

Raccomandazioni sullo swap

Per set di dati di grandi dimensioni o elaborazione debayer Texture Aware, Chloros potrebbe raccomandare la creazione di spazio di swap:

# 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

Stime di memoria per immagine:

• Debayer standard: ~10 MB per immagine

• Debayer Texture Aware: ~15 MB per immagine

Chloros calcola automaticamente la memoria richiesta in base alle dimensioni del set di dati e avvisa se è consigliabile lo swap.

Fallback OOM (Out of Memory)

Se durante l'elaborazione viene rilevata una condizione di memoria insufficiente:

1. Chloros riduce automaticamente il numero di worker della GPU

2. Passa dalla pipeline fused_gpu a quella tiled_gpu (più efficiente in termini di memoria)

3. Continua l'elaborazione a una velocità ridotta invece di arrestarsi

---

Implementazione sul campo

Considerazioni sull'alimentazione

Modello Jetson	Assorbimento tipico	Note
Jetson Nano	5-10 W	USB-C o jack cilindrico
Jetson Orin Nano	7-15 W	Jack cilindrico CC
Jetson Orin NX	10-25 W	Jack cilindrico CC
Jetson AGX Orin	15-60 W	USB-C PD o jack cilindrico

Pianificate il vostro budget energetico per un'elaborazione prolungata: il picco di assorbimento energetico si verifica durante il Thread 3 (Elaborazione), che richiede un uso intensivo della GPU.

Raccomandazioni relative allo storage

• SSD NVMe fortemente raccomandato per le implementazioni arm64

• Le schede SD sono troppo lente per l'elaborazione: utilizzatele solo come supporto di avvio

• Prevedete uno spazio pari a 2-3 volte la dimensione dei dati grezzi dell'immagine per l'output elaborato

Funzionamento headless tramite SSH

Chloros CLI è ideale per le implementazioni Jetson headless:

# 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

Elaborazione automatizzata con systemd

Creare un servizio systemd per l'elaborazione automatizzata:

# /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

Abbinarlo a un timer systemd per l'elaborazione programmata:

# /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

---

Flussi di lavoro di esempio

Elaborazione Jetson di base

#!/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 su 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!")

Elaborazione in batch di più voli

#!/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

---

Sistemi Jetson consigliati per l'uso sul campo

Per le implementazioni sul campo e aeree, prendete in considerazione queste opzioni di schede carrier Jetson Orin NX da 16 GB:

• Aeree/droni: sistemi con resistenza alle vibrazioni (MIL-STD), leggeri (meno di 300 g), raffreddamento passivo

• Ambiente esterno difficile: involucri impermeabili IP67/IP69K con connettività per telecamera GigE PoE

• Minimo/economico: kit di sviluppo con involucri aggiuntivi

Contattare MAPIR Supporto per consigli specifici sull'hardware in base al proprio scenario di implementazione.

---

Passi successivi

• Installazione Linux — Dettagli generali sull'installazione di Linux

• Adattamento dinamico della potenza di calcolo — Riferimento completo sulle strategie di calcolo

• Pipeline di elaborazione — Informazioni sulla pipeline a 4 thread

• CLI : Riga di comando — Riferimento completo su CLI

• API : Python SDK — Riferimento completo su SDK