香橙派OrangePi AIpro测评：我的高性能AI开发板实操

香橙派OrangePi AIpro测评：高性能AI开发板的实际应用与操作指南

前言

在物联网和人工智能领域飞速发展的背景下，开发板作为硬件开发的重要工具，越来越受到开发者的青睐。香橙派OrangePi AIpro因其强大的性能和丰富的接口，成为了新手和专业开发者的热门选择。本文将详细介绍这款开发板的概述、基础操作以及Demo测试，并分享一些实践经验。

一、香橙派OrangePi AIpro概述

1.简介

香橙派OrangePi AIpro（8T）采用昇腾AI技术路线，具备高性能和低功耗特点。其具体配置包括：

• 4核64位处理器 + AI处理器，集成图形处理器，支持8TOPS AI算力
• 8GB/16GB LPDDR4X内存，支持32GB/64GB/128GB/256GB eMMC模块
• 双4K高清输出

强大的硬件性能使其在各种AI应用场景中表现出色，如目标识别、图像分类等。

2.引脚图

香橙派OrangePi AIpro具备丰富的连接性，提供了多个接口，便于扩展：

• 两个HDMI输出
• GPIO接口
• Type-C电源接口
• 支持SATA/NVMe SSD 2280的M.2插槽
• TF插槽
• 千兆网口
• 两个USB3.0、一个USB Type-C 3.0、一个Micro USB（串口打印调试功能）
• 两个MIPI摄像头、一个MIPI屏
• 预留电池接口

以上接口使得开发板在外部设备控制和扩展方面极具灵活性。

二、使用体验

1.基础操作

由于官方寄送的开发板已经预装了Ubuntu系统，我们可以通过FinalShell软件进行远程访问。使用SSH连接类型，填入获取的香橙派 AIpro的IP地址：

用户名：HwHiAiUser
密码：Mind@123

连接成功后，我们便可以看到系统界面，标志着“点亮”成功。

2.软件工具分析

在试用过程中，香橙派AIpro的多种软件工具集成有效简化了开发流程。以下是一些关键工具及其功能：

• Ubuntu系统：预装的Ubuntu系统提供了稳定的开发环境，并支持大多数AI算法原型验证和推理应用开发。
• FFmpeg：用于音频处理的强大工具，方便了录音和播音的实现。
• Git：便于下载和管理代码库。
• 编译工具链（如gcc）：为代码编译提供了必要的支持。

这些工具在硬件连接、环境搭建和编码调试等步骤中表现出色，极大地提高了开发效率和易用性。

三、香橙派OrangePi AIpro测试Demo

接下来，我们将进行香橙派OrangePi AIpro的Demo测试，具体操作如下。

1.测试Demo1：录音和播音（USB接口）

此测试示例由官方提供，详细步骤如下：

样例介绍

将USB接口的麦克风连接开发板，再运行样例实现录音功能。将USB接口的耳机连接开发板，通过FFmpeg软件播放录制好的音频。

样例下载

有两种下载方式，可选择其一进行源码准备。

• 命令行方式下载

cd ${HOME}     
git clone https://gitee.com/ascend/EdgeAndRobotics.git
cd EdgeAndRobotics/Peripherals/Audio/USBAudio

执行准备

1. 以HwHiAiUser用户登录开发板。
2. 安装FFmpeg。

sudo apt-get install ffmpeg libavcodec-dev libswscale-dev libavdevice-dev

样例运行

1. 以HwHiAiUser用户登录开发板，切换到当前样例目录。
2. 编译样例源码。

gcc main.c -o main -lavutil -lavdevice -lavformat -lavcodec

3. 运行样例，进行录音。

arecord -l
./main plughw:0

录音成功后，在USBAudio样例目录下生成音频文件audio.pcm。

4. 播音。

ffplay -ar 44100 -ac 2 -f s16le audio.pcm

过程分析

在运行过程中，录音和播音的操作非常顺利。通过USB麦克风录制音频并使用FFmpeg进行播放，体验相当直观。FFmpeg作为音频处理的利器，不仅支持录音和播放，还提供了丰富的音频处理功能。这个测试展示了香橙派OrangePi AIpro在音频处理方面的强大能力。

结果分析

录音效果清晰，无明显杂音。播音时音质良好，音频播放流畅，能够很好地满足各种音频处理需求。此测试验证了香橙派OrangePi AIpro在音频输入输出方面的稳定性和可靠性。

2.测试Demo2：MIPI接口播放音频

1. 将耳机插入开发板的3.5mm耳机接口中。
   

2. 进入音频测试程序所在的目录。

sudo -i 
cd /opt/opi_test/audio 
ls 

3. 使用以下命令播放测试音频到耳机。

./sample_audio play 2 qzgy_48k_16_mono_30s.pcm

过程分析

这一步骤展示了通过MIPI接口播放音频的功能。连接耳机后，通过简单的命令即可播放音频文件。

结果分析

音质清晰，播放过程中无卡顿或延迟，表现非常出色。香橙派OrangePi AIpro在音频播放方面表现出色，音质清晰，操作便捷。

四、应用场景

香橙派OrangePi AIpro因其强大的性能和丰富的接口，能够应用于多个AI开发场景：

1. AI教学实训：提供稳定的硬件和软件环境，适合学生进行AI算法的学习和实践。
2. 智能小车和机械臂：支持多种外部设备接口，方便连接各种传感器和执行器。
3. 边缘计算：低功耗高性能的处理能力使其适合部署在需要实时数据处理的边缘设备中。
4. 智能家居和安防：多种接口支持摄像头和传感器连接，适合开发智能家居和安防系统。
5. 无人机和智能交通：强大的AI算力和多样的接口支持，使其在

无人机和智能交通系统中具备广泛应用前景。

五、实际应用案例分析

1. 边缘计算场景

在智能城市管理中，边缘计算设备需要处理大量视频监控数据。香橙派OrangePi AIpro可以通过其强大的AI处理能力，实现实时视频分析和事件检测，有效提高城市管理的效率和安全性。

2. 智能家居

利用香橙派OrangePi AIpro的多接口支持，可以连接多个传感器和摄像头，构建一个智能家居控制中心。通过AI算法实现对家庭环境的智能监控和控制，提高家居生活的便捷性和安全性。

3. 工业自动化

在工业自动化领域，香橙派OrangePi AIpro可以用于连接和控制各种工业传感器和设备，通过实时数据处理和分析，实现设备状态监测和故障预警，提高生产效率和安全性。

六、目标检测（YoloV5s）

样例介绍

通过USB接口连接Camera与开发板，从Camera获取视频，基于yolov5s模型对输入视频中的物体做实时检测，将推理结果信息使用imshow方式显示。

样例结构如下所示：

执行准备

1. 确认已安装带桌面的镜像且HDMI连接的屏幕正常显示。

2. 以HwHiAiUser用户登录开发板。

3. 设置环境变量。

   # 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
   

4. 安装ACLLite库。

   参考ACLLite仓安装ACLLite库。

样例下载

可以使用以下两种方式下载，请选择其中一种进行源码准备。

• 命令行方式下载

  # 登录开发板，HwHiAiUser用户命令行中执行以下命令下载源码仓。    
  cd ${HOME}     
  git clone https://gitee.com/ascend/EdgeAndRobotics.git
  # 切换到样例目录
  cd EdgeAndRobotics/Samples/YOLOV5USBCamera
  

运行样例

1. 准备测试视频。

   请从以下链接获取该样例的测试视频，放在data目录下。

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

2. 获取PyTorch框架的Yolov5模型（*.onnx），并转换为昇腾AI处理器能识别的模型（*.om）。

   • 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
     

   • 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。

     cd ../model
     wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/yolov5s/yolov5s.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.onnx --framework=5 --output=yolov5s --input_shape="images:1,3,640,640"  --soc_version=Ascend310B4  --insert_op_conf=aipp.cfg
     

     atc命令中各参数的解释如下](https://hiascend.com/document/redirect/CannCommunityAtc)。

     • –model：Yolov5网络的模型文件的路径。
     • –framework：原始框架类型。5表示ONNX。
     • –output：yolov5s.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。
       

3. 编译样例源码。

   执行以下命令编译样例源码。

   cd ../scripts 
   bash sample_build.sh
   

4. 运行样例。

   • 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
     

     

过程分析

在运行目标检测的过程中，香橙派OrangePi AIpro的性能得到了充分展示。视频流处理非常流畅，yolov5s模型能够准确识别视频中的物体，推理速度较快，完全能够满足实时检测的需求。

结果分析

推理结果显示在HDMI屏幕上，目标检测准确率高，延迟较低。通过yolov5s模型，能够清晰地识别视频流中的物体，实时性和准确性表现优秀。这展示了香橙派OrangePi AIpro在高负荷AI任务中的稳定性和可靠性。

实际使用体验

在实际操作中，香橙派OrangePi AIpro表现出色。以下是我在使用过程中遇到的一些具体体验和心得：

操作简便性

尽管需要配置一些环境变量和安装必要的库，但总体操作流程相对直观，官方提供的详细文档也非常有帮助。设置好环境后，下载、编译和运行样例都十分顺利，显示效果良好。

性能表现

在测试过程中，香橙派OrangePi AIpro对视频流的处理非常流畅，实时检测效果令人满意。yolov5s模型能够准确识别视频中的物体，且推理速度较快，能够满足大部分实时检测需求。

界面显示

通过HDMI连接屏幕进行推理结果显示，体验非常直观。这对于需要实时监控的应用场景如智能家居监控、工业检测等非常实用。

应用扩展性

香橙派OrangePi AIpro提供了丰富的接口，支持多种外部设备连接，扩展性强。在实际应用中，可以方便地连接摄像头、传感器等设备，进行各种AI应用开发。

综合感受

总体来说，香橙派OrangePi AIpro是一款功能强大且易用的AI开发板，适合初学者和专业开发者使用。其强大的性能和丰富的接口使其在多种AI应用场景中表现出色。无论是AI算法验证、实时监控、智能家居还是工业自动化，这款开发板都能提供优秀的解决方案。在实际使用过程中，其高效的推理能力和简便的操作流程给我留下了深刻的印象。

结论

通过上述操作和实际体验，香橙派OrangePi AIpro在目标检测任务中的表现非常出色。这款开发板不仅硬件性能强大，而且软件工具齐全，能够简化开发流程，提高开发效率。在AI开发的多个应用场景中，它都能提供理想的解决方案，值得推荐给广大AI开发者。