瑞芯微-RV1109主板各参数介绍

                                          瑞芯微-RV1109主板分析

   
     
     
     
     

   
     
     
     
     

      
      
      
      
1
     
     
     
     

瑞芯微电子Rockchip（以下简称瑞芯微），瑞芯微电子成立于2001年，总部位于福州，在深圳、上海、北京、杭州、香港及台湾均设有分支机构，是中国专业的集成电路设计公司。
公司拥有一支以系统级芯片设计、算法研究为特长的研发团队，并获得多项国内外专利。为高端智能硬件、手机周边、平板电脑、电视机顶盒、工控等多个领域提供专业芯片解决方案。
AI人工智能技术与IoT物联网在实际应用中落地融合的“AIoT”是物联网发展的必然趋势，也是各大传统行业智能化升级的绝佳通道。瑞芯微RV1109芯片独特架构所包含的功能模块及各类接口，四大优势特性将高效赋能AIoT生态链及开发者对技术与场景匹配的需求。

RV1109视觉处理器规格：
CPU
•Dual core ARM Cortex-A7,1.2GHz
•RSIC-V 200MHz
NPU
•1.0Tops,support INT8/INT16
Memory
•32bit DDR3/DDR3L/LPDDR2/LPDDR3/DDR4/LPDDR4
•Support eMMC 4.51,SPI Flash，Nand Flash
•Support fast booting
Display
•MIPI-DSI/RGB interface
•1080P@60FPS
2D Graphics Engine
•Support rotation,x-mirror,y-mirror
•Support alpha blending
•Support scale down/up
Multi-Media
•5M ISP 2.0 with 3F HDR(Line-based/Frame-based/DCG)
•Support 2*MIPI CSI/LVDS/subLVDS
•DVP interface with BT.656/BT.1120
•H.264/H.265 encoder capability:
-2688x1520@30fps+1280x720@30fps
-3072x1728@30fps+1280x720@30fp
-2688x1944@30fps+1280x720@30fps
•5MH.264/H.265 decoder capability
External interface
•RGMI Iinterface with TSO network acceleration
•USB 2.0 OTG and USB 2.0 host
•Dual SDIO 3.0 interface for Wi-Fiand SD card
•8ch I2S with TDM/PDM,2chI2S
Availability
•2020Q1
•SMIC 14nm,FCCSP 0.65

产品规格对比

RV1109主板应用框图

RV1109优势和特点
软件定义摄像头：Fast Boot、双系统架构、SDK开源开放
AI算力高：NPU MAC利用率提升20%以上、DDR带宽减少30%、网络模型架构支持更丰富、配套AI算法
摄像头：2D+3D降噪、HDR、黑光全彩
占用空间小：低码率、低延迟编码、感知编码
听得清：内置HD AEC算法、支持麦克语音阵列
丰富的加解密引擎：支持TrustZone技术、支持多个密码引擎，含国密、支持安全OTP、支持安全启动、支持安全操作系统

RV1109图像通路介绍

自主研发AI ISP及相关HDR、3DNR等算法:

1. De-noise:2D/3D de-noise
2. 3F HDR 120Db
3. Sharpness & Contrast
4. 鱼眼校正：LDCH & Fisheye
5. ISP 三路输出
6. 支持特征点检测，用于后端AI处理

瑞芯微RKNN NPU优势
1 性能强大的NPU
1.1 嵌入式神经网络硬件加速，MAC利用率比上一代提升28%，DDR宽带减少30%
1.2可适应神经网络（例如11、N1、1*N、depth wise）中的各种滤波器（filter）形状和大小
1.3支持INT8、INT16，以原生方式支持神经网络优化技术，例如混合量化、修剪和模型压缩
2 异构计算
2.1 NN核支持卷积神经核全连接层
2.2 NPU内部的PPU单元，支持OpenCL/OpenVX API，用于自定义层的支持，减少同步时间
3 简单易用的模型转换工具
3.1 支持一键转换，支持Caffe/Tensor Flow/TF-Lite/ONNX/Keras/Darknet主流架构模型

NPU性能对比