我要评论orangepi aipro 作为业界首款基于昇腾深度研发的ai开发板，自发布以来就引起了我的极大关注。其配备的8/20tops澎湃算力，堪称目前开发板市场中的顶尖性能，实在令人垂涎三尺。如此强大的板子，当然要亲自体验一番。今天非常荣幸地拿到了一块orangepi aipro开发板，我迫不及待地选中了一款开源项目中模型进行部署，期待为大家带来一次精彩的体验。
一、香橙派aipro介绍
1. 香橙派介绍
香橙派（orange pi）是一款开源的单板计算机，广泛应用于教育、嵌入式开发、物联网等领域。香橙派以其高性能和多样的功能模块，成为开发者和爱好者的理想选择。香橙派系列产品提供了丰富的接口和扩展能力，支持各种操作系统，如android、ubuntu、debian等。
2. 香橙派aipro开发版介绍
orangepi aipro 是2023.12月初，香橙派联合华为发布了基于昇腾的orange pi aipro开发板，提供8/20tops澎湃算力，支持复杂的计算任务，适用于ai边缘计算、深度视觉学习、视频流ai分析等多个领域。作为业界首款基于昇腾深度研发的ai开发板，它搭载了高性能处理器和丰富的ai加速硬件，支持神经网络推理、图像识别等高计算需求的任务。
香橙派aipro开发版正面：
香橙派aipro开发版背面：
香橙派aipro的主要特点包括：
| 特点 | 详细描述 |
|---|---|
| 昇腾ai技术路线 | 集成图形处理器，拥有8gb/16gb lpddr4x内存。支持双4k高清输出，提供8/20 tops ai算力，支持复杂的计算任务，适用于ai边缘计算、深度视觉学习、视频流ai分析等。 |
| 丰富的接口 | 包括两个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、两个mipi摄像头、一个mipi屏等。支持sata/nvme ssd 、以太网等，方便连接各种外设。 |
| 操作系统支持 | 支持ubuntu和openeuler操作系统，提供灵活的开发环境。 |
| 强大的ai加速模块 | 昇腾ai技术路线，集成图形处理器，拥有8gb/16gb lpddr4x内存。支持双4k高清输出，提供8/20 tops ai算力，提升深度学习和推理任务的效率。 |
二、香橙派aipro评测(测试部署yolov5模型)
1. xshell连接香橙派
确保香橙派已正确连接到电源和网络，并开启电源。
使用显示器和键盘登录香橙派，默认登录名为 hwhiaiuser，密码为 mind@123。
点击右上角wifi标识，继续点击“查看连接信息”，获取其内网ip地址，我的为 192.168.0.103。
然后，在你的电脑上启动xshell，输入刚刚查到的内网ip和账号密码，远程连接香橙派，这样我们就能够通过xshell远程操作开发板，xftp同理，后面我们也需要用到xftp实现个人电脑和开发板的文件同步。
登录成功如图：
2. 安装python环境
为了在香橙派上运行yolov5模型，首先需要安装python和pip。使用以下命令更新软件包列表并安装python 3和pip：
sudo apt update
sudo apt install python3 python3-pip -y
在本次测评中，我们提前安装了python 3.9。你可以通过以下命令检查已安装的python版本：
python3 --version
确保输出的版本号符合要求，例如：python 3.9.x。
3. 安装yolov5
从github上下载yolov5代码库。
通过xftp或其他文件传输工具将其拷贝到香橙派上。
在香橙派终端中，进入yolov5目录并解压压缩包：
unzip yolov5-master.zip
cd yolov5-master
进入解压后的目录后，使用以下命令安装所需的python依赖：
pip3 install -r requirements.txt
这些依赖包括pytorch、opencv等yolov5运行所需的库。
4. 使用预训练模型识别图片
为了测试yolov5模型的效果，我们将使用预训练模型识别一张公交车场景的示例图片。运行以下命令：
python segment/predict.py --weights yolov5m-seg.pt --data data/images/bus.jpg
此命令将加载预训练的yolov5模型，并在指定的图片上进行目标检测。识别结果将保存在runs/predict目录下，你可以查看输出的图片文件。
这里我们比较以下识别前后的公交车场景的示例图片：
识别前：
识别后：
通过对比识别结果和原始图片，你会发现yolov5模型在识别效率和精度方面表现非常出色。无论是公交车的轮廓还是细节，模型都能够准确地识别并标注出来，显示了其强大的图像处理能力。
5. 选择最优模型
在测试了yolov5预训练模型后，你可能希望选择一个最优模型来满足特定的需求。yolov5提供了多个不同的模型变种（如yolov5s、yolov5m、yolov5l、yolov5x），这些模型在性能和精度上各有侧重。你可以根据需要选择最适合的模型。
首先，下载其他模型的权重文件：
wget https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5s.pt
wget https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5m.pt
wget https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5l.pt
wget https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5x.pt
然后，分别使用不同的模型权重进行测试，比较它们的性能和精度。例如，使用yolov5s模型：
python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/bus.jpg
你可以通过比较不同模型在同一图片上的检测结果，选择性能和精度最符合你需求的模型。记录下检测时间和精度数据，帮助你做出最优选择。
6. 连接摄像头调试
为了进一步验证yolov5模型的性能，可以连接摄像头进行实时视频流的检测。首先，确保香橙派支持并正确连接摄像头。你可以使用usb摄像头或mipi摄像头接口。
安装摄像头依赖：
sudo apt install v4l-utils -y
检查摄像头连接：
使用以下命令检查摄像头是否已连接：
v4l2-ctl --list-devices
运行实时检测：
使用yolov5模型对实时视频流进行检测。假设摄像头设备路径为/dev/video0，运行以下命令：
python detect.py --weights yolov5m.pt --img 640 --conf 0.25 --source 0
这里，--source 0 指定了摄像头设备为默认的/dev/video0，需要根据实际情况更改设备路径。
效果如下：
通过这些步骤，你可以在香橙派上成功部署并调试yolov5模型，实现实时视频流的目标检测。结合摄像头的实际使用情况和模型的检测结果，可以进一步优化模型参数和系统性能，以满足具体应用场景的需求。
三、使用感受及产品评价
1. 使用感受
在使用香橙派aipro进行yolov5模型的测试部署过程中，香橙派aipro的表现非常出色。通过xshell远程连接香橙派，操作简便，响应迅速。python环境的安装和yolov5的部署过程也十分顺利，依赖安装快捷，模型运行稳定，识别结果准确。
香橙派aipro的强大硬件配置在处理复杂计算任务时表现尤为突出，特别是其ai加速模块，在深度学习任务中提供了显著的性能提升。此外，香橙派aipro提供了丰富的学习资料和开发资源，包括详细的用户指南、案例教程和产品文档，为开发者提供了全方位的支持，使其能够更快地上手并实现各种ai应用。
整体使用体验非常流畅，产品质量优秀，是开发和学习ai技术的理想平台。无论是教育用途还是专业开发，香橙派aipro都能满足用户的需求，值得推荐。
2. 产品评价
经过评测，我认为香橙派aipro是一款非常不错的产品，从几个评价维度出发，我为大家列出了如下总结。
| 评价维度 | 详细描述 |
|---|---|
| 硬件性能 | 香橙派aipro配备8/20tops算力，在同类产品中处于领先地位。无论是进行深度学习模型的训练还是推理，ai加速模块都能显著提升性能，确保任务高效完成。 |
| 软件支持 | 支持ubuntu和openeuler操作系统，为开发者提供了灵活的开发环境。丰富的学习资源，包括用户指南、案例教程和产品文档，使开发者能够轻松上手，快速实现ai应用的开发和部署。 |
| 扩展性 | 香橙派aipro具有出色的扩展性。丰富的接口配置，如双hdmi输出、usb3.0、type-c电源接口、m.2插槽等，满足各种外设连接需求。无论是连接显示器、摄像头，还是扩展存储，香橙派aipro都能提供良好的支持。 |
| 性价比 | 考虑到其强大的性能和丰富的功能，香橙派aipro的价格非常具有竞争力。对于教育用途和专业开发者来说，这是一款性价比极高的ai开发板，能够在预算内实现高效的ai开发和应用。 |
| 用户体验 | 总体来说，香橙派aipro的用户体验非常出色。无论是硬件性能、软件支持，还是扩展性和性价比，都表现得非常优异。特别是在部署和运行yolov5等深度学习模型时，操作简便、运行稳定，显示出其强大的计算能力和稳定性。 |
香橙派aipro是一款高性能、高可靠性的开发板，适合各种人工智能和深度学习应用场景。其丰富的学习资源和强大的硬件配置使其成为ai开发者和爱好者的不二之选。
发表评论