Google 發布了一個 45 美元的 “AIY Vision Kit”，它是運行在樹莓派 Zero W 上的基于 TensorFlow 的視覺識別開發套件，它使用了一個帶 Movidius 芯片的 “VisionBonnet” 板。

為加速該設備上的神經網絡，Google 的 AIY 視頻套件繼承了早期樹莓派上運行的 AIY 項目[1] 的語音/AI 套件，這個型號的樹莓派隨五月份的 MagPi 雜志一起贈送。與語音套件和老的 Google 硬紙板 VR 查看器一樣，這個新的 AIY 視覺套件也使用一個硬紙板包裝。這個套件和 Cloud Vision API[2] 是不一樣的，它使用了一個在 2015 年演示過的基于樹莓派的 GoPiGo 機器人，它完全在本地的處理能力上運行，而不需要使用一個云端連接。這個 AIY 視覺套件現在可以 45 美元的價格去預訂，將在 12 月份發貨。

這個套件的主要處理部分除了所需要的 樹莓派 Zero W[3] 單片機之外 —— 一個基于 ARM11 的 1 GHz 的 Broadcom BCM2836 片上系統，另外的就是 Google 最新的 VisionBonnet RPi 附件板。這個 VisionBonnet pHAT 附件板使用了一個 Movidius MA2450，它是 Movidius Myriad 2 VPU[4] 版的處理器。在 VisionBonnet 上，處理器為神經網絡運行了 Google 的開源機器學習庫 TensorFlow[5]。因為這個芯片，使得視覺處理的速度最高達每秒 30 幀。

這個 AIY 視覺套件要求用戶提供一個樹莓派 Zero W、一個 樹莓派攝像機 v2[6]、以及一個 16GB 的 micro SD 卡，它用來下載基于 Linux 的 OS 鏡像。這個套件包含了 VisionBonnet、一個 RGB 街機風格的按鈕、一個壓電揚聲器、一個廣角鏡頭套件、以及一個包裹它們的硬紙板。還有一些就是線纜、支架、安裝螺母，以及連接部件。

有三個可用的神經網絡模型。一個是通用的模型，它可以識別常見的 1000 個東西，一個是面部檢測模型，它可以對 “快樂程度” 進行評分，從 “悲傷” 到 “大笑”，還有一個模型可以用來辨別圖像內容是狗、貓、還是人。這個 1000 個圖片模型源自 Google 的開源 MobileNets[7]，它是基于 TensorFlow 家族的計算機視覺模型，它設計用于資源受限的移動或者嵌入式設備。

MobileNet 模型是低延時、低功耗，和參數化的，以滿足資源受限的不同使用情景。Google 說，這個模型可以用于構建分類、檢測、嵌入、以及分隔。在本月的早些時候，Google 發布了一個開發者預覽版，它是一個對 Android 和 iOS 移動設備友好的 TensorFlow Lite[8] 庫，它與 MobileNets 和 Android 神經網絡 API 是兼容的。

除了提供這三個模型之外，AIY 視覺套件還提供了基本的 TensorFlow 代碼和一個編譯器，因此用戶可以去開發自己的模型。另外，Python 開發者可以寫一些新軟件去定制 RGB 按鈕顏色、壓電元素聲音、以及在 VisionBonnet 上的 4x GPIO 針腳，它可以添加另外的指示燈、按鈕、或者伺服機構。Potential 模型包括識別食物、基于可視化輸入來打開一個狗門、當你的汽車偏離車道時發出文本信息、或者根據識別到的人的面部表情來播放特定的音樂。

Movidius Myriad 2 處理器在一個標稱 1W 的功耗下提供每秒萬億次浮點運算的性能。在被 Intel 收購之前，這個芯片最早出現在 Tango 項目的參考平臺上，并內置在 2016 年 5 月由 Movidius 首次亮相的、Ubuntu 驅動的 USB 的 Fathom[9] 神經網絡處理棒中。根據 Movidius 的說法，Myriad 2 目前已經在 “市場上數百萬的設備上使用”。