521.
DI-06-002 FORTEC Integrated Das 10,4" IoT-CP-AA104XL02-00 IoT Compact Panel ist eine fertige TFT Komplettlösung mit optisch gebondetem 10 Finger PCAP Touchscreen. Das transflektive Display ist auch bei
522.
049402 | conga-MA7/x6211E-8G UFS32 049411 | conga-MA7/i-x6425RE-8G UFS32 049412 | conga-MA7/i-x6212RE-4G UFS32 049420 | conga-MA7/J6425-16G UFS64 049421 | conga-MA7/J6413-8G UFS32
523.
auf einem leistungsstarken Intel ® Core™-i5-7300 (2,6GHz~3,5GHz) mit integrierter Grafikkarte, 8GB DDR4 Arbeitsspeicher und 120GB M.2Sata Festplatte. Dieser Panel PC eignet sich für anspruchsvolle Einsatzbereiche
524.
Prozessor (TDP 6 - 12W) Leistungsfähige Intel® UHD Grafik der 11. Generation Bis zu 32 GB Dual Channel DDR4 3200 MT/s Optional: UFS 2.0 On-Board Massenspeicher mit bis zu 512 GB Maße: 95x95 mm² Bestellinformationen:
525.
core Integrierter LPDDR5-Speicher mit 8 GB und 6400 MT/s Integrierter Neuralnetzwerk-Beschleuniger 1 x 4-Lane-MIPI-DSI, 2 x Single-Channel-LVDS oder 1 x Dual-Channel-LVDS 1 x USB 3.2, 2 x USB 2.0, 5 x UART
526.
sind an Ihre Anforderungen angepasste, kostenoptimierte Versionen verfügbar! Merkmale: integrierter 4-Draht resistiv Touch Controller Integrierte Backlight-Inverter-Ansteuerung Energiesparend, benötigt
527.
16GB 90AE0191M* | Jetson Orin NX 8GB 90AE0191M* | Jetson Orin Nano 8GB 90AE0191M* | Jetson Orin Nano 4GB * Artikelnummern variieren nach Optionen und Verpackung. Bitte sprechen Sie uns an.
528.
auf einem leistungsstarken Intel ® Core™-i5-7300 (2,6GHz~3,5GHz) mit integrierter Grafikkarte, 8GB DDR4 Arbeitsspeicher und 120GB M.2Sata Festplatte. Dieser Panel PC eignet sich für anspruchsvolle Einsatzbereiche
529.
auf einem leistungsstarken Intel ® Core™-i5-7300 (2,6GHz~3,5GHz) mit integrierter Grafikkarte, 8GB DDR4 Arbeitsspeicher und 120GB M.2Sata Festplatte. Dieser Panel PC eignet sich für anspruchsvolle Einsatzbereiche
530.
res mit Efficient-Cores Intel® UHD-Grafik 730/770 angetrieben durch Xe-Architektur PCI Express Gen 4/5 | USB 3.2 Gen 2x2 AI-Beschleunigung basierend auf Intel® Deep Learning Embedded Einsatzbedingungen
