NVIDIA Jetson-handleiding

Chloros op NVIDIA Jetson maakt multispectrale beeldverwerking aan de rand mogelijk — in het veld, op UAV’s en in afgelegen installaties. Chloros detecteert automatisch uw Jetson-model en optimaliseert de verwerkingsstrategie voor uw hardware.

---

Ondersteunde Jetson-modellen

Model	RAM	Verwerkingsstrategie	Aanbevolen gebruik
Jetson AGX Orin	32-64 GB gedeeld	GPU_PARALLEL (4 workers)	Maximale prestaties, grote datasets
Jetson Orin NX	8-16 GB gedeeld	GPU_PARALLEL (3 workers, 16 GB) / GPU_SINGLE (8 GB)	Primaire aanbeveling voor inzet in de lucht en in het veld
Jetson Orin Nano	8 GB gedeeld	GPU_SINGLE (1 worker)	Edge computing op instapniveau
Jetson Nano	4-8 GB gedeeld	GPU_SINGLE (1 worker)	Instapmodel, beperkt geheugen

Oudere Jetson-modellen (TX2, TX1, Xavier NX) worden mogelijk niet ondersteund. De prestaties variëren afhankelijk van het beschikbare GPU-geheugen en de CUDA-mogelijkheden.

---

Vereisten

• JetPack 6.x (nieuwste versie aanbevolen)

• NVIDIA CUDA (meegeleverd met JetPack)

• Chloros+ licentie (vereist voor toegang tot CLI/SDK)

Installatie

# 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

Zie Linux Installatie voor algemene informatie over de installatie van Linux.

---

Dynamische rekenaanpassing op Jetson

Chloros detecteert automatisch uw Jetson-model en selecteert de optimale verwerkingsstrategie. Handmatige afstemming is niet nodig.

Hoe het werkt

Bij het opstarten maakt Chloros een profiel van uw systeem:

1. Detecteert het Jetson-model via /proc/device-tree/model

2. Leest beschikbaar GPU-/gedeeld geheugen

3.Selecteert een verwerkingsstrategie (GPU_PARALLEL, GPU_SINGLE of CPU_PARALLEL) 4. Stelt het aantal workers, het pijplijntype en de geheugentoewijzing automatisch in

Gedrag per model

Jetson-model	Strategie	Werkers	Pijplijn	Gelijktijdigheid
Jetson Nano 8GB	GPU_SINGLE	1	tiled_gpu (geheugenefficiënt)	Gesequentialiseerd
Jetson Orin Nano 8GB	GPU_SINGLE	1	tiled_gpu	Geserialiseerd
Jetson Orin NX 8 GB	GPU_SINGLE	2	tiled_gpu	Geserialiseerd
Jetson Orin NX 16 GB	GPU_PARALLEL	3	fused_gpu (volledig GPU-pad)	Gelijktijdig
Jetson AGX Orin 32-64 GB	GPU_PARALLEL	4	fused_gpu	Gelijktijdig

Jetson Orin NX 16 GB is de ideale keuze voor edge-implementatie — het maakt gebruik van de GPU_PARALLEL-strategie met 3 gelijktijdige workers, waardoor echte parallelle GPU-verwerking wordt geboden in een compacte vormfactor.

Het belangrijkste verschil tussen de platforms is het geheugen. Een Jetson Nano met 8 GB gedeeld geheugen moet afbeeldingen één voor één verwerken met behulp van een geheugenefficiënte tiled-aanpak, terwijl een Orin NX met 16 GB 3 afbeeldingen tegelijkertijd via de GPU kan verwerken met behulp van de fused pipeline met hogere doorvoer.

Zie Dynamic Compute Adaptation voor de volledige referentie over compute-aanpassing.

---

Thermisch beheer

Jetson-apparaten hebben beperkte thermische ruimte, vooral bij inbouw- of luchtvaarttoepassingen. Chloros bevat automatische thermische monitoring en throttling:

Temperatuur	Actie
< 70 °C	Normale werking — volledige verwerkingssnelheid
70 °C (Waarschuwing)	Batchgrootte automatisch verkleinen
80 °C (Kritiek)	Agressieve beperking — lagere gelijktijdigheid
90 °C (Uitschakeling)	GPU-verwerking volledig stoppen — afkoeling vereist

Zorg voor voldoende ventilatie en warmteafvoer voor langdurige verwerking, vooral in gesloten behuizingen of systemen in de lucht. Thermische beperking vermindert de verwerkingsdoorvoer om de hardware te beschermen.

---

Geheugenbeheer

Jetson-apparaten maken gebruik van unified memory — de GPU en CPU delen hetzelfde fysieke RAM. Dit betekent dat het gerapporteerde VRAM (bijv. 15,3 GB op Orin NX 16 GB) geen speciaal GPU-geheugen is; het wordt gedeeld met het besturingssysteem en andere processen.

Aanbevelingen voor swapruimte

Voor grote datasets of Texture Aware-debayer-verwerking kan Chloros aanbevelen om swapruimte aan te maken:

# 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

Geheugenschattingen per afbeelding:

• Standaard debayer: ~10 MB per afbeelding

• Texture Aware debayer: ~15 MB per afbeelding

Chloros berekent automatisch het benodigde geheugen op basis van de grootte van uw dataset en waarschuwt u als swap wordt aanbevolen.

OOM (Out of Memory) Fallback

Als tijdens de verwerking een out-of-memory-situatie wordt gedetecteerd:

1. Verlaagt Chloros automatisch het aantal GPU-workers

2. Schakelt over van de fused_gpu-pijplijn naar de tiled_gpu-pijplijn (geheugenefficiënter)

3. De verwerking wordt voortgezet met een lagere doorvoer in plaats van dat het systeem crasht

---

Implementatie in het veld

Overwegingen met betrekking tot stroomverbruik

Jetson-model	Typisch stroomverbruik	Opmerkingen
Jetson Nano	5-10 W	USB-C of barrel-aansluiting
Jetson Orin Nano	7-15 W	DC-barrel-aansluiting
Jetson Orin NX	10-25 W	DC-barrel-aansluiting
Jetson AGX Orin	15-60 W	USB-C PD of barrel-aansluiting

Plan uw stroomverbruik voor langdurige verwerking — het piekvermogen wordt verbruikt tijdens de GPU-intensieve Thread 3 (verwerking).

Aanbevelingen voor opslag

• NVMe SSD wordt sterk aanbevolen voor arm64-implementaties

• SD-kaarten zijn te traag voor verwerking — gebruik ze alleen als opstartmedia

• Houd rekening met 2-3x de grootte van uw ruwe beeldgegevens voor de verwerkte output

Headless-werking via SSH

Chloros CLI is ideaal voor headless Jetson-implementaties:

# 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

Geautomatiseerde verwerking met systemd

Maak een systemd-service aan voor geautomatiseerde verwerking:

# /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

Koppel deze aan een systemd-timer voor geplande verwerking:

# /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

---

Voorbeeldworkflows

Basisverwerking met Jetson

#!/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 op 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!")

Batchverwerking van meerdere vluchten

#!/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

---

Aanbevolen Jetson-systemen voor gebruik in het veld

Overweeg voor implementaties in het veld en in de lucht deze Jetson Orin NX 16 GB-carrierboardopties:

• In de lucht/drone: systemen met trillingsbestendigheid (MIL-STD), lichtgewicht (minder dan 300 g), passieve koeling

• Robuust veldgebruik: IP67/IP69K waterdichte behuizingen met PoE GigE-cameraconnectiviteit

• Minimaal/budget: Ontwikkelaarskits met aanvullende behuizingen

Neem contact op met MAPIR Support voor specifieke hardwareaanbevelingen voor uw toepassingsscenario.

---

Volgende stappen

• Linux Installatie — Algemene details over de installatie van Linux

• Dynamic Compute Adaptation — Volledige referentie voor de rekenstrategie

• Verwerkingspijplijn — Inzicht in de 4-thread-pijplijn

• CLI : Opdrachtregel — Volledige CLI-referentie

• API : Python SDK — Volledige SDK-referentie