OrangePi AIpro初体验之图片&视频检测案例真实测评

OrangePi AIpro简介

OrangePi AIpro官网

Orange Pi AI Pro 开发板是香橙派联合华为精心打造的高性能AI 开发板，其搭载了昇腾AI 处理器，可提供8TOPS INT8 的计算能力，内存提供了8GB 和16GB两种版本。可以实现图像、视频等多种数据分析与推理计算，可广泛用于教育、机器人、无人机等场景

官方资料

官方资料

开箱

本次使用到的OrangePi AIpro套装包含：主板，8G，电源，散热组件，32GB存储卡

主板细节

正面 

背面

通电

接上电源、显示器、鼠标、键盘、耳机

登录

由于开发板寄过来时已经烧录了ubuntu系统，这里就省去烧录步骤，直接登录了

管理账号：root

普通账号：HwHiAiUser

密码：Mind@123

查看昇腾芯片NPU卡的信息

npu-smi info

连上Wifi后，查看IP地址

SSH连接，我这里使用的工具是XTerminal，大家可以根据个人喜好选择

图片分类案例

图片分类案例是系统自带的，目录：/home/dev/EdgeAndRobotics

案例介绍

快速入门

基于PyTorch框架的ResNet50模型，对*.jpg图片分类，输出各图片Toop5置信度的分类ID、分类名称。

案例所在目录：/home/dev/EdgeAndRobotics/Samples/ResnetPicture

案例图片所在目录：/home/dev/EdgeAndRobotics/Samples/ResnetPicture/data/dog1_1024_683.jpg

在/opt/opi_test/ResnetPicture样例目录下，执行以下命令运行样例：

(base) root@orangepiaipro:~# cd /opt/opi_test/ResnetPicture
(base) root@orangepiaipro:/opt/opi_test/ResnetPicture# cd scripts/
(base) root@orangepiaipro:/opt/opi_test/ResnetPicture/scripts# bash sample_run.sh

执行成功后，在屏幕上的关键提示信息示例如下，提示信息中的top1-5表示图片置信度的前5种类别、index表示类别标识、value表示该分类的最大置信度，class表示所属类别。

分类结果

90%的可能性为beagle（猎兔犬），测试成功！

本地输入视频的物体检测案例

源码下载

此案例需要拉取项目源码，以下是拉取命令，选择好所在目录，直接执行即可

git clone https://gitee.com/ascend/EdgeAndRobotics.git

设置环境变量

必须设置！！否则影响后续步骤，会出现报错！！已踩过坑~

# 配置程序编译依赖的头文件与库文件路径
export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest 
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

安装ACLLite库

必须设置！！否则影响后续步骤，会出现报错！！已踩过坑~

参考ACLLite仓安装ACLLite库。

进程数调整

当设备内存小于8G时，可设置如下两个环境变量减少atc模型转换过程中使用的进程数，减小内存占用。

export TE_PARALLEL_COMPILER=1
export MAX_COMPILE_CORE_NUMBER=1

原始模型下载及模型转换

注意：不设置环境会导致原始模型下载及模型转换命令报错

cd model
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/yolov5s_nms.onnx --no-check-certificate
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/aipp.cfg --no-check-certificate
atc --model=yolov5s_nms.onnx --framework=5 --output=yolov5s_nms --input_shape="images:1,3,640,640;img_info:1,4"  --soc_version=Ascend310B4 --insert_op_conf=aipp.cfg

atc命令中各参数的解释如下，详细约束说明请参见《ATC模型转换指南》。

--model：YoloV5s网络的模型文件的路径。
--framework：原始框架类型。5表示ONNX。
--output：om模型文件的路径。请注意，记录保存该om模型文件的路径，后续开发应用时需要使用。
--input_shape：模型输入数据的shape。
--soc_version：昇腾AI处理器的版本。

准备测试视频

cd ../data 
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/test.mp4 --no-check-certificate

视频播放效果如下

编译样例源码

执行以下命令编译样例源码。

cd ../scripts 
bash sample_build.sh

检测结果

在直连电脑场景，执行以下脚本运行样例。此时会以结果打屏的形式呈现推理效果。

bash sample_run.sh stdout

在HDMI连接屏幕场景，执行以下脚本运行样例。此时会以画面的形式呈现推理效果。

bash sample_run.sh imshow

可以看到，已经正确识别到到视频中的物体，测试成功！

测评总结

1.官方资料非常全面，包含：用户手册、原理图和机械图等，方便用户更快速上手体验

2.开发板的颜值较高，外观精致，配件较为齐全

3.作为一款高性能人工智能开发板，OrangePi AIpro具有强大的计算能力、丰富的功能特性和广泛的适用场景，如：AI教学实训、AI算法验证、智能小车、机械臂、边缘计算、无人机等领域

4.在测试中，我对OrangePi AIpro性能表现和功能特性感到惊喜，我认为它是一款性能优异、功能丰富的人工智能开发平台，具有较高的应用价值和推广前景