香橙派 AIpro开发板:开启AI视觉的无限可能

news2024/9/24 7:21:09

前言

  • 在当今这个由数据和智能驱动的时代, 人工智能(AI) 已经成为推动技术创新和实现自动化的关键。

  • 特别是在计算机视觉领域,AI的潜能被无限放大,它使得机器能够“看见”并理解视觉世界,从而执行复杂的任务,如图像识别、目标检测和场景理解等。

  • 很荣幸受邀参加CSDN关于昇腾新发布的香橙派AIpro的测评活动:

为此我将为大家介绍一款功能强大、易用性高的开发板——香橙派 AIpro

了解一下香橙派 AIpro:

  • 这是一款基于NVIDIA Jetson Nano系列处理器的开发板,具有强大的AI计算能力。

  • 它支持多种深度学习框架,如TensorFlow、PyTorch等,使开发者可以实现各种目标检测算法。

  • 香橙 AIpro还配备了丰富的硬件接口,如HDMI、USB、GPIO等,方便与其他设备进行连接和通信。

 


快速上手香橙派AIpro:

镜像烧录快速教学:

--点击链接进入香橙派官网,下载烧录工具和镜像 (点击下面指引进行下载安装)

  • --安装烧录工具balenaEtcher

    (前期准备:将插入SD卡的读卡器插入PC准备烧录):

  • (依次点击--从文件烧录--选择目标磁盘--现在烧录!)


开发板启动

香橙派AIpro启动后支持用户通过远程登录模式或者本机显示模式登录开发板推理任务,此处可根据两种模式所需的配件,自行选择其中一种模式准备相关硬件即可。

本地显示模式:(推荐)


 

登录开发板:(密码默认为:Mind@123

 

推理演示:

为了展示香橙派 AIpro的实际效果,我准备了一张图片(见下图):

 

在拍到的不太清晰的画面中包含了多名工人作业的情况。

 

通过推理模型,我们可以清晰地看到每个人都被准确地识别出来,并用矩形框进行了标注(如下图)。

 

源码仓库下载:

  • 打开终端进行git拉取:

git clone https://gitee.com/gaosongsong2023/yolov5_model.git #拉取离线模型
git clone https://gitee.com/gaosongsong2023/AI-TD            #拉取案例

 

  • 环境配置和依赖下载:

. /usr/local/Ascend/mx-.../set_env.sh #配置
apt-get update      #更新
apt-get install eog #查看图片工具

 

  • 准备测试图片编译源码:

 

cd AT-TD/
python main  #执行脚本文件
vim main.py  #修改测试图片样例,里面我写了注释

运行样例:

 

eog run.png  #查看运行样例

香橙派AIpro的模型转换指南:

在进行模型转换之前,我们需要确保已经安装了必要的工具和依赖库。首先,确保你的系统已经安装了NVIDIA Jetson Nano开发套件,并具备基本的Python环境

接下来,安装TensorRTONNX-TensorRT库,这些库将帮助我们完成模型的转换和优化。

# 安装TensorRT
sudo apt-get install nvidia-jetpack

# 安装ONNX-TensorRT库
pip install onnx-tensorrt

 

模型转换步骤

  1. 准备原始模型文件:首先,你需要有一个已经训练好的深度学习模型文件,通常为ONNX格式。这个文件包含了模型的结构、权重等信息。

  1. 使用ONNX-TensorRT库进行模型优化:通过调用ONNX-TensorRT库中的函数,我们可以对原始模型进行优化,以提高其在特定硬件平台上的性能表现。

 

import onnx
from onnx_tensorrt.backend import prepare

# 加载原始模型文件
model = onnx.load("path/to/your/model.onnx")

# 设置优化参数
optimization_params = {"input_shapes": [(1, 3, 224, 224)]}

# 使用ONNX-TensorRT进行模型优化
optimized_model = prepare(model, **optimization_params)

 

保存优化后的模型为OM格式:经过优化后,我们将得到一个适用于特定硬件平台的模型对象。现在,我们可以将其保存为OM格式的文件,以便在其他设备上使用。

# 保存优化后的模型为OM格式
optimized_model.save("path/to/save/optimized_model.om")

 

体验总结:

  • 在使用香橙派 AIpro的过程中,我也遇到了一些问题和挑战:例如,对于一些复杂的场景,如低光照、遮挡等,目标检测的准确性会有所下降。

  • AIpro不仅具有强大的计算能力和丰富的硬件接口,还提供了简单易用的编程环境,使得开发者可以轻松地实现各种目标检测应用。

  • 随着AI技术的不断进步,越来越多的应用场景开始寻求集成机器视觉能力,从智能家居到工业自动化,从边缘计算到机器人导航,香橙派 AIpro都展现出了其独特的适用性和高效性。

 

  • Whether you are an AI technology researcher, hardware enthusiast, or innovative developer, Orange Pie AIpro will open up a new world full of infinite possibilities for you.

  • Let's follow the steps of this article, uncover the mysterious veil of Orange Pie AIpro, explore its capabilities, and apply it to your next innovative project.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1701521.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

企业内部通讯软件—WorkPlus适配信创即时通讯软件

在现代企业中,良好的内部通讯是保持高效工作和顺利运营的关键。企业内部通讯软件的选择对于提升沟通效率、促进团队合作、保障数据安全和隐私保护至关重要。本文将介绍企业内部通讯软件的重要性探讨一些常用的软件,帮助企业做出明智的选择。 一、企业内…

Java面试八股之synchronized关键字的作用

synchronized关键字的作用 同步与线程安全:synchronized是Java中的一个关键字,用于提供一种同步机制,确保线程安全。它通过在多线程环境中控制对共享资源的访问,防止数据的不一致性问题。 修饰代码块:当synchronized…

cuda 11.6 pytorch安装

在安装之前,需要先配置GPU环境(安装CUDA和CudaNN) 命令行输入nvidia-smi,查看驱动信息 nvidia-smi 安装相应的CUDA 和CUDANN 验证:输入nvcc --version 或者nvcc -V 进行检查 nvcc --version nvcc -V 在anaconda里创建环境 co…

区间预测 | Matlab实现CNN-KDE卷积神经网络结合核密度估计多置信区间多变量回归区间预测

区间预测 | Matlab实现CNN-KDE卷积神经网络结合核密度估计多置信区间多变量回归区间预测 目录 区间预测 | Matlab实现CNN-KDE卷积神经网络结合核密度估计多置信区间多变量回归区间预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab实现CNN-KDE卷积神经网络结合…

武汉网红餐馆火灾背后的安全警示:可燃气体报警器需定期校准

在餐饮业快速发展的今天,安全问题一直是行业内外关注的重点。 最近,武汉一家网红餐馆在就餐高峰期突发火灾,事件迅速成为公众关注的焦点。这一事故不仅给餐馆带来了重大损失,也引发了对于餐馆安全管理的深思。 尤其是可燃气体报…

Unity学习日志

目录 获取相机可视范围的世界坐标(2D) 视口转世界坐标和屏幕转世界坐标的区别: 屏幕转世界坐标 视口转屏幕坐标 视口转屏幕结合3D数学实现可视范围的怪物生成 transform.up游戏对象的方向问题 其实还有一种不用Translate的写法: 修改 transform.up 的行为和影响 C#抽象…

OrangePi AIPro:次世代嵌入式边缘AI计算与智能机器人应用开发平台

近年来,随着物联网(IoT)和人工智能(AI)技术的快速发展,嵌入式边缘计算板卡在智能设备中的应用越来越广泛。OrangePi AIpro作为一款轻量化高性能的嵌入式边缘人工智能计算SoC,在硬件配置、AI性能和使用便利性方面都有着突出的表现。本文将详细评测OrangePi AIpro的各个方…

【Flutter】Dialog组件PageView组件

🔥 本文由 程序喵正在路上 原创,CSDN首发! 💖 系列专栏:Flutter学习 🌠 首发时间:2024年5月27日 🦋 欢迎关注🖱点赞👍收藏🌟留言🐾 目…

重生之while在鸣潮学习HTML

个人主页:终端 今天是开荒的第五天,数据坞都刷了吗,没刷就过来学html! 目录 JavaWeb学习路线 1.HTML入门 1.1什么是HTML 1.2HTML&CSS&JavaScript的作用 1.3什么是超文本 1.4什么是标记语言 1.5HTML基础结构 1.6HTML的…

图形学初识--双线性插值算法

文章目录 为什么需要双线性插值算法?双线性插值算法是什么?如何双线性插值?结尾:喜欢的小伙伴可以点点关注赞哦 为什么需要双线性插值算法? ChatGP回答: 双线性插值(bilinear interpolation&am…

【UE5.1 角色练习】08-传送技能

前言 在上一篇(【UE5.1 角色练习】07-AOE技能)基础上继续实现人物通过鼠标点击然后传送技能的功能。 效果 步骤 1. 首先需要显示鼠标光标,我们可以在玩家控制器中勾选“显示鼠标光标” 2. 在项目设置中添加一个操作映射,设置按…

助力企业标准化搭建--图框模板的创建

古有秦皇书同文、车同轨,今各行各业都有国际标准、国家标准,其目的就是为了标准化、统一化,由此可见标准化的重要性;一个企业若是想规范员工的操作,推行标准化也很重要;因此对于需要绘制电气图纸的行业来说…

路由器交换机直连方案(RM50+RTL8367N)

不经过网口和变压器,实现板级网口扩展。 通过网口,网线连接 板级芯片直接连接,验证OK 激光导航控制板通过路由器上网成功

linux定时任务管理操作

1、Crontab命令格式 crontab [-u username] [-l|-e|-r] 参数: -u: 只有root才能进行这个任务,也即帮其他用户新建/删除crontab工作调度; -e: 编辑crontab 的工作内容; -l: 查阅crontab的工作内容; -r: 删除所有的crontab的工作内容,若仅…

LangChain 0.2 - 对话式RAG

文章目录 一、项目说明二、设置1、引入依赖2、LangSmith 三、Chains1、添加聊天记录Contextualizing the question聊天记录状态管理 2、合并 四、Agents1、检索工具2、代理建造者3、合并 五、下一步 本文翻译整理自:Conversational RAG https://python.langchain.co…

【电控实物-PMSM】

遗留问题 电流环闭环 电流环频率会受到编码器回传频率影响? Ld&Lq辨识 L观测器设计验证 滑膜观测器/高频注入 前馈(加大负载) 各种电流控制模式: 参数辨识 Ld&Lq

Latex:newcommand

参考文献&#xff1a; latex中自定义的命令———\newcommand-CSDN博客LaTeX技巧924&#xff1a;详解newcommand的参数和默认值 - LaTeX工作室 (latexstudio.net) 文章目录 (re)newcommand自定义的一些命令 (re)newcommand ”定义命令“ 的定义&#xff1a; \newcommand{<…

Oladance、韶音、南卡开放式耳机选哪个?2024年主流产品硬核测评!

近期&#xff0c;不少朋友向我咨询关于挑选开放式耳机的建议&#xff0c;希望找到既适合自己又具有高品质的选项。鉴于市场上开放式耳机品牌繁多&#xff0c;每款产品在音质、佩戴感受及整体性能上的表现各有千秋&#xff0c;正确选择一款耳机成为了音乐爱好者们关注的焦点。错…

147.栈与队列:滑动窗口最大值(力扣)

代码解决 class Solution { private:class MyQueue{public:deque<int> que;// 删除队列中的元素&#xff0c;如果该元素等于队列的front// 这是为了保持队列中元素的正确性void pop(int val){if(!que.empty() && val que.front()){que.pop_front();}}// 添加元素…