MountAIn: Solarbetriebene IBEX-Kamera führt jetzt mit Roboflow trainierte Modelle aus
MountAIn zufolge verbindet die Software MountAIn Core nun die Roboflow-Community mit mehr als einer Million Entwicklern mit stromsparenden Mikrocontrollern, zunächst mit der solarbetriebenen Kamera IBEX. Entwickler können YOLO-Modelle in Roboflow trainieren und auf einer Kamera einsetzen, die ohne Stromnetz und ohne Netzwerkverbindung auskommt.
- MountAIn Core verbindet Roboflow-Nutzer jetzt mit stromsparenden Mikrocontrollern, zunächst mit der solarbetriebenen Kamera IBEX.
- Modelle vom Typ YOLO11n, YOLOv8n und YOLO26n lassen sich mit wenigen Zeilen Python nach IBEX exportieren; die Unterstützung für RF-DETR Nano soll bald folgen.
- Laut MountAIn senkt die Software den Speicherbedarf um das Dreifache und hält den Stromverbrauch auf Hardware von Alif Semiconductor unter 100 Milliwatt.
- In ersten Tests läuft ein YOLO-Nano-Modell auf IBEX mit bis zu 22 Bildern pro Sekunde.
- MountAIn plant, bis Ende 2027 1.000 IBEX-Geräte im Feld einzusetzen.
Roboflow-Modelle auf einem Mikrocontroller
Laut der Ankündigung laufen die meisten Vision-Modelle in der Cloud oder auf Linux-Kameras, was beides teuer wird, sobald aus einer Kamera tausend werden. Am 21. Oktober 2026 gab MountAIn bekannt, dass MountAIn Core Roboflow-Nutzer nun mit stromsparenden Mikrocontrollern verbindet, mit der IBEX-Kamera als erstem Ziel.
Entwickler können in Roboflow trainierte Modelle der Typen YOLO11n, YOLOv8n und YOLO26n mit wenigen Zeilen Python nach IBEX exportieren. Die Unterstützung für RF-DETR Nano soll bald folgen. MountAIn konzentriert sich zunächst auf Baustellen, Verkehrsüberwachung, kritische Infrastruktur und Logistik.
Vincent Huard, Mitgründer und CEO von MountAIn, sagte, das Unternehmen setze auf Roboflow, weil „keine andere Plattform so mit der Forschung Schritt hält wie diese“.
So arbeitet IBEX netzunabhängig
IBEX wurde vom Unternehmen MountAIn aus Grenoble für Standorte ohne Steckdose und oft ohne Mobilfunkempfang entwickelt. Die Kamera läuft mit einem Solarpanel und einer kleinen Batterie, verarbeitet Videos direkt auf dem Gerät und sendet per Satellit einen kurzen Alarm, sobald sie das Ereignis erkennt, auf das sie trainiert wurde.
Erster Anwendungsfall ist die Branderkennung. Seit Juli 2024 setzt ein Pilotprojekt im Süden Frankreichs IBEX ein, um Rauch von Waldbränden zu erkennen und Einsatzkräfte zu warnen, bevor sich Feuer ausbreiten. IBEX wurde zum Honoree der CES 2026 Innovation Awards gekürt. Betreiber können die Kamera auch darauf trainieren, Personen zu zählen, Wildtiere und Nutztiere zu verfolgen, Eindringlinge zu erkennen oder Hochwasserstände zu beobachten.
Die Herausforderung bei der Hardware ist der Stromverbrauch. Gerätehersteller mussten bisher zwischen Mikroprozessoren wählen, die komplexe Vision-Modelle bewältigen, dafür aber mehr Strom ziehen, und Mikrocontrollern, die wenig Strom brauchen, aber kaum Platz für KI lassen. MountAIn zufolge senken der Compiler, die Middleware und die Laufzeitumgebung von MountAIn Core den Speicherbedarf um das Dreifache und halten den Stromverbrauch auf Hardware von Alif Semiconductor unter 100 Milliwatt.
Denselben Stack bietet MountAIn Geräteherstellern auch über MountAIn Ready und MountAIn Onboard an, für Produkte von Smart-Kameras bis zu Smart Glasses.
Vom Labeln bis zum Einsatz
Jeder IBEX-Einsatz überwacht etwas anderes, in Szenen, die kein öffentlicher Datensatz abdeckt, daher braucht jeder ein Modell, das mit eigenen Bildern trainiert wurde. Kunden laden Bilder ihrer eigenen Kameras hoch, und das Auto-Labeling von Roboflow erstellt Entwürfe der Annotationen, sodass Menschen sie nur noch prüfen und korrigieren müssen. Jede Version eines Datensatzes hält ihre Vorverarbeitung fest, sodass ein Team nachvollziehen kann, welche Daten welches Modell trainiert haben. Das gehostete Training erspart das Einrichten von GPUs.
Das Python-Paket von Roboflow übergibt die trainierten Gewichte anschließend an MountAIn Studio, das sie für den neuronalen Prozessor der Kamera kompiliert und per USB aus demselben Skript bereitstellt. MountAIn Studio meldet die Genauigkeit nach jeder Compile-Stufe, sodass Teams sehen können, was die Quantisierung kostet, bevor ein Modell ausgeliefert wird.
Huard sagte, die meisten Kunden hätten kein Machine-Learning-Team, und Roboflow ermögliche es einem Embedded-Entwickler, „an einem Nachmittag Daten zu labeln, ein Modell zu trainieren und es an unseren Compiler zu übergeben“.
Erste Ergebnisse und Ausblick
In ersten Tests von MountAIn läuft ein in Roboflow trainiertes YOLO-Nano-Modell auf IBEX mit bis zu 22 Bildern pro Sekunde. Zeigen Felddaten eine Fehlerkennung, kann ein Team diese Bilder in Roboflow hinzufügen, das Modell neu trainieren und ein neues Modell auf die Kamera übertragen, ohne deren Firmware neu zu flashen.
MountAIn bereitet einen Einsatz zur Branderkennung in Kanada vor und plant, bis Ende 2027 1.000 IBEX-Geräte im Feld zu haben. Das Unternehmen hat eine Schritt-für-Schritt-Anleitung zum Einsatz von Roboflow-Modellen auf IBEX veröffentlicht, und Entwickler können über das Early Adopter Program Zugang zu MountAIn Studio anfragen.
Für Teams ohne Cloud-Anbindung oder Firmware-Spezialisten bietet die Kombination einen Weg von einem gelabelten Datensatz zu einer funktionierenden Fernkamera mit Werkzeugen, die sie womöglich schon kennen. Die Leistungsangaben stammen aus eigenen frühen Tests von MountAIn.
