Accélérateur Google Coral USB

Description

L'accélérateur Google Coral USB ajoute un coprocesseur d’intelligence artificielle Edge TPU à n’importe quel ordinateur disposant d’un port USB, Raspberry Pi compris. Branché en quelques secondes, il prend en charge l’inférence des modèles TensorFlow Lite et libère le processeur principal pour le reste des tâches.

Le cœur du boîtier est l’Edge TPU, un circuit spécialisé conçu par Google pour exécuter des réseaux de neurones avec une faible consommation. Il délivre jusqu’à 4 000 milliards d’opérations par seconde (4 TOPS en int8) pour environ 2 W, soit 2 TOPS par watt. À titre d’exemple, Google indique qu’un modèle de vision MobileNet v2 tourne à près de 400 images par seconde sur un seul Edge TPU.

Le traitement se fait entièrement en local : les images de vos caméras ne quittent pas votre réseau, la latence reste faible et aucune connexion Internet n’est nécessaire. C’est la raison pour laquelle cet accélérateur est très utilisé avec Frigate, le logiciel de vidéosurveillance open source qui détecte personnes, véhicules et animaux sur les flux de caméras IP.

Highlights

• Edge TPU Google : 4 TOPS en int8, 2 TOPS par watt, pour des inférences rapides à faible consommation.
• Connexion USB 3.0 Type-C (USB 3.1 Gen 1, 5 Gbit/s), câble USB-C vers USB-A fourni.
• Aucune carte d’extension à installer : il suffit d’un port USB libre, idéalement en USB 3.0.
• Multiplateforme : Linux (dont Raspberry Pi OS), macOS et Windows.
• Inférence 100 % locale, sans cloud, pour la confidentialité des images et une latence minimale.
• Prise en charge native par Frigate pour la détection d’objets en vidéosurveillance.
• Boîtier métallique compact avec voyant d’état et trous de fixation.

Technical specifications

• Accélérateur : Google Edge TPU (ASIC dédié à l’apprentissage automatique)
• Performances : 4 TOPS crête (int8), 2 TOPS par watt
• Modèles pris en charge : TensorFlow Lite compilés pour l’Edge TPU
• Interface : USB 3.0 (USB 3.1 Gen 1, SuperSpeed 5 Gbit/s), connecteur USB Type-C
• Câble fourni : USB Type-C vers USB Type-A, 30 cm
• Power supply : 5 V par le port USB, au moins 500 mA requis, pic de 900 mA à fréquence maximale
• Systèmes hôtes : Linux Debian 10 ou dérivé (x86-64, Armv7, Armv8), macOS 10.15, Windows 10
• Modes de fonctionnement : fréquence réduite ou fréquence maximale (deux fois plus rapide)
• Température ambiante maximale : 35 °C en fréquence réduite, 25 °C en fréquence maximale
• Dimensions : environ 65 x 30 x 8 mm
• Voyant : fixe lorsque l’Edge TPU est initialisé, pulsant pendant les calculs
• Références Google : G950-01456-01 / G950-06809-01 selon la région

Usage avec Frigate sur Raspberry Pi

Frigate analyse en continu les flux de vos caméras pour ne déclencher des enregistrements et des alertes que lorsqu’un objet pertinent apparaît. Sans accélérateur, cette détection repose sur le processeur du Raspberry Pi, qui atteint vite ses limites dès que l’on ajoute des caméras. Avec le Coral USB, l’inférence est confiée à l’Edge TPU : la documentation de Frigate indique un temps d’inférence de l’ordre de 10 ms, soit environ 100 détections par seconde.

La mise en place est simple. Frigate s’exécute dans un conteneur Docker sur Raspberry Pi OS 64 bits, et il suffit de déclarer le détecteur dans le fichier de configuration avec le type edgetpu et le périphérique usb, en donnant au conteneur l’accès au bus USB. Le décodage des flux vidéo reste à la charge du Raspberry Pi : pour un bon équilibre, utilisez un flux secondaire de résolution modérée pour la détection et réservez le flux principal à l’enregistrement.

Sur un Raspberry Pi 5, branchez l’accélérateur sur l’un des ports USB 3.0 bleus. Le courant disponible sur les ports USB dépend de l’alimentation : avec l’alimentation officielle 27 W, le Raspberry Pi 5 peut fournir davantage de courant à ses périphériques USB, ce qui est recommandé si vous utilisez aussi un disque USB pour les enregistrements.

Autres cas d’usage

• Classification d’images et détection d’objets en temps réel sur caméra.
• Comptage de personnes ou de véhicules, contrôle qualité visuel sur une ligne de production.
• Prototypage de produits d’IA embarquée avant un passage sur module Coral M.2 ou PCIe.
• Projets pédagogiques autour de l’apprentissage automatique sur Raspberry Pi.

Ce qu’il faut savoir

L’Edge TPU n’exécute que des modèles TensorFlow Lite quantifiés en int8 et compilés avec le compilateur Edge TPU. Google propose des modèles préentraînés prêts à l’emploi, et Frigate embarque déjà un modèle de détection adapté. Pour un usage hors Frigate, l’hôte doit disposer du runtime Edge TPU et de la bibliothèque correspondante.

Le mode fréquence maximale augmente la vitesse d’inférence mais aussi la consommation et l’échauffement : le boîtier peut alors devenir très chaud au toucher. Placez l’accélérateur dans un endroit aéré, hors de portée, ou restez en fréquence réduite dans un boîtier fermé.

Box contents

• 1 accélérateur Google Coral USB
• 1 câble USB Type-C vers USB Type-A de 30 cm

Frequently asked questions

Le Coral USB fonctionne-t-il sur Raspberry Pi 5 ?

Oui. Il se branche sur un port USB 3.0 du Raspberry Pi 5 et fonctionne sous Raspberry Pi OS 64 bits, notamment avec Frigate en Docker.

Quelle différence avec l’accélérateur Coral M.2 ?

Les deux utilisent le même Edge TPU. La version USB se branche sur n’importe quel ordinateur sans ouvrir la machine, tandis que la version M.2 s’installe dans un emplacement M.2 compatible et reste plus discrète une fois montée.

Combien de caméras peut-on gérer avec Frigate ?

Cela dépend de la résolution des flux de détection et de l’activité dans les images. Avec environ 100 détections par seconde, un seul Coral suffit pour plusieurs caméras ; sur Raspberry Pi, le décodage vidéo par le processeur devient généralement la limite avant l’accélérateur.

Faut-il une connexion Internet ?

Non. Toute l’inférence est réalisée localement sur l’Edge TPU, aucune image n’est envoyée vers un service en ligne.