香橙派OrangePi AIpro初体验:当小白拿到一块开发板第一时间会做什么?

文章目录

      • 香橙派OrangePi AIpro初体验:当小白拿到一块高性能AI开发板第一时间会做什么
      • 前言
      • 一、香橙派OrangePi AIpro概述
        • 1.简介
        • 2.引脚图
        • 开箱图片
      • 二、使用体验
        • 1.基础操作
        • 2.软件工具分析
      • 三、香橙派OrangePi AIpro.测试Demo
        • 1.测试Demo1:录音和播音(USB接口)
          • 样例介绍
          • 样例下载
          • 执行准备
          • 样例运行
        • 2.测试Demo2:MIPI接口播放音频
      • 三、应用场景
      • 四、结论

香橙派OrangePi AIpro初体验:当小白拿到一块高性能AI开发板第一时间会做什么

前言

在物联网和人工智能领域的飞速发展中,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。

img

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。

img
img

img

开箱图片

在这里插入图片描述
在这里插入图片描述

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

image-20240702161332406

连接成功后,我们便可以看到系统界面,标志着“点亮”成功。

image-20240702161404355

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

image-20240702151714124

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

image-20240702151807044

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
  1. 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。

  1. 播音。
ffplay -ar 44100 -ac 2 -f s16le audio.pcm
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。
    %E5%9B%BE%E7%89%872.png

  2. 进入音频测试程序所在的目录。

sudo -i 
cd /opt/opi_test/audio 
ls 

image-20240702160348129

  1. 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

image-20240702160523452

三、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。

四、结论

通过上述操作,成功地使用香橙派OrangePi AIpro进行了录音和播放音频的测试。这款开发板凭借其强大的性能和丰富的接口,能够满足多种AI应用需求,是AI开发者的理想选择。香橙派AIpro的多种软件工具集成有效简化了开发流程,极大地提高了开发效率和易用性,在不同应用场景下都能提供方便的解决方案。

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.mfbz.cn/a/764833.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

从华为到支付宝,3年外包生涯做完,我这人生算是彻底废了......

我为什么一直做外包呢,原因是薪资和技术方面。 在华为做了一年外包,薪资5k,功能测试,接触Linux和网络,但是说实在的技术很难沉淀,就像雾里看花一样,过年之后,想走的人都走了&#x…

重榜:鸿蒙 Charles 抓包设置

亲测可用!2040702更新 Charles是一款用于网络调试和分析的代理工具,可以拦截和查看设备与服务器之间的网络通信。通过Charles,可以监视应用程序的网络流量、修改请求和响应,甚至模拟不同的网络条件。其主要功能包括: …

测试基础内容的学习

1、测试分类 黑盒,灰盒,白盒,冒烟,回归测试; 2、衡量软件质量的维度(8个) 3、需求分析->测试点提取->编写测试文档->执行测试用例->缺陷管理->总结报告 测试点提取&#xff1…

uniapp微信小程序使用xr加载模型

1.在根目录与pages同级创建如下目录结构和文件: // index.js Component({properties: {modelPath: { // vue页面传过来的模型type: String,value: }},data: {},methods: {} }) { // index.json"component": true,"renderer": "xr-frame&q…

Pandas实战秘籍:轻松驾驭重复值与异常值的处理艺术,让数据清洗更高效!

1.导包 import numpy as np import pandas as pd2.删除重复行 def make_df(indexs,columns):data [[str(j)str(i) for j in columns] for i in indexs]df pd.DataFrame(datadata,indexindexs,columnscolumns)return df使用 duplicated() 函数检测重复的行 返回元素为布尔类…

在 PMP 考试中,项目管理经验不足怎么办?

在项目管理的专业成长之路上,PMP认证如同一块里程碑,标志着从业者的专业水平达到了国际公认的标准。然而,对于那些项目管理经验尚浅的考生来说,这座里程碑似乎显得有些遥不可及。那么,在PMP考试准备中,项目…

高考志愿填报,AI搜索商业化的第一个金矿?

文:互联网江湖 作者:志刚 前几天高考放榜,很多朋友都在忙着给孩子或者亲戚家孩子报志愿,高考志愿咨询也火得一塌糊涂,张雪峰的志愿咨询产品也卖出了天价。 今年高考前夕,网红张雪峰旗下的“峰学蔚来”APP…

【MySQL8.0】 CentOS8.0下安装mysql报错权限问题的记录

这里写自定义目录标题 基本信息问题记录 基本信息 OS: Linux server-02 4.18.0-240.el8.x86_64 #1 SMP Fri Sep 25 19:48:47 UTC 2020 x86_64 x86_64 x86_64 GNU/Linux MySQL: 8.0 问题记录 缺少类库 mysql: error while loading shared libraries: libncurses.so.5: cannot…

使用目标检测模型YOLO V10 OBB进行旋转目标的检测:训练自己的数据集(基于卫星和无人机的农业大棚数据集)

这个是在YOLO V10源码的基础上实现的。我只是在源码的基础上做了些许的改动。 YOLO V10源码:YOLO V10源码 YOLOv10是清华大学的研究人员在Ultralytics Python包的基础上,引入了一种新的实时目标检测方法,解决了YOLO 以前版本在后处理和模型架…

【微信小程序开发实战项目】——如何制作一个属于自己的花店微信小程序(1)

👨‍💻个人主页:开发者-曼亿点 👨‍💻 hallo 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 👨‍💻 本文由 曼亿点 原创 👨‍💻 收录于专栏&#xff1a…

MySQL实战-4 | 深入浅出索引(上)(下)

什么是数据库索引,索引又是如何工作的呢? 一句话简单来说,索引的出现其实就是为了提高数据查询的效率,就像书的目录一样。一本 500 页的书,如果你想快速找到其中的某一个知识点,在不借助目录的情况下&…

Git使用中遇到的问题(随时更新)

问题1.先创建本地库,后拉取远程仓库时上传失败的问题怎么解决? 操作主要步骤: step1 设置远程仓库地址: $ git remote add origin gitgitee.com:yourAccount/reponamexxx.git step2 推送到远程仓库: $ git push -u origin "master&qu…

【知识图谱系列】一步步指导:安装与配置JDK和Neo4j的完美搭配

本文将提供详细的步骤,介绍如何下载、安装和配置Java开发工具包(JDK)以及流行的图形数据库Neo4j。将从选择合适的JDK版本开始,然后是下载和配置环境变量,接着以同样的方式处理Neo4j。最后,会通过一些检查步…

架构练习题目

【2022下架构真题第24题:红色】 24.在分布式系统中,中间件通常提供两种不同类型的支持,即(27) A.数据支持和交互支持 B.交互支持和提供公共服务 C.数据支持和提供公共服务 D.安全支持和提供公共服务 解答:答案选择B。…

Android原生与flutter模块交互

Flutter定义了三种不同类型的Channel: BasicMessageChannel:用于传递字符串和半结构化的信息,持续通信,收到消息后可以回复此次消息,如:Native将遍历到的文件信息陆续传递到Dart,在比如&#xf…

goframe框架规范限制(but it should be named with “Res“ suffix like “XxxRes“)

背景: 首页公司最近要启动一个项目,公司主要业务是用java开发的,但是目前这个方向的项目,公司要求部署在主机上,就是普通的一台电脑上,电脑配置不详,还有经常开关机,所以用java面临…

MatLab 二维图像绘制基础

MatLab 二维图像绘制基础 plot 描点绘图 %% % 二维绘图 ,plot进行描点,步长越小,越平滑 x [1:9]; y [0.1:0.2:1.7]; X x y*i; % 复数 plot(X)plot绘制矩阵 %% % 当X Y 为矩阵时,对应矩阵中的元素依次绘制 t 0:0.01:2*pi; …

黄子韬vs徐艺洋卫生间风波

【热搜爆点】黄子韬VS徐艺洋:卫生间风波背后的职场与友情界限探讨在这个充满欢笑与意外的综艺时代,《跟我出游吧》再次以它独有的魅力,引爆了一个既尴尬又引人深思的话题——“黄子韬要上徐艺洋的卫生间?”这不仅仅是一句简单的调…

ctfshow-web入门-命令执行(web75-web77)

目录 1、web75 2、web76 3、web77 1、web75 使用 glob 协议绕过 open_basedir&#xff0c;读取根目录下的文件&#xff0c;payload&#xff1a; c?><?php $anew DirectoryIterator("glob:///*"); foreach($a as $f) {echo($f->__toString(). ); } ex…

构建LangChain应用程序的示例代码:49、如何使用 OpenAI 的 GPT-4 和 LangChain 库实现多模态问答系统

! pip install "openai>1" "langchain>0.0.331rc2" matplotlib pillow加载图像 我们将图像编码为 base64 字符串&#xff0c;如 OpenAI GPT-4V 文档中所述。 import base64 import io import osimport numpy as np from IPython.display import HT…