香橙派AIpro开发板评测：部署yolov5模型实现图像和视频中物体的识别_香橙派部署yolov5

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：

---

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
1
2

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
1

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
1
2

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
1

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
1

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
1
2
3
4

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
1

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
1

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
1

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
1

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。

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。