Google Coral

Google Coral était le cheval de trait silencieux des laboratoires IA à domicile. Un accélérateur USB ou M.2 bon marché, un conteneur Frigate et un Raspberry Pi pouvaient surveiller chaque caméra de la maison sans brûler le CPU. Puis Google a arrêté Coral. Les détaillants ont épuisé les stocks en 2025, et les dépôts logiciels n’ont pas eu de commit significatif depuis des mois. Les forums de laboratoires à domicile échangent des alternatives à Google Coral depuis lors, et la réponse n’est pas toujours « acheter une unité d’occasion sur eBay ».

Les sept choix ci-dessous couvrent les vrais remplaçants : les NPU dédiés expédiés en 2026, les runtimes logiciels qui permettent à un CPU Intel simple de faire le travail de Coral, et la pile NVR que la plupart des gens exécutent déjà. Chacun est jugé sur le coût par flux, l’intégration avec Frigate ou CodeProject.AI, et s’il survit à un flux de travail Docker-first.

Comparaison rapide

Solution Meilleur pour Niveau gratuit Coût de démarrage Caractéristique remarquable
Frigate + Intel iGPU (OpenVINO) Détection d’objets bon marché sur Intel N-series Logiciel gratuit ~$150 mini PC Zéro matériel supplémentaire
CodeProject.AI IA de sécurité domestique multi-backend Oui Gratuit, matériel optionnel Intégration Blue Iris et Frigate
Intel OpenVINO Runtime N’importe quel CPU Intel ou GPU Arc SDK gratuit Gratuit Fonctionne sur le matériel que vous possédez déjà
Hailo-8/8L NPU edge dédié, TOPS de classe Coral SDK gratuit ~$150 pour le module 26 TOPS sur M.2
Nvidia Jetson Orin Nano SBC complet avec inférence GPU JetPack gratuit ~$249 Kit de développement de bout en bout
ONNX Runtime Inférence multiplateforme sur n’importe quel matériel Gratuit Gratuit Un runtime pour chaque backend
Ultralytics YOLO Modèles modernes pour remplacer les anciens Coral Open source gratuit Gratuit Intégration directe Frigate

Pourquoi les gens abandonnent Google Coral

Les raisons s’accumulent rapidement une fois que Coral disparaît d’Amazon et Mouser.

Les alternatives

Frigate sur Intel iGPU (via OpenVINO) -- Meilleur pour la détection d'objets bon marché

Chaque CPU Intel N-series ou Core récent inclut une iGPU qui exécute les modèles OpenVINO assez rapidement pour plusieurs flux de caméra. Frigate récupère l’iGPU automatiquement une fois le détecteur OpenVINO configuré, et un mini PC de $150 gère quatre à six flux 1080p à détection 5 FPS sans transpirer. C’est la configuration que l’article XDA indique comme le remplacement direct de Coral.

Où il échoue : Les modèles les plus petits et les plus rapides d’OpenVINO (SSD MobileNet, YOLO-NAS quantifié) ne sont pas toujours aussi précis qu’un YOLOv10 frais s’exécutant sur une carte plus grande. Les anciens iGPU Intel (pré-11e génération) sont sensiblement plus lents.

Tarification :

Migration de Coral : Modifiez config.yml de Frigate, remplacez le détecteur edgetpu par openvino, tirez le modèle au format OpenVINO de la documentation Frigate, redémarrez. Les zones de caméra existantes, les sujets MQTT et les automatisations Home Assistant ne changent pas.

Télécharger : Frigate est open source et est livré en tant qu’image Docker. OpenVINO Runtime s’installe automatiquement via le conteneur Frigate.

Conclusion : La réponse par défaut pour quiconque possède un mini PC Intel de rechange et jusqu’à six caméras.

CodeProject.AI Server -- Meilleur pour Blue Iris et les backends mixtes

CodeProject.AI Server est le backend IA que la plupart des utilisateurs de Blue Iris associent à leur NVR, et il se connecte également à Frigate. Il supporte les modèles YOLOv5 et YOLOv8, la lecture de plaques d’immatriculation ALPR, la reconnaissance faciale et plusieurs accélérateurs matériels via un seul tableau de bord web. Fonctionne sur Windows et Linux, en Docker ou nativement.

Où il échoue : Le module Coral pour CodeProject.AI fonctionne toujours, mais l’accent du projet s’est déplacé vers les backends CPU, DirectML et CUDA. L’installateur Windows traîne parfois le chemin Docker Linux.

Tarification :

Migration de Coral : Installez CodeProject.AI, installez le module OpenVINO ou CUDA qui correspond à l’hôte, pointez Blue Iris ou Frigate vers l’URL CodeProject.AI. Aucune recompilation de modèle.

Télécharger : CodeProject.AI Server fournit les images Docker pour Linux et l’installateur natif pour Windows.

Conclusion : Le bon choix quand l’enregistreur vidéo numérique est Blue Iris sur Windows, ou quand la reconnaissance des plaques d’immatriculation est importante.

Intel OpenVINO Runtime -- Meilleur pour le matériel que vous possédez déjà

Intel OpenVINO transforme tout CPU Intel 8e génération ou ultérieur, tout GPU Intel Arc et tout Neural Compute Stick 2 en cible d’inférence. Le runtime est une seule bibliothèque Python ou C++, et il alimente le détecteur Frigate, CodeProject.AI et d’innombrables scripts personnalisés. Sur un CPU portable Intel Core i5-1240P, il atteint le débit de classe Coral sur le même modèle MobileNet SSD.

Où il échoue : OpenVINO est Intel uniquement. Les utilisateurs d’AMD Ryzen n’en tirent rien. Les cartes Arm (Raspberry Pi, Orange Pi) ont besoin d’un runtime complètement différent.

Tarification :

Migration de Coral : Convertissez les modèles TensorFlow Lite au format OpenVINO IR avec l’outil mo, ou prenez un modèle préconverti du zoo de modèles Frigate. Reconfigurez la config détecteur, redémarrez.

Télécharger : OpenVINO Runtime est disponible en tant qu’image Docker, package pip et installateur natif pour Windows et Linux.

Conclusion : L’option matériel zéro. Si la box enregistreur vidéo numérique s’exécute déjà sur Intel, installez OpenVINO en premier avant d’acheter quoi que ce soit d’autre.

Hailo-8 et Hailo-8L -- Meilleur pour la puissance NPU edge dédiée

Les modules Hailo sont l’analogue matériel le plus proche de Coral. Le Hailo-8L fonctionne à 13 TOPS sur un slot M.2 A+E pour à peu près le même prix que Coral commandait autrefois. Le Hailo-8 double cela à 26 TOPS. Les deux se branchent sur Frigate via le plugin détecteur Hailo communautaire et dans le SDK Hailo officiel pour le travail personnalisé.

Où il échoue : La configuration du SDK Hailo est plus lourde que l’histoire plug-and-play de Coral. Le Zoo de modèles Hailo couvre la plupart des architectures communes mais le pipeline de conversion nécessite de la pratique.

Tarification :

Migration de Coral : Achetez le module, installez le firmware et le SDK Hailo, remplacez le bloc détecteur Frigate par la variante Hailo, téléchargez le fichier modèle compilé. Les configurations de caméra ne changent pas.

Télécharger : Hailo Developer Zone expédie les SDK pour Ubuntu et les images de conteneur.

Conclusion : Meilleur choix quand Coral était déjà le plan mais le débit ou le choix du modèle doit croître.

Nvidia Jetson Orin Nano -- Meilleur pour SBC complet avec inférence GPU

Le kit de développeur Nvidia Jetson Orin Nano met un CPU Arm, un GPU Nvidia avec cœurs tenseur et Jetpack (une pile CUDA et TensorRT) sur une petite carte. Il exécute Frigate avec le détecteur TensorRT à des débits d’images très élevés, et il peut également héberger l’enregistreur vidéo numérique lui-même, donc Coral plus un Raspberry Pi s’effondrent en une seule unité.

Où il échoue : Coût initial plus élevé que l’USB Coral. L’image Jetpack est basée sur Ubuntu et nécessite un flashage plutôt qu’une installation du système d’exploitation simple. Les anciennes cartes Jetson Nano sont beaucoup plus lentes et doivent être évitées en 2026.

Tarification :

Migration de Coral : Réinstallez Frigate sur Jetpack, utilisez le détecteur TensorRT, convertissez les modèles au format du moteur TensorRT avec l’outil trtexec. Les flux de caméra et les intégrations Home Assistant restent inchangés.

Télécharger : Téléchargements Nvidia Jetson fournissent le SDK JetPack et les images préflashées.

Conclusion : Le chemin tout en un. Correctement quand la box enregistreur vidéo numérique elle-même est également prête pour le remplacement.

ONNX Runtime -- Meilleur pour un runtime sur chaque backend

ONNX Runtime est le moteur d’inférence multiplateforme de Microsoft. Il cible CUDA, TensorRT, DirectML, ROCm, CoreML et CPU avec une seule API. Frigate 0.14 a livré le support ONNX Runtime qui permet au même fichier modèle de s’exécuter sur un GPU Nvidia aujourd’hui, un GPU AMD la semaine prochaine et un CPU portable sur la route.

Où il échoue : ONNX Runtime est un runtime, pas un catalogue de modèles. Les utilisateurs ont toujours besoin d’un fichier modèle (YOLOv8, RT-DETR, MobileNet). Certaines optimisations expérimentales traînent les SDK spécifiques au fournisseur comme TensorRT.

Tarification :

Migration de Coral : Exportez le modèle actuel au format ONNX, changez le détecteur Frigate en onnx, redémarrez. Si l’hôte a un GPU, installez le fournisseur d’exécution CUDA ou ROCm.

Télécharger : ONNX Runtime est disponible sur PyPI, npm, NuGet et en tant que bibliothèques natives précompilées.

Conclusion : Le pari le plus sûr pour un laboratoire à domicile mixte où le calcul pourrait changer chaque année.

Ultralytics YOLO -- Meilleur pour les modèles modernes pour alimenter le runtime

Ultralytics YOLO expédie YOLOv8, YOLOv10 et YOLO11 avec une API Python qui exporte vers chaque runtime de cette liste. La précision de détection est bien devant les modèles MobileNet SSD plus anciens que Coral a expédiés, et les fausses alertes sur une configuration Frigate baissent sensiblement quand le modèle bascule.

Où il échoue : Ultralytics a changé sa licence en AGPL-3.0 pour les versions open source. Les déploiements commerciaux ont besoin de la licence Ultralytics payante. Certaines exportations quantifiées ont toujours besoin d’ajustement pour correspondre à la précision des originaux FP16.

Tarification :

Migration de Coral : Choisissez un modèle YOLO correspondant à l’hôte (YOLOv8n pour CPU, YOLOv8s ou plus pour GPU et NPU), exportez au format que Frigate attend, redémarrez le conteneur.

Télécharger : Ultralytics est sur PyPI et GitHub avec les poids et les outils d’exportation.

Conclusion : La source du modèle une fois le runtime réglé. La qualité de détection Frigate s’améliore souvent plus à partir d’un changement de modèle que d’un changement matériel.

Comment choisir

Choisissez Frigate sur Intel iGPU avec OpenVINO si l’enregistreur vidéo numérique est un mini PC et le nombre de caméras est inférieur à six. Chemin le moins cher, zéro matériel supplémentaire.

Choisissez CodeProject.AI Server si l’enregistreur vidéo numérique est Blue Iris sur Windows, ou si la configuration a besoin de reconnaissance faciale ou de plaques sans code glue supplémentaire.

Choisissez Intel OpenVINO Runtime sur tout hôte basé sur Intel comme point de départ avant de dépenser du nouveau matériel.

Choisissez Hailo-8 ou Hailo-8L quand Coral était le plan et le slot M.2 est libre. Même facteur de forme, beaucoup plus de calcul, activement maintenu.

Choisissez Nvidia Jetson Orin Nano quand la box enregistreur vidéo numérique elle-même est prête pour le remplacement et une SBC complète a du sens.

Utilisez ONNX Runtime comme couche d’abstraction si le matériel pourrait changer à nouveau dans un an ou deux.

Alimentez l’un des éléments ci-dessus avec les modèles Ultralytics YOLO lorsque le taux de fausses alarmes sur l’ancien zoo Coral commence à faire mal.

Restez sur Coral uniquement si les modules sont déjà installés et fonctionnent. Il n’y a pas de mise à niveau à acheter, et pousser la configuration vers une version Frigate plus récente continuera à fonctionner pendant des années. Ne commencez pas un nouveau laboratoire à domicile sur Coral en 2026.

FAQ

Google Coral est-il arrêté ? Oui. L’USB Accelerator Coral, le Coral M.2 Dual TPU et la Coral Dev Board sont en rupture de stock via les canaux de distribution de Google depuis fin 2024, et les dépôts logiciels sont devenus dormants.

Quelle est l’alternative la moins chère à Google Coral ? Frigate fonctionnant sur Intel iGPU avec OpenVINO. Le logiciel est gratuit et un mini PC Intel d’occasion coûte environ $100. Aucun accélérateur dédié requis.

Puis-je toujours acheter un Coral USB Accelerator ? Uniquement via des places de marché tierces à des prix gonflés. L’achat d’occasion en 2026 n’est pas recommandé quand les chemins Hailo-8L, Jetson Orin Nano et Intel iGPU coûtent pareil ou moins.

Frigate supporte-t-il les alternatives à Coral ? Oui. Frigate 0.14 et versions ultérieures expédient les détecteurs pour OpenVINO, TensorRT, ONNX Runtime, Hailo et ROCm. L’échange est un changement de fichier de configuration.

Quel est le meilleur NPU pour les caméras de sécurité en 2026 ? Hailo-8 pour un accélérateur enfichable (slot M.2, 26 TOPS) ou Nvidia Jetson Orin Nano quand l’ensemble de la box enregistreur vidéo numérique est prête pour le remplacement. Les deux sont activement maintenus et couvrent les architectures de modèles modernes que Coral ne le fait pas.

Dois-je réentraîner mes modèles ? Non. Les modèles TensorFlow Lite ou ONNX existants peuvent être exportés vers le runtime cible. Certains backends préfèrent la quantification INT8, qui nécessite une passe d’étalonnage mais ne nécessite pas un réentraînement à partir de zéro.