- 博客(179)
- 收藏
- 关注
RSS订阅原创 1828 工业检测方案详解：工业异常检测应用
本文详解RK1828开发指南中工业表面缺陷检测完整案例：基于PatchCore+DINOv3-S的异常检测应用，仅需良品样本训练，通过浏览器界面实现热力图可视化检测。部署需四步：推送文件、准备数据集、安装依赖（补装torch等ML库）、修正路径后启动。虽轻量高效（45M），但存在依赖缺失与脚本路径错误等工程坑，需手动修复。案例展示边缘AI落地全流程，凸显算力之外环境配置的重要性。
2026-10-28 09:30:00
575
原创 182X 模型转换详解：从 PC 模型到板端 NPU 运行全流程
到这里，开发指南的主线走完了：Agent 平台跑起来（篇①）、九个技能即说即用（篇②）、模型调用与转换（篇③④）——从用现成的，到做自己的。模型能转能跑之后，就该看真实场景了。系列下一篇进案例演示：工业异常检测，PatchCore 算法检测瓶体气泡、金属划痕这类表面缺陷。
2026-10-26 15:00:34
198
原创 182X 模型调用详解：像调云端 API 一样用 OpenAI 接口跑板端模型
三种调用方式覆盖了平台使用的主要场景：测性能、接应用、直接聊。接口是固定的，模型是可换的——这篇讲的调用方法，换成 Model Zoo 里任何一个模型（Qwen2.5、Qwen3-4B……）或者你自己转的模型（篇④），照用不误。想跑自己的模型？下一篇《模型转换》。
2026-10-23 14:02:11
169
原创 SKILL 开发详解：给 182X Agent 写一个自定义技能
上一篇把 OpenClaw + ClawChips 跑通了：QQ 是入口，端云路由是调度，NPU 是本地算力。但框架只是壳，它具体能干什么活，取决于装了哪些 SKILL。ClawChips 内置了一系列基于 RK182X 模组运行的算法 SKILL——定时提醒、早安播报、图片识别、OCR 文字提取、多智能体巡检——不用写代码，在 QQ 机器人对话里说一句话就能触发。这篇把九个技能过一遍：每个是什么、怎么说、依赖什么。本章完整文档：《SKILL 使用手册》
2026-10-22 17:39:30
395
原创 182X 端云协同方案详解：部署你的本地 AI Agent 主机
前几篇把 M5-182X-A1 点亮、把开发环境逐项验收完了。环境就绪之后，这块板子能当什么用？答案写在 wiki 的开发指南里：它是一台 AI Agent 主机。板端跑着 OpenClaw——一个全功能的开源 Agent 框架，接上 QQ 就是一个随叫随到的机器人助手；ShiMetaPi 在它基础上做了 RK3588 + RK182X 平台适配，这套适配叫 ClawChips。这篇讲清楚它是什么、怎么配、怎么验证在跑。
2026-10-20 18:01:06
266
原创 M5-182X-A1 环境搭建：从交叉编译到链路验收
RK182X 是协处理器，板子能开机不代表能开发——真要在上面做 AI 应用，PC 端要装工具链，板端要确认驱动、固件和服务，最后还得验证"PC 编译 → 传板 → 运行"这条链路是通的。这篇就做这三件事，每一步都给验证命令，做完你手里的环境是验收过的，不是"应该能用"。到这里，PC 端和板端的环境都验收过了，部署链路也是通的。环境就绪之后的事——模型怎么转、应用怎么写——wiki 后续的开发指南、SDK 参考、硬件参考等章节会逐步展开，模型上板的实测也会单独成篇，用真机数据说话。
2026-10-17 16:42:28
343
原创 M5-182X-A1 开箱：驱动、烧录、自检、点亮板卡
182X到手第一件事，是吧系统先跑起来。这篇记录一下 M5-182X-A1 的上手过程，从拆箱、烧录镜像，到进入 Debian 12 桌面，再做一次简单的硬件检查。整个过程顺利的话，半小时左右就能完成。
2026-10-16 10:05:38
209
原创 新品发布 | ShiMetaPi -182X：RK3588+RK1828 双芯主板，7B 大模型本地推理
M5-182X-A1 已接入 ShiMetaPi 生态平台。依托平台，识别类大模型的训练门槛将进一步降低，应用开发也可以直接在平台上完成。这部分能力，我们将在后续文章中专篇介绍——它会改变这块板子的使用方式。后续还有更多围绕 M5-182X-A1 的开发教程、实测数据与案例演示，将在本公众号陆续发布。点击关注，第一时间获取更新。
2026-10-13 17:57:32
321
原创 GK7206 GPIO 控制实战：libgpiod 字符设备驱动呼吸灯（Pico-G1 外设 1）
本文介绍Linux GPIO子系统及其新旧控制方式。旧的sysfs接口（/sys/class/gpio）已不推荐，现统一使用基于字符设备的gpiochip接口（如/dev/gpiochip1）。通过libgpiod库封装ioctl调用，实现用户空间对GPIO的标准化操作。文中以呼吸灯应用为例，展示如何使用GPIO_GET_LINEHANDLE_IOCTL申请引脚、GPIOHANDLE_SET_LINE_VALUES_IOCTL控制电平。同时对比了sysfs方式的导出与控制流程，强调新接口在可移植性与性能上的
2026-09-15 15:01:08
51
原创 一台解决无人机反制、动对动、夜间感知的事件相机：不是EVS，而是HVS
HVS（Hybrid Vision Sensor，融合视觉感知） 把传统图像（APS）与事件（EVS）融合在同一片像素阵列里，是锐思智芯区别于"纯事件相机"的核心差异点。HVS 不是"两个传感器拼在一起"，而是同一片像素阵列中的每个像素，同时具备图像采样链路与事件检测电路。因此一颗芯片能同时输出：APS 图像流：传统整幅图像帧（RAW），带纹理与色彩EVS 事件流：异步事件 (x, y, p, t)，记录像素级亮度变化两路在像素级、微秒级时间同步——没有视差，也不需要事后对齐。
2026-09-10 09:56:51
288
原创 像素越小画质越差？神经ISP说：0.35μm也能分辨率翻倍
智能手机的潜望式长焦镜头这几年卷得厉害——3倍、5倍、10倍光学变焦，参数越来越夸张。但如果你是做安防摄像头的工程师，你面对的现实要骨感得多：Sensor像素间距已经做到了0.7μm甚至更小，而镜头的物理口径受限于模组体积，根本无法提供匹配的解像力。这就是所谓的长焦“物理墙”——当像素间距缩小到亚微米量级，光学系统的几何像差成为了不可逾越的瓶颈。点扩散函数（PSF）在Sensor平面上弥散，相邻像素采样到的其实是同一份模糊信息。像素做小了，分辨率却没上来。传统ISP对此无能为力。
2026-09-01 15:12:28
322
原创 灵光3号：双模态融合，重新定义仿生视觉工业级
<think>我们需根据内容生成≤150字的文章摘要。摘要应涵盖核心：灵光3号是国产融合事件相机，采用长焦+EVS+APS双模态、锐思智芯芯片，解决传统相机在动对动、极端光照下的问题，适用于低空经济、无人机反制等，已获高校采用。要简洁。注意字数限制。</think>灵光3号（CF-LRS2）是国产融合事件相机，采用长焦镜头、EVS+APS双模态及锐思智芯ALPIX-Eiger芯片，实现1000fps事件流与100dB动态范围，解决传统帧式相机在动对动、极端光照下的物理瓶颈，适用于低空
2026-09-01 15:10:48
315
原创 无人机“动对动“检测数据集 M²E-UAV 解读：事件相机路线可行性分析
解读基于论文 arXiv:2605.10496（v2, 2026），所有定量数据严格引自论文表格。
2026-08-28 16:06:44
385
原创 事件相机模组化，商业化落地的必要性！
事件相机真正融入开发板生态，关键从来不是“某一次成功的适配案例”，而是“是否具备跨平台持续扩展的工程能力”。单一平台的适配，只能证明“事件相机能在某款开发板上用”；而可持续扩展的工程路径，才能证明“事件相机能在工程场景中长期用、灵活用”。我们聚焦的，正是这条能支撑多场景、多平台、长期落地的适配路径——让事件相机真正成为开发板生态中“无需纠结适配、可自由扩展”的标准化感知组件。
2026-08-21 15:54:54
315
原创 GK7206 驱动模块部署与 SD 卡挂载：ko 加载与分区挂载实战（Pico-G1 快速入门 8）
在source/kernel/linux-5.10.y/drivers/misc/Makefile合适的位置加上这一行，意思是如果配置打开了 CONFIG_HELLODRV，就进入 hellodrv/ 这个目录继续编译。在source/kernel/linux-5.10.y/drivers/misc/Kconfig合适的位置加上这一行，意思是drivers/misc/hellodrv/Kconfig 里面还有一个新的配置项，要把它读进来。在板子上生成一个设备节点，比如 /dev/hellodrv。
2026-08-21 15:52:19
191
原创 AI-ISP 重构安防 IPC：中小厂商的选型与成本路径（GK7206 方案解析）
安防 IPC 市场这几年并不冷。智能家居、电池摄像头、可视门铃——几个品类持续扩张，蛋糕在变大。但吃蛋糕的方式没变。Sensor、镜头、补光灯，上游供应链高度集中，来去就那几家供应商。方案商拿到的物料清单高度趋同，做出来的产品自然大同小异。白天画质拉不开差距——同样的 Sensor、同样的镜头规格、同样的 ISP 管线，参数表上的数字差不多。功能也差不多——移动侦测、报警推送、云存储，你能做的别人也能做。甚至连晚上的红外黑白画面都差不多——同样的补光灯方案，同样的 IR-Cut 切换逻辑。
2026-08-19 15:34:15
362
原创 GK7206 SDK 目录结构详解：从源码到 helloworld 部署进 rootfs（Pico-G1 实战 7）
out/目录在首次编译后才会生成，存放所有编译产物。cfg.mk是当前选择的板级配置文件，决定了编译的目标硬件。二、部署第一个应用程序接下来介绍如何在 Pico-G1 开发板上编写一个"hello word"引用程序、并将其编译进rootfs根文件系统中，烧录并运行应用程序，完成从源码编写到板端运行的完整流程。
2026-08-19 15:11:33
55
原创 事件相机落地难？EVS模组重塑工程化路径，告别“实验室专属”
事件相机有多强？低延迟、高动态范围、对快速变化超敏感——这些优势在论文里被反复验证，堪称解决无人机避障、机器人导航、自动驾驶感知难题的技术潜力股。可现实却是：它常年待在实验台、论文和研究项目里，量产设备中难觅踪影。难道事件相机天生就只能做"实验室宠儿"，成不了"工程刚需"？答案恰恰相反：这不是技术能力配不上需求，而是它的"使用路径"从一开始就走偏了。
2026-08-17 15:28:16
761
原创 GK7206 文件传输实战：TFTP/NFS/SD 卡三种方式对比（Pico-G1 快速入门 6）
SCP（Secure Copy）是一种基于 SSH 的安全文件传输方式，可用于在电脑与 Pico G1 设备之间复制文件或目录。传输过程加密，更安全不需要额外安装复杂服务适合快速上传下载文件支持 Windows、Linux 和 macOS通常只要设备已经开启 SSH 服务，并且电脑能够通过网络访问设备，就可以直接使用 SCP。
2026-08-17 11:03:40
221
原创 PICO-G1 AI模型部署指南：运行你的第一个视觉模型
在上一篇文章中，我们已经完成了从数据上传、数据标注到模型训练的完整流程，并成功获得了属于自己的 AI 视觉模型。训练完成只是第一步，真正让 AI 发挥作用，还需要将模型部署到设备中进行推理运行。如果你已经完成模型训练，那么接下来跟随本文操作，5分钟即可让你的第一个自训练视觉模型真正运行起来。
2026-08-14 15:53:09
212
原创 黑光全彩为什么必须在Raw域降噪？——DeepISP的联合优化遗产
安防监控的黑光全彩场景面临一个被反复低估的技术挑战：不是"噪声太多"，而是"噪声被Demosaic（去马赛克）放大了之后，再去降噪已经晚了"。理解这个问题需要回到CMOS传感器的物理结构。Bayer阵列的传感器在每个像素位置只安装一种颜色的滤光片——R（红）、G（绿）或B（蓝）。这意味着传感器的原始输出不是"不完整的三通道彩色图像"，而是一个单通道、马赛克状的灰度阵列。将这份数据转换为人类和机器可以理解的RGB彩色图像，必须经过Demosaic——根据周围像素的信息，插值出每个像素缺失的另外两个通道。
2026-08-14 10:33:54
359
原创 明明是 “感知神器”的事件相机，为啥一直在实验室吃灰？
我们之所以选择从“形态”入手做产品设计，而非单纯堆叠感知参数，核心判断是：事件相机的技术优势早已被验证，工程化的核心瓶颈不是“感知能力不够”，而是“进入系统的方式不对”。学术研究关注“能看到什么”，工程落地关注“能怎么用”。相比追求更高的分辨率、更多的功能，让事件相机更自然地融入系统、被真实使用，才是推动其工程化的关键一步。模组化，不是事件相机的终极形态，而是它从“研究设备”走向“工程产品”的必要转折。
2026-08-12 15:34:55
337
原创 GK7206 网络配置实战：SSH 登录与静态 IP 设置（Pico-G1 快速入门 5）
Pico-G1 当前系统仅支持通过有线以太网（Ethernet）方式进行网络连接，不支持 Wi-Fi、USB 网络或其他无线通信方式。设备通过板载 Ethernet 接口（eth0）与外部网络（如路由器或交换机）进行通信，实现局域网接入及互联网访问能力。
2026-08-12 15:32:31
209
原创 不懂AI算法，也能训练自己的视觉模型让嵌入式开发者快速打造端侧AI应用
过去几年，嵌入式设备的发展重点一直围绕：更强的芯片性能、更低的功耗、更稳定的系统运行。随着AI技术加速渗透进各类终端设备，市场和用户对产品提出了全新的要求：设备不再只是‘执行命令’的工具，更需要具备‘理解意图’的能力。对于嵌入式开发者来说，硬件、驱动、系统这些环节并不是陌生领域。但当设备需要具备视觉理解能力时，开发者往往会遇到新的挑战：如何训练一个适合自己业务场景的 AI 模型？
2026-08-11 18:07:34
649
原创 GK7206 系统登录实战：串口/SSH 登录与 Uboot 常用命令（Pico-G1 快速入门 4）
本章节以MobaXterm软件为例，介绍如何通过串口、SSH登录 Pico-G1 开发板，进入 Linux 命令行终端进行开发调试。
2026-08-07 18:04:58
255
原创 GK7206 镜像烧录实战：USB Type-C 一键烧录与启动验证（Pico-G1 快速入门 3）
本文档主要介绍FastBurn工具的烧录功能。
2026-08-05 14:26:30
167
原创 GK7206 SDK 镜像编译实战：环境配置与 make 全流程（Pico-G1 快速入门 2）
本章节详细介绍如何配置SDK、编译Boot、内核以及根文件系统镜像。SDK支持一键整体编译，也支持单独模块的独立编译，以适应不同的开发调试需求。说明本SDK提供make工具和run.sh脚本两种编译方式。
2026-08-03 17:42:13
186
原创 GK7206 开发环境搭建：Ubuntu 交叉编译工具链配置（Pico-G1 快速入门 1）
由于目标机（ShiMetaPi-Pico-G1）资源有限，无法运行开发和调试工具，因此在性能强大的宿主机上进行程序的编译、链接和定位，生成可执行文件后，再烧写到目标机中运行，即采用"宿主机+目标机（评估板）"的交叉编译模式。典型的开发环境由以下部分组成，并处于同一网络中：Linux服务器：作为交叉编译环境，完成SDK的编译与构建。Windows工作台：通过Mobaxterm等SSH客户端工具远程登录Linux服务器进行开发，并通过串口/网口/USB与目标板连接，用于运行调试工具、烧写软件。
2026-07-29 15:05:05
238
原创 极暗视频的时序魔咒：帧间闪烁如何打破？Seeing Motion in the Dark的解法
2018年CVPR上的"Learning to See in the Dark"（SID）让学术界为之一振：用深度学习把近乎全黑的RAW图像恢复成清晰照片，效果惊艳。但论文的演示只针对单张静态图像——当你把同样的方法逐帧应用于视频时，灾难出现了。帧间闪烁（flickering）。每一帧独立通过网络处理后，帧与帧之间的亮度、色彩、噪声模式会出现随机波动。人眼对这种时序不一致极为敏感：静态场景看起来像在呼吸般明暗交替，移动物体周围会出现色彩闪烁的伪影。比起一张暗的图片，一段闪烁的视频更让人难以忍受。
2026-07-25 13:58:47
346
原创 ShiMetaPi Pico-G1：不止AI-ISP，这块Pico开发板还有更多的玩法
ShiMetaPi 开源社区以 AI 落地为核心目标，为社区用户提供在线服务。平台上集成了在线标注、模型训练、模型转换、模型部署和模型分享的全流程工具，全程在线操作，无需配置本地训练环境。即使没有 AI 训练经验的用户，也可以通过平台引导自主完成从数据准备到模型部署的完整链路。
2026-07-20 13:26:57
210
原创 ShiMetaPi Pico-G1：百元级黑光全彩AI ISP开发板
学术圈也在验证这条路。四川大学团队 2025 年发在 Information Fusion 上的 SPFNet，在极低照度（真实场景照度低于 0.01 lx）下，相比传统 RGB 成像，PSNR 平均提升超 7.87 dB，SSIM 提升 0.25。Rockchip 的 RV1126B-P 带着 3TOPS NPU 做 AI-ISP，Novatek 的 NT98539G 给到 3.0TOPS 算力，TP-LINK 也推出了硬件级 AI-ISP 引擎。一根 USB Type-C，供电、烧录、调试全搞定。
2026-07-18 16:55:50
288
原创 黑光全彩的核心难题：噪声淹没信号时，ISP还能信什么？
安防行业有一句老话："白天拼分辨率，晚上拼补光。"这句话背后是一个无法回避的物理事实——在照度低于0.01 lux的极暗环境下，CMOS传感器接收到的有效光子数量已经逼近读出噪声的量级，信噪比（SNR）趋近于零。这不是算法不够好，而是信号本身已经不存在了。传统ISP的设计范式建立在一个隐含假设之上：输入数据中存在可辨识的信号，ISP的任务是对信号进行增强、校正、美化。这一假设在照度充足时完全成立，但在黑光场景下彻底失效。
2026-07-16 14:16:06
360
原创 ShiMetaPi Pico-G1 是什么：百元级AI ISP开发板完整介绍
Pico-G1 基于国科微 GK7206V1 系列芯片，由 ShiMetaPi 开发板团队设计封装成可量产的参考设计。2025 年下半年正式发布，2026 年初规模量产，覆盖单目枪机、球机、双目枪球、长短焦、广角拼接、上下拼接等多种产品形态[1]。资料完善： SDK 提供从开箱到开发的完整文档，包括镜像编译、快速入门、MPP 媒体开发、NPU 与 AI、AI 降噪 (AI_NR)、区域运动检测、MTCNN 人脸检测、ISP 开发参考等八个模块。
2026-07-13 17:36:13
455
原创 事件相机商业化落地的 “最后一道关键门槛”
基于对商业化痛点的判断，我们在推进事件相机模组化的同时，将轻量化与成本优化作为核心设计目标——这不是孤立的两项优化，而是重构事件相机商业化路径的关键组合。我们的核心逻辑是“合理分工、精准匹配”：• 模组化解决“工程接入”问题：提前完成与计算平台的适配，让事件相机能直接嵌入系统；• 轻量化解决“移动部署”问题：通过职责划分剥离冗余，满足体积、重量、功耗的硬性约束；• 成本优化解决“量产落地”问题：裁剪冗余配置，让事件相机能进入量产BOM清单。
2026-07-10 18:10:42
210
原创 免适配，仅重31g的EVS事件相机，“降价” 90%！
事件相机（Event Vision Sensor，EVS）是一款颠覆传统视觉传感器逻辑的 “黑科技”—— 它和传统相机的核心差异，在于 “不拍连续帧，只捕变化点”。传统相机以固定帧率输出完整图像，哪怕画面静止也会持续产生数据；而事件相机完全 “按需工作”：只有当像素亮度发生变化时，才会异步输出 “事件” ，每个事件都精准记录 “变化的时间、位置、明暗极性”。这种独特机制，让它天生具备三大核心优势：极低感知延迟（微秒级响应，无运动模糊）；超强环境适应性（ 高动态范围，无惧强光 / 暗光切换）；
2026-07-10 17:36:22
399
原创 GK7206 AI-IPC 四大应用场景方案：单目枪机/球机/双目枪球/广角拼接
做一个能自动检测人形、录像存储、RTSP 远程查看的智能安防摄像头。这是 Pico-G1 最"原教旨"的用法——IPC 就该干 IPC 的事。做一个能识别来人身份、AOV 常在线、检测到人脸自动抓拍推送的智能门铃。做一个支持 WDR 宽动态、循环录制、碰撞/运动检测自动锁存关键片段的记录仪。做一个基于 AI 的产品分类或缺陷检测原型，MIPI 直连工业相机 Sensor，GPIO 输出分拣信号控制外部执行机构。
2026-07-08 16:17:03
359
原创 AI ISP：AI 摄像头开发板真正的分水岭，一块为开发者打造的开发板
如果你是一个喜欢捣鼓硬件的开发者，你可能对各种"能跑AI的板子"有个大概的心理价位。树莓派4B四百多，还没算摄像头和NPU——AI推理全靠CPU硬算，人脸检测个位数帧率。Jetson Nano性能够了，但千元起步，功耗7-15W，接电池基本别想。ESP32-CAM十几块钱，但那是MCU，没有Linux，没有NPU，所谓的AI基本只能推图到云端。作为一个想玩AI摄像头的人，你大概希望有这么个东西：几百块、有NPU、能接Sensor、暗光下画面能看、SDK拿来就能跑。过去这个价位是空白的。
2026-07-06 13:24:02
217
原创 GK7206V1：从AI ISP到芯片，一颗百元级深度学习降噪芯片的诞生（下）
上篇讲了AI ISP为什么要在Bayer Raw域做降噪、为什么深度学习能解决传统算法无法逾越的噪声/信号分离问题。两条线索汇在一起，指向同一个命题：这些理论怎么变成一颗能跑在摄像头上、能在暗光下输出彩色画面、每帧不超过66毫秒的芯片。这篇我们从芯片工程的角度，把这颗GK7206V1拆开看。
2026-07-03 13:39:13
450
原创 GK7206V1：从AI ISP到芯片，一颗百元级深度学习降噪芯片的诞生（上）
AI ISP不是什么神秘概念。它是在传统ISP固定硬件管线中嵌入深度学习模块的一种架构。要理解为什么这样设计有价值，得先回到传统ISP的流水线上看一看。传统ISP 是一套串联工序。光从场景反射，穿过镜头，打到CMOS Sensor上，芯片开始工作。Sensor输出的是Bayer Raw——一种每个像素只记录R、G、B三色之一、按马赛克排列的原始数据。这个原始数据和你在手机屏幕上看到的彩色图片之间，隔着七八道依次执行的工序：黑电平校正先上场。
2026-07-01 14:53:35
416
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人