【上海晶珩睿莓 1 單板計算機(jī)】人臉識別 本文介紹了上海晶珩睿莓 1 單板計算機(jī)結(jié)合 OpenCV 內(nèi)置 YuNet 算法和 SFace 模型實現(xiàn)人臉識別的項目設(shè)計，包括環(huán)境部署、預(yù)訓(xùn)練模型獲取

近日，奕斯偉計算與全球開源操作系統(tǒng)領(lǐng)軍企業(yè)Canonical簽署授權(quán)許可協(xié)議， 奕斯偉計算EBC77系列硬件產(chǎn)品——SBC單板計算機(jī)、Mini-DTX主板， 正式獲得Ubuntu操作系統(tǒng)安裝許可

12月5日，由中國圖象圖形學(xué)學(xué)會青年工作委員會（下簡稱“青工委”）、上海市計算機(jī)學(xué)會計算機(jī)視覺專委會（下簡稱“專委會”）聯(lián)合主辦，上海西井科技股份有限公司、江蘇路街道商會承辦的“上海計算機(jī)視覺企業(yè)行—走進(jìn)西井科技”學(xué)術(shù)沙龍，在西井科技武夷路上?？偛宽樌e行。

電子發(fā)燒友網(wǎng)報道（文/吳子鵬）日前，中國首個規(guī)?；瘜Ｓ霉饬孔?b class="flag-6" style="color: red">計算機(jī)制造工廠在深圳南山智城正式啟用，我國量子計算產(chǎn)業(yè)迎來了歷史性時刻——這不僅是國內(nèi)首個光量子計算機(jī)規(guī)?；圃旎氐恼Q生，更標(biāo)志著中國在

據(jù)央視新聞報道；在24日；深圳南山區(qū)國內(nèi)首個光量子計算機(jī)制造工廠正式進(jìn)入小規(guī)模生產(chǎn)階段，據(jù)悉該工廠是隸屬于玻色量子；總面積約5000平方米，集研發(fā)、制造、測試于一體，用于實現(xiàn)光量子計算機(jī)的工程化、標(biāo)準(zhǔn)化和規(guī)模化生產(chǎn)。第一臺計算能力達(dá)到1000個量子比特的光量子計算機(jī)在這里生產(chǎn)。 ?

在工業(yè)自動化和智能制造領(lǐng)域，計算機(jī)設(shè)備作為核心控制單元，其選擇直接影響整個系統(tǒng)的穩(wěn)定性與可靠性。工控機(jī)與普通計算機(jī)雖同屬計算設(shè)備，但其設(shè)計目標(biāo)、性能側(cè)重和應(yīng)用場景存在根本性差異。準(zhǔn)確理解這些差異，是進(jìn)行正確設(shè)備選型的基礎(chǔ)。

電子發(fā)燒友網(wǎng)綜合報道 2025年11月14日，中國電信量子研究院正式宣布，搭載“祖沖之三號”同款芯片的超導(dǎo)量子計算機(jī)“天衍-287”完成搭建。這一突破標(biāo)志著我國首個具備“量子計算優(yōu)越性”的量子計算云

不同客戶對高性能信創(chuàng)嵌入式計算機(jī)的多樣化需求。 []() BPI - 2K3000可應(yīng)用于企業(yè)辦公、個人微型計算機(jī)、高性能工業(yè)計算機(jī)，以及教育、醫(yī)療、金融、邊緣計算等領(lǐng)域。它具有高性能計算、便攜、低能耗和易

2025年11月8日，由教育部計算機(jī)類專業(yè)系統(tǒng)能力課程群虛擬教研室指導(dǎo)、北京航空航天大學(xué)計算機(jī)學(xué)院主辦的龍架構(gòu)計算機(jī)系統(tǒng)能力核心課程教學(xué)研討會在京舉行。

近日，2025中國工業(yè)計算機(jī)大會（CCF ICCC 2025）在云南昆明召開。本次大會由中國計算機(jī)學(xué)會主辦，中國計算機(jī)學(xué)會工業(yè)控制計算機(jī)專委會、國家工業(yè)控制機(jī)及系統(tǒng)工程技術(shù)研究中心和昆明

貿(mào)澤電子開售全新Arduino UNO Q單板計算機(jī)。Arduino UNO Q單板計算機(jī)（SBC）將高性能計算與實時控制結(jié)合，提供理想的創(chuàng)新平臺。

近日，備受矚目的第22屆中國計算機(jī)大會（CNCC2025）在哈爾濱開幕。本屆大會注冊人數(shù)突破1.2萬人，匯聚了來自全球計算機(jī)領(lǐng)域的頂尖學(xué)者、產(chǎn)業(yè)領(lǐng)袖、青年學(xué)子及國際組織代表。大會以“數(shù)智賦能、無限可能”為主題，旨在深度探討數(shù)字智能技術(shù)的前沿進(jìn)展與未來趨勢，為推動計算技術(shù)與經(jīng)濟(jì)社會深度融合貢獻(xiàn)智慧。

10月23日至25日，第二十二屆中國計算機(jī)大會（CNCC2025）在哈爾濱成功舉辦。大會以“數(shù)智賦能，無限可能”為主題，匯聚了來自全球計算機(jī)領(lǐng)域的頂尖學(xué)者、產(chǎn)業(yè)領(lǐng)袖、青年學(xué)子及國際組織代表，共同探討

在導(dǎo)航系統(tǒng)中，嵌入式計算機(jī)的核心作用是實時處理多種傳感器的數(shù)據(jù)，運行復(fù)雜的導(dǎo)航算法，最終計算出載體的精確位置、姿態(tài)、速度和時間信息。

DGX Spark 現(xiàn)已開啟預(yù)訂！麗臺科技作為 NVIDIA 授權(quán)分銷商，提供從產(chǎn)品到服務(wù)的一站式解決方案，助力輕松部署桌面 AI 計算機(jī)。

全國產(chǎn)化導(dǎo)航計算機(jī)子卡是實現(xiàn)在國防、航天等國家關(guān)鍵領(lǐng)域技術(shù)自主的重要一環(huán)。

Gateworks采用u-blox GNSS RTK、校正服務(wù)和藍(lán)牙模塊，為應(yīng)用開發(fā)者提供可應(yīng)對惡劣環(huán)境的可靠精準(zhǔn)定位與通信能力。

千兆以太網(wǎng)端口用于充電的USB-C接口我很喜歡在較小的單板計算機(jī)（SBC）上看到以太網(wǎng)端口，因為這使它們作為瘦客戶端更有用，而且對于這種尺寸的單板計算機(jī)來說，充裕的

MUSE Pi Pro 單板計算機(jī)將 RISC-V 八核處理器、存儲硬盤、通用接口部件和擴(kuò)展接口布置在同一塊電路板上，支持 UEFI 啟動以及多種操作系統(tǒng)和應(yīng)用的運行，是一款完整的計算機(jī)系統(tǒng)產(chǎn)品

北斗衛(wèi)星同步時鐘系統(tǒng)：水電新能源計算機(jī)監(jiān)控系統(tǒng)

賽昉科技VisionFive 2單板計算機(jī)開發(fā)板測評作品合集 產(chǎn)品介紹： 昉·星光 2是全球首款集成了3D GPU的高性能量產(chǎn)RISC-V單板計算機(jī)，搭載昉·驚鴻-7110（型號：JH-7110

8月26日，elexcon2025深圳國際電子展在深圳會展中心隆重開幕。在全球知名新品引入（NPI）代理商貿(mào)澤電子（Mouser Electronics） 展臺（1號館1Q30），DFRobot展示了其LattePanda Sigma單板計算機(jī)與Qwen3大語言模型的融合應(yīng)用。

Banana Pi BPI-R4 Lite 現(xiàn)已上市。具體來說，這款單板計算機(jī)在 Youyeetoo 上的售價約為 86 美元，但客戶在下單前請務(wù)必查看運輸條款和費用。這是一款單板計算機(jī)，有望成為

加固計算機(jī)是一種專門為復(fù)雜環(huán)境和特殊行業(yè)應(yīng)用設(shè)計的高性能設(shè)備。它不僅具備常規(guī)電腦的數(shù)據(jù)處理和運算功能，更在結(jié)構(gòu)設(shè)計、防護(hù)等級和硬件配置方面做了全面優(yōu)化。例如，它的外殼通常采用鎂鋁合金或高強(qiáng)度復(fù)合材料

全志科技合作伙伴瑞莎計算機(jī)(Radxa) 今日發(fā)布基于全志 A733處理器平臺的單板計算機(jī)—— Cubie A7A。該產(chǎn)品將高性能計算、AI 加速能力與靈活的接口擴(kuò)展相結(jié)合，面向邊緣計算、人工智能

2025重磅消息！今年9月，樹莓派團(tuán)隊將首次亮相上海工博會（CIIF）。屆時，現(xiàn)場將展示超多硬核科技：從樹莓派單板計算機(jī)（最高至RaspberryPi500）、RaspberryPiPico系列，到基于RP2350的解決方案，還有AI產(chǎn)品、攝像頭和前沿工業(yè)設(shè)備ComputeModule5

創(chuàng)建init 創(chuàng)建init.sh文件，并設(shè)置權(quán)限為root sudo chown root init.sh sudo chgrp root init.sh init.sh文件中寫入 #!/bin/bash echo \"系統(tǒng)于 $(date) 開機(jī)\" >> /var/log/myscript.log cd /home/user/01_LCD/ python3 LCD_demo.py 配置啟動服務(wù) 在 /etc/systemd/system/ 目錄下創(chuàng)建一個 .service 文件（如 my.service） 并寫入下述代碼 [Unit] Description=My Custom Script After=network.target [Service] Type=simple ExecStart=/home/user/init.sh User=root [Install] WantedBy=multi-user.target 添加服務(wù) # 重新加載systemd配置 sudo systemctl daemon-reload # 設(shè)置開機(jī)自啟 sudo systemctl enable my.service # 手動測試服務(wù)是否正常運行 sudo systemctl start my.service 驗證是否生成 cat /var/log/myscript.log# 查看日志是否生成 然后重啟設(shè)備就可以看到開機(jī)就會自動顯示時間和圖片了

倘若計算的未來并非被專有架構(gòu)所壟斷，那會怎樣？想象一下這樣一個世界：開發(fā)者和業(yè)余愛好者都能利用開源硬件的力量自由地構(gòu)建、創(chuàng)新和實驗?，F(xiàn)在，讓我們走進(jìn)RISC-V單板計算機(jī)（SBC）的世界——一個正在

小結(jié) 電子相冊功能已完成，附帶一個日歷效果。 可以通過同局域網(wǎng)samba實現(xiàn)手機(jī)或者電腦直接將圖片傳到vf2中，并在代碼中設(shè)定輪流播放的時間。 記錄生活照片或者做成文物日歷。 基礎(chǔ)功能暫時告一段落。 使用感受： vf2提供了python控制gpio接口，簡化了驅(qū)動的實現(xiàn)。 vf2的python實現(xiàn)很方便，直接調(diào)用庫實現(xiàn)圖片的等比放大，轉(zhuǎn)成想要的色深等等。 后續(xù)完全可以結(jié)合i2c等實現(xiàn)對應(yīng)傳感器數(shù)據(jù)的顯示，我就不在這里更新了。 此外還有一些遺憾 缺少wifi，始終需要使用網(wǎng)口 測試下來，使用python將一張圖解析出來轉(zhuǎn)色深到lcd上，需要3s以上，之后我再基于同版參數(shù)和其他的開發(fā)板做評估吧。 本打算實現(xiàn)音頻接口功能，由于時間有限，加上刷機(jī)有點沒弄明白，不是一次性刷到sd卡中，所以音頻的部分只能擱置。 人臉識別的部分以后再做吧，可以結(jié)合led燈陣做成寄存柜，之后項目再更新。 #!/usr/bin/python \"\"\" Please make sure the 2.4inch LCD Moudle is connected to the correct pins. The following table describes how to connect the 2.4inch LCD Module to the 40-pin header. ------------------------------------------------- __2.4inch LCD Module___Pin Number_____Pin Name VCC173.3 V Power GND39 GND DIN19SPI MOSI CLK23SPI SCLK CS 13GPIO43y DC 11GPIO42y- RST07GPIO55y- BL 15GPIO47y ------------------------------------------------- \"\"\" import os import sys import time import logging from PIL import Image from datetime import datetime sys.path.append(\"..\") import VisionFive.boardtype as board_t # from lib import LCD2inch4_lib from lib import LCD_ST7735_lib from lib import LCD_GC9306_lib from lib import LCD_ILI9488_lib \"\"\" --------------------------------------------------------------- { Init \"\"\" WHITE = 0xffffff # WHITE = 0x0000 BLUE = 0xFF0000 lcd_num = 3 # 1 st7735, 2 gc9306, 3 ili9488 pin_res = 7 pin_dc = 11 # 初始化lcd # Determining cpu Type: 1 means visionfive1; 2 means visionfive 2 vf_t = board_t.boardtype() print(\"vf_t \",vf_t) if vf_t == 1: SPI_DEVICE = \"/dev/spidev0.0\" elif vf_t == 2: SPI_DEVICE = \"/dev/spidev1.0\" else: print(\"This module can only be run on a VisionFive board!\") \"\"\"The initialization settings of 2inch and 2.4inch are distinguished\"\"\" # pin_res, pin_dc match lcd_num: case 1: print(\"lcd st7735\") disp = LCD_ST7735_lib.LCD_ST7735(7, 11, SPI_DEVICE) disp.lcd_init_st7735() case 2: print(\"lcd gc9306\") disp = LCD_GC9306_lib.LCD_GC9306(7, 11, SPI_DEVICE) disp.lcd_init_gc9306() case 3: print(\"lcd ili9488\") disp = LCD_ILI9488_lib.LCD_ILI9488(7, 11, SPI_DEVICE) disp.lcd_init_ili9488() case _: print(\"unknown lcd\") # 獲取文件夾中圖片名稱 folder_path = \"./picture\" # folder_path = \"./picture_column\" # folder_path = \"./tmp\" items = os.listdir(folder_path) file_paths = [] for item in items: item_path = os.path.join(folder_path, item) if os.path.isfile(item_path) and \"._\" not in item and \".DS_Store\" not in item: # if os.path.isfile(item_path):# 只保留文件 file_paths.append(item_path) \"\"\" } --------------------------------------------------------------- \"\"\" def show_img(image_path): time_start = time.time() # print(time.time(),\"show img\") print(image_path) disp.lcd_ShowImage(image_path, 0, 50) time_end = time.time() print(\"cost time:\",time_end-time_start) # time.sleep(2) # def show_img(image_path): #time_start = time.time() ## print(time.time(),\"show img\") #image = Image.open(image_path) #disp.lcd_ShowImage(image, 0, 50) #image.close() #time_end = time.time() #print(\"cost time:\",time_end-time_start) ## time.sleep(2) def test_clear(): # print(\"clear write\") # time.sleep(2) print(\"clear screen -- White\") disp.lcd_clear(WHITE) time.sleep(2) print(\"clear screen -- Blue\") if lcd_num == 3: # Blue=0x03F0000 # Blue=0xFC0000 # Blue=0x3F0000 Blue=0x03F000 else: Blue=0x001f disp.lcd_clear(Blue) time.sleep(2) def get_time(): times = time.time() # print(times) local_times = time.localtime(times) local_time_asctimes = time.asctime(local_times) # print(local_time_asctimes) return local_time_asctimes def get_time2(): now = datetime.now() formatted_time = now.strftime(\"%Y年%m月%d日 %H時%M分%S秒\") latinFileName= formatted_time.encode(\"utf-8\").decode(\"latin1\") return latinFileName def get_file_list(): file_nummax = 0 # 獲取文件夾中圖片名稱 folder_path = \"./picture\" # folder_path = \"./picture_column\" # folder_path = \"./tmp\" items = os.listdir(folder_path) file_paths = [] for item in items: item_path = os.path.join(folder_path, item) if os.path.isfile(item_path) and \"._\" not in item and \".DS_Store\" not in item: # if os.path.isfile(item_path):# 只保留文件 file_paths.append(item_path) file_nummax += 1 print(\"file max\",file_nummax) return file_paths,file_nummax def is_12h(): time_hour = datetime.now().hour if time_hour == 24 & flag_update == True: print(\"12點了\") flag_update = False return True else: flag_update = True print(time_hour) return False def is_sec(sec=0): time_second = datetime.now().second if time_second % sec == 0 : return True # else: # print(time_second) return False def main(): print(\"-----------lcd demo-------------\") disp.lcd_clear(WHITE) # test_clear() # test picture and lcd xy direction # show_img(\"./tmp/line.jpg\") # show_img(\"./tmp/line2.jpg\") # show_img(\"./tmp/line320.jpg\") # show_img(\"./tmp/line480.jpg\") # show_img(\"./picture/parrot.bmp\") # show_img(\"./picture_test/code.jpg\") # show_img(\"./picture_test/IMG_4512.jpeg\") # show_img(\"./picture_test/IMG_4529.jpeg\") # show_img(\"./picture/visionfive2.png\") # show_img(\"./picture_column/IMG_5415.jpeg\") print(get_time(),\"show text\") disp.display_text(get_time()) show_img(\"./picture_column/a.png\") file_num = 1 (file_list, file_num_max) = get_file_list() print(file_list[file_num], file_num_max) show_img(file_list[file_num]) flag_update = False print(get_time(),\"start\") while 1: disp.display_text(get_time()) # print(time.time()) # print(time.time()%5) if is_sec(10) == True: if flag_update == True: file_num += 1 if file_num == file_num_max: file_num = 0 print(\"\\\\n= \",get_time()) show_img(file_list[file_num]) flag_update = False else: flag_update = True # is_12h() # if int(time.time()) % 20 == 0 : #file_num += 1 #show_img(file_list[file_num]) # show_img(\"./picture/IMG_3278.jpeg\") # disp.lcd_clear_range(WHITE,0,0,0,40) # for path in file_paths: #print(time.strftime(\"%Y-%m-%d %H:%M:%S\", time.localtime(time.time()))) #path_tmp = path #print(path_tmp) #show_img(path_tmp) #time.sleep(2) # except KeyboardInterrupt: #break print(\"Exit demo!\") if __name__ == \'__main__\': main() import os import sys import time import logging import VisionFive.spi as spi import VisionFive.gpio as gpio import numpy as np from PIL import Image, ImageDraw, ImageFont class LCD_ILI9488: width = 320 height = 480 rotate = 180 WHITE = 0xffffff def __init__(self, rst_pin, dc_pin, dev): gpio.setmode(gpio.BOARD) self.pin_rst = rst_pin self.pin_dc = dc_pin self.pin_bl = 15 self.spidev = dev spi.getdev(self.spidev) \"\"\"Reset the maximum clock frequency of communication\"\"\" \"\"\"The display speed of the picture is positively correlated with the clock frequency\"\"\" # spi.setmode(500000, 0, 8) spi.setmode(40000000, 0, 8) gpio.setup(self.pin_rst, gpio.OUT) gpio.setup(self.pin_dc, gpio.OUT) gpio.setup(self.pin_bl, gpio.OUT) def __del__(self): spi.freedev() \"\"\"add a short delay for each change of electrical level\"\"\" def lcd_reset(self): gpio.output(self.pin_bl, gpio.HIGH) # time.sleep(0.120) # gpio.output(self.pin_rst, gpio.HIGH) # time.sleep(0.20) gpio.output(self.pin_rst, gpio.LOW) time.sleep(0.100) gpio.output(self.pin_rst, gpio.HIGH) time.sleep(0.100) gpio.output(self.pin_bl, gpio.HIGH) # self.lcd_sendcmd(0x01) def lcd_spisend(self, data): spi.transfer(data) def lcd_sendcmd(self, cmd): gpio.output(self.pin_dc, gpio.LOW) spi.transfer(cmd) def lcd_senddata(self, data): gpio.output(self.pin_dc, gpio.HIGH) spi.transfer(data) \"\"\"write multiple bytes\"\"\" def lcd_sendnbytes(self, data): gpio.output(self.pin_dc, gpio.HIGH) spi.write(data) \"\"\"common registers\' initialization of 2.4inch LCD module\"\"\" def lcd_init_ili9488(self): self.lcd_reset() # self.lcd_sendcmd(0x11) # self.lcd_senddata(0x00) # time.sleep(0.200) self.lcd_sendcmd(0xE0) self.lcd_senddata(0x00) self.lcd_senddata(0x03) self.lcd_senddata(0x09) self.lcd_senddata(0x08) self.lcd_senddata(0x16) self.lcd_senddata(0x0A) self.lcd_senddata(0x3F) self.lcd_senddata(0x78) self.lcd_senddata(0x4C) self.lcd_senddata(0x09) self.lcd_senddata(0x0A) self.lcd_senddata(0x08) self.lcd_senddata(0x16) self.lcd_senddata(0x1A) self.lcd_senddata(0x0F) self.lcd_sendcmd(0xE1) self.lcd_senddata(0x00) self.lcd_senddata(0x16) self.lcd_senddata(0x19) self.lcd_senddata(0x03) self.lcd_senddata(0x0F) self.lcd_senddata(0x05) self.lcd_senddata(0x32) self.lcd_senddata(0x45) self.lcd_senddata(0x46) self.lcd_senddata(0x04) self.lcd_senddata(0x0E) self.lcd_senddata(0x0D) self.lcd_senddata(0x35) self.lcd_senddata(0x37) self.lcd_senddata(0x0F) self.lcd_sendcmd(0xC0) self.lcd_sendcmd(0x17) self.lcd_senddata(0x15) self.lcd_sendcmd(0xC1) self.lcd_senddata(0x41) self.lcd_sendcmd(0xC5) self.lcd_sendcmd(0x00) self.lcd_senddata(0x12) self.lcd_senddata(0x80) self.lcd_sendcmd(0x36) # self.lcd_sendcmd(0x48) # self.lcd_sendcmd(0x40) # self.lcd_sendcmd(0x88) # self.lcd_sendcmd(0x28) self.lcd_sendcmd(0x88) self.lcd_sendcmd(0x3A) self.lcd_senddata(0x66) # color bit : 0x66 18bit, 0x77 24bit, 0x55 16bit self.lcd_sendcmd(0xC8) self.lcd_senddata(0xB1) self.lcd_sendcmd(0xB0) self.lcd_sendcmd(0x80) self.lcd_sendcmd(0xB1) self.lcd_sendcmd(0x80) # SDA_EN = 0, DIN and SDO pins are used for 3/4 wire serial interface. # SDA_EN = 1, DIN/SDA pin is used for 3/4 wire serial interface and SDO pin is not used. self.lcd_sendcmd(0xB4) self.lcd_sendcmd(0x02) self.lcd_sendcmd(0xB6) self.lcd_sendcmd(0x02) self.lcd_senddata(0x02) self.lcd_sendcmd(0xE9) self.lcd_senddata(0x00) self.lcd_sendcmd(0x53) self.lcd_senddata(0x28) self.lcd_sendcmd(0x51) self.lcd_senddata(0x7F) self.lcd_sendcmd(0xF7) self.lcd_senddata(0xA9) self.lcd_senddata(0x51) self.lcd_senddata(0x2C) self.lcd_senddata(0x02) self.lcd_sendcmd(0x11) # self.lcd_senddata(0x00) time.sleep(0.100) self.lcd_sendcmd(0x29) def lcd_set_rotate(): match self.rotate: case 0: self.lcd_sendcmd(0x36) self.lcd_sendcmd(0x88) case 90: self.lcd_sendcmd(0x36) self.lcd_sendcmd(0x28) case 180: self.lcd_sendcmd(0x36) self.lcd_sendcmd(0x48) case 270: self.lcd_sendcmd(0x36) self.lcd_sendcmd(0xE8) case _: self.lcd_sendcmd(0x36) self.lcd_sendcmd(0x88) def lcd_setPos(self, Xstart, Ystart, Xend, Yend): self.lcd_sendcmd(0x2A) self.lcd_senddata(Xstart >> 8) self.lcd_senddata(Xstart & 0xFF) self.lcd_senddata((Xend - 1) >> 8) self.lcd_senddata((Xend - 1) & 0xFF) self.lcd_sendcmd(0x2B) self.lcd_senddata(Ystart >> 8) self.lcd_senddata(Ystart & 0xFF) self.lcd_senddata((Yend - 1) >> 8) self.lcd_senddata((Yend - 1) & 0xFF) self.lcd_sendcmd(0x2C) def lcd_clear(self, color): \"\"\"Clear contents of image buffer\"\"\" _buffer = [color] * (self.width * self.height * 3)# * 3 print(_buffer[0],_buffer[1],_buffer[2]) # self.lcd_setPos(0, 0, self.width, self.height) self.lcd_setPos(0, 0, self.width, self.height) gpio.output(self.pin_dc, gpio.HIGH) \"\"\"modify the original single byte write to multi byte write\"\"\" # for i in range(0,len(_buffer)): # self.lcd_spisend(_buffer[i]) self.lcd_sendnbytes(_buffer) # self.lcd_sendcmd(0x29) def lcd_clear_range(self, color, x_start, y_start, x_end, y_end): \"\"\"Clear contents of image buffer\"\"\" _buffer = [color] * (self.width * self.height * 3)# * 3 print(_buffer[0],_buffer[1],_buffer[2]) # self.lcd_setPos(0, 0, self.width, self.height) self.lcd_setPos(x_start, y_start, x_end, y_end) gpio.output(self.pin_dc, gpio.HIGH) \"\"\"modify the original single byte write to multi byte write\"\"\" # for i in range(0,len(_buffer)): # self.lcd_spisend(_buffer[i]) self.lcd_sendnbytes(_buffer) # self.lcd_sendcmd(0x29) def Image_to_RGB565(self, Image): img = np.asarray(Image) pix = np.zeros((self.width, self.height, 3), dtype=np.uint8) # RGB888 >> RGB565 pix[..., [0]] = np.add( np.bitwise_and(img[..., [0]], 0xF8), np.right_shift(img[..., [1]], 5) ) pix[..., [1]] = np.add( np.bitwise_and(np.left_shift(img[..., [1]], 3), 0xE0), np.right_shift(img[..., [2]], 3), ) pix = pix.flatten().tolist() # return pix.flatten().tolist() return pix def Image_to_RGB666(self, Image): # 將RGB888轉(zhuǎn)換為RGB666 img = np.asarray(Image) # 創(chuàng)建一個(寬度, 高度, 3)的數(shù)組，每個通道6位，用uint8存儲 pix = np.zeros((self.width, self.height, 3), dtype=np.uint8) # RGB888 >> RGB666轉(zhuǎn)換 # 每個通道保留高6位（右移2位丟棄最低2位） pix[..., 0] = np.right_shift(img[..., 0], 2)# 紅色通道(6位) pix[..., 1] = np.right_shift(img[..., 1], 2)# 綠色通道(6位) pix[..., 2] = np.right_shift(img[..., 2], 2)# 藍(lán)色通道(6位) return pix def Image_RGB888_to_RGB666(self, Image): img = np.asarray(Image) pix = np.zeros((self.height, self.width, 3), dtype=np.uint8) pix[..., [0]] = np.left_shift(np.left_shift(img[..., [0]], 2), 2) pix[..., [1]] = np.left_shift(np.left_shift(img[..., [1]], 2), 2) pix[..., [2]] = np.left_shift(np.left_shift(img[..., [2]], 2), 2) return pix.flatten().tolist() def display_text(self, text, font_size=30, x=0, y=10, color=(0,0,0)): # self.lcd_clear(self.WHITE) # 創(chuàng)建與屏幕尺寸相同的圖像 font_width = 320 font_height = 50 image = Image.new(\'RGB\', (font_width, font_height), color=(255, 255, 255))# 黑色背景 draw = ImageDraw.Draw(image) # 加載字體 (使用系統(tǒng)字體或自定義字體文件) try: # 嘗試加載系統(tǒng)字體 font = ImageFont.truetype(\'/usr/01_LCD/lib/DejaVuSans.ttf\', font_size) # print(\"find ttf\") except IOError: #fallback到默認(rèn)字體 font = ImageFont.load_default() # print(\"not find ttf\") # 在圖像上繪制文字 draw.text((x, y), text, font=font, fill=color) img_array = np.asarray(image, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] # 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 pix = np.zeros((self.height, self.width, 3), dtype=np.uint8) # 比例縮放：將8位值[0,255]映射到6位值[0,63] # 公式：6位值 = 8位值 × (63/255)，四舍五入取整 scale_factor = 63 * 4 / 255# 縮放因子 pix = np.round(img_array * scale_factor).astype(np.uint8) pix = pix.flatten().tolist() self.lcd_sendcmd(0x36) # self.lcd_senddata(0xC8) self.lcd_senddata(0x48) self.lcd_setPos(0, 0, font_width, font_height) gpio.output(self.pin_dc, gpio.HIGH) # 顯示圖像到屏幕 # display.display(image) self.lcd_sendnbytes(pix) def lcd_ShowImage(self, image_path, Xstart, Ystart): \"\"\"Set buffer to value of Python Imaging Library Image_show.\"\"\" \"\"\"Write display buffer to physical display\"\"\" Image_show = Image.open(image_path) # print(\"Image_show.mode\", Image_show.mode) tmp_width, tmp_height = Image_show.size # print(\"sss\",tmp_width,tmp_height) if tmp_width > tmp_height: width_ratio = self.width / tmp_height height_ratio = self.height / tmp_width else: width_ratio = self.width / tmp_width height_ratio = self.height / tmp_height scale_ratio = min(width_ratio, height_ratio) new_width = int(tmp_width * scale_ratio) new_height = int(tmp_height * scale_ratio) # print(\"scale_ratio\",tmp_width,tmp_height) # if tmp_width > tmp_height: #print(\"change width to height\") #new_size = (new_height, new_width) # else: new_size = (new_width, new_height) # Image_show = Image_show.resize(new_size, Image_show.Resampling.LANCZOS) Image_show = Image_show.resize(new_size, 1) # ValueError: Unknown resampling filter (Image_show.Resampling.NEAREST). Use Image_show.Resampling.NEAREST (0), Image_show.Resampling.LANCZOS (1), Image_show.Resampling.BILINEAR (2), Image_show.Resampling.BICUBIC (3), Image_show.Resampling.BOX (4) or Image_show.Resampling.HAMMING (5) # print(\"new_size\",new_size) imwidth, imheight = Image_show.size # print(\"Image_show: width = \", imwidth, \", height = \", imheight) if Image_show.mode == \"RGBA\": Image_show = Image_show.convert(\"RGB\") # if imwidth == self.height and imheight == self.width: if imwidth > imheight: img_array = np.asarray(Image_show, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] # 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 pix = np.zeros((self.width, self.height, 3), dtype=np.uint8) # 比例縮放：將8位值[0,255]映射到6位值[0,63] # 公式：6位值 = 8位值 × (63/255)，四舍五入取整 scale_factor = 63 * 4 / 255# 縮放因子 pix = np.round(img_array * scale_factor).astype(np.uint8) pix = pix.flatten().tolist() self.lcd_sendcmd( 0x36 )# define read/write scanning direction of frame memory self.lcd_senddata(0x28) math_x = imwidth+Ystart # if math_x < self.height: #print(\"picture is oversize.\") self.lcd_setPos(Ystart, 0, math_x, self.width) # self.lcd_setPos(Ystart, 0, imwidth+Ystart, imheight) # self.lcd_setPos(0, 0, self.height, self.width) gpio.output(self.pin_dc, gpio.HIGH) \"\"\"modify the original single byte write to multi byte write\"\"\" # for i in range(0,len(pix),1): #self.lcd_spisend(pix[i]) self.lcd_sendnbytes(pix) else: print(\"same direction\") img_array = np.asarray(Image_show, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] # 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 pix = np.zeros((self.height, self.width, 3), dtype=np.uint8) # 比例縮放：將8位值[0,255]映射到6位值[0,63] # 公式：6位值 = 8位值 × (63/255)，四舍五入取整 scale_factor = 63 * 4 / 255# 縮放因子 pix = np.round(img_array * scale_factor).astype(np.uint8) pix = pix.flatten().tolist() self.lcd_sendcmd(0x36) # self.lcd_senddata(0xC8) self.lcd_senddata(0x48) self.lcd_setPos(0, Ystart, self.width, self.height) gpio.output(self.pin_dc, gpio.HIGH) \"\"\"modify the original single byte write to multi byte write\"\"\" # for i in range(0,len(pix)): # self.lcd_spisend(pix[i]) self.lcd_sendnbytes(pix) Image_show.close() # def lcd_ShowImage(self, Image, Xstart, Ystart): #\"\"\"Set buffer to value of Python Imaging Library image.\"\"\" #\"\"\"Write display buffer to physical display\"\"\" ## print(\"image.mode\", Image.mode) #tmp_width, tmp_height = Image.size ## print(\"sss\",tmp_width,tmp_height) #if tmp_width > tmp_height: #width_ratio = self.width / tmp_height #height_ratio = self.height / tmp_width #else: #width_ratio = self.width / tmp_width #height_ratio = self.height / tmp_height #scale_ratio = min(width_ratio, height_ratio) #new_width = int(tmp_width * scale_ratio) #new_height = int(tmp_height * scale_ratio) ## print(\"scale_ratio\",tmp_width,tmp_height) ## if tmp_width > tmp_height: ##print(\"change width to height\") ##new_size = (new_height, new_width) ## else: #new_size = (new_width, new_height) ## Image = Image.resize(new_size, Image.Resampling.LANCZOS) #Image = Image.resize(new_size, 1) ## ValueError: Unknown resampling filter (Image.Resampling.NEAREST). Use Image.Resampling.NEAREST (0), Image.Resampling.LANCZOS (1), Image.Resampling.BILINEAR (2), Image.Resampling.BICUBIC (3), Image.Resampling.BOX (4) or Image.Resampling.HAMMING (5) ## print(\"new_size\",new_size) #imwidth, imheight = Image.size ## print(\"image: width = \", imwidth, \", height = \", imheight) #if Image.mode == \"RGBA\": #Image = Image.convert(\"RGB\") ## if imwidth == self.height and imheight == self.width: #if imwidth > imheight: #img_array = np.asarray(Image, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] ## 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 #pix = np.zeros((self.width, self.height, 3), dtype=np.uint8) ## 比例縮放：將8位值[0,255]映射到6位值[0,63] ## 公式：6位值 = 8位值 × (63/255)，四舍五入取整 #scale_factor = 63 * 4 / 255# 縮放因子 #pix = np.round(img_array * scale_factor).astype(np.uint8) #pix = pix.flatten().tolist() #self.lcd_sendcmd( # 0x36 #)# define read/write scanning direction of frame memory #self.lcd_senddata(0x28) #math_x = imwidth+Ystart ## if math_x < self.height: ##print(\"picture is oversize.\") #self.lcd_setPos(Ystart, 0, math_x, self.width) ## self.lcd_setPos(Ystart, 0, imwidth+Ystart, imheight) ## self.lcd_setPos(0, 0, self.height, self.width) #gpio.output(self.pin_dc, gpio.HIGH) #\"\"\"modify the original single byte write to multi byte write\"\"\" ## for i in range(0,len(pix),1): ##self.lcd_spisend(pix[i]) #self.lcd_sendnbytes(pix) #else: #print(\"same direction\") #img_array = np.asarray(Image, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] ## 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 #pix = np.zeros((self.height, self.width, 3), dtype=np.uint8) ## 比例縮放：將8位值[0,255]映射到6位值[0,63] ## 公式：6位值 = 8位值 × (63/255)，四舍五入取整 #scale_factor = 63 * 4 / 255# 縮放因子 #pix = np.round(img_array * scale_factor).astype(np.uint8) #pix = pix.flatten().tolist() #self.lcd_sendcmd(0x36) ## self.lcd_senddata(0xC8) #self.lcd_senddata(0x48) #self.lcd_setPos(0, Ystart, self.width, self.height) #gpio.output(self.pin_dc, gpio.HIGH) #\"\"\"modify the original single byte write to multi byte write\"\"\" ## for i in range(0,len(pix)): ## self.lcd_spisend(pix[i]) #self.lcd_sendnbytes(pix) # def lcd_ShowImage(self, Image, Xstart, Ystart): #\"\"\"Set buffer to value of Python Imaging Library image.\"\"\" #\"\"\"Write display buffer to physical display\"\"\" #print(\"image.mode\", Image.mode) #tmp_width, tmp_height = Image.size #print(\"sss\",tmp_width,tmp_height) #if tmp_width > tmp_height: #print(\"change width to height\") #new_size = (self.height, self.width) #else: #new_size = (self.width, self.height-Ystart) #Image = Image.resize(new_size) #print(\"new_size\",new_size) #imwidth, imheight = Image.size #print(\"image: width = \", imwidth, \", height = \", imheight) #if Image.mode == \"RGBA\": #Image = Image.convert(\"RGB\") #if imwidth == self.height and imheight == self.width: #img_array = np.asarray(Image, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] ## 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 #pix = np.zeros((self.width, self.height, 3), dtype=np.uint8) ## 比例縮放：將8位值[0,255]映射到6位值[0,63] ## 公式：6位值 = 8位值 × (63/255)，四舍五入取整 #scale_factor = 63 * 4 / 255# 縮放因子 #pix = np.round(img_array * scale_factor).astype(np.uint8) #pix = pix.flatten().tolist() #self.lcd_sendcmd( # 0x36 #)# define read/write scanning direction of frame memory #self.lcd_senddata(0x28) #self.lcd_setPos(0, 0, self.height, self.width) #gpio.output(self.pin_dc, gpio.HIGH) #\"\"\"modify the original single byte write to multi byte write\"\"\" ## for i in range(0,len(pix),1): ##self.lcd_spisend(pix[i]) #self.lcd_sendnbytes(pix) #else: #print(\"same direction\") ## self.lcd_clear_range(self.WHITE,0,0,0,Ystart) #img_array = np.asarray(Image, dtype=np.uint8)# 形狀為 (height, width, 3)，值范圍[0,255] ## 創(chuàng)建存儲6位數(shù)據(jù)的數(shù)組 #pix = np.zeros((self.height, self.width, 3), dtype=np.uint8) ## 比例縮放：將8位值[0,255]映射到6位值[0,63] ## 公式：6位值 = 8位值 × (63/255)，四舍五入取整 #scale_factor = 63 * 4 / 255# 縮放因子 #pix = np.round(img_array * scale_factor).astype(np.uint8) #pix = pix.flatten().tolist() #self.lcd_sendcmd(0x36) ## self.lcd_senddata(0xC8) #self.lcd_senddata(0x48) #self.lcd_setPos(0, Ystart, self.width, self.height) #gpio.output(self.pin_dc, gpio.HIGH) #\"\"\"modify the original single byte write to multi byte write\"\"\" ## for i in range(0,len(pix)): ## self.lcd_spisend(pix[i]) #self.lcd_sendnbytes(pix)

讓我們在樹莓派單板計算機(jī)上解鎖生物識別控制功能吧！生物識別技術(shù)利用每個人獨有的、不易復(fù)制的生理或行為特征進(jìn)行身份驗證。地球上每個人的指紋都是獨一無二的，讓我們一起來探索指紋的奇妙用途吧！本文將介紹

一、引言 賽昉科技提供了許多參考性文檔，其中不乏使用昉·星光 2測試在AI圖像處理的應(yīng)用場景。上期咱分享了二維碼檢測與解碼效果，只要攝像頭采集圖像夠清晰，掃描二維碼與解析效率還是挺好的。今兒來分享一下，基于上期環(huán)境，再對攝像頭應(yīng)用進(jìn)行展開，評估其在人臉識別、物體識別以及圖像邊緣檢測上的應(yīng)用。 二、人臉識別 （1）硬件搭建 準(zhǔn)備一本封面印有人臉頭像的雜志，以便后續(xù)測試檢測效果。 固定uvc攝像機(jī)，然后調(diào)好焦距，使其圖像采集清晰。 （2）代碼實現(xiàn) 與上期的二維碼檢測實驗一樣，基于OpenCV模型去實現(xiàn)人臉圖像檢測、輪廓標(biāo)注、置信度和識別。在人臉圖像檢測的同時，顯示檢測的置信度，置信度小于50%過濾掉。，因此需用到深度學(xué)習(xí)的檢測模型，github上有提供開源的OpenCV DNN或FaceNet模型，可滿足置信度顯示需求。準(zhǔn)備預(yù)訓(xùn)練模型文件 通過github上獲取“deploy.prototxt.txt”與“res10_300x300_ssd_iter_140000.caffemodel”文件。*附件：deploy.prototxt.zip*附件：res10_300x300_ssd_iter_140000.zip 編寫“face_detection.py”源代碼，內(nèi)容如下： import cv2 import numpy as np net = cv2.dnn.readNetFromCaffe(\"deploy.prototxt.txt\", \"res10_300x300_ssd_iter_140000.caffemodel\") cap = cv2.VideoCapture(4, cv2.CAP_V4L2) while True: ret, frame = cap.read() if not ret: break (h, w) = frame.shape[:2] blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0)) net.setInput(blob) detections = net.forward() for i in range(detections.shape[2]): confidence = detections[0, 0, i, 2] if confidence < 0.5: continue box = detections[0, 0, i, 3:7] * np.array([w, h, w, h]) (startX, startY, endX, endY) = box.astype(\"int\") cv2.rectangle(frame, (startX, startY), (endX, endY), (0, 255, 0), 2) text = f\"Face: {confidence * 100:.2f}%\" cv2.putText(frame, text, (startX, startY - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) cv2.imshow(\"Face Detection with Confidence\", frame) key = cv2.waitKey(1) & 0xFF # if the `q` key was pressed, break from the loop if key == ord(\"q\"): break cap.release() cv2.destroyAllWindows() 將編寫好的“face_detection.py”源文件與上述下載好的預(yù)訓(xùn)練模型文件放在同一文件夾下。 桌面方式登錄后，然后終端中進(jìn)到該文件夾下，普通用戶身份執(zhí)行“ python3 face_detection.py”，呈現(xiàn)的檢測效果見底部視頻。 三、物體識別 因為之前的二維碼檢測功能基本已實現(xiàn)，因此環(huán)境這塊，相應(yīng)的依賴軟件包都已安裝好了，這里調(diào)用YOLO-V3模型進(jìn)行通用物體的識別。 基于yolo-v3模型的應(yīng)用“object_detection.cpp”源代碼如下： #include <fstream> #include <sstream> #include <opencv2/dnn.hpp> #include <opencv2/imgproc.hpp> #include <opencv2/highgui.hpp> #if defined(CV_CXX11) && defined(HAVE_THREADS) #define USE_THREADS 1 #endif #ifdef USE_THREADS #include <mutex> #include <thread> #include <queue> #endif #include \"common.hpp\" std::string keys = \"{ helph| | Print help message. }\" \"{ @Alias| | An alias name of model to extract preprocessing parameters from models.yml file. }\" \"{ zoo| models.yml | An optional path to file with preprocessing parameters }\" \"{ device|0 | camera device number. }\" \"{ input i| | Path to input image or video file. Skip this argument to capture frames from a camera. }\" \"{ framework f | | Optional name of an origin framework of the model. Detect it automatically if it does not set. }\" \"{ classes| | Optional path to a text file with names of classes to label detected objects. }\" \"{ thr| .5 | Confidence threshold. }\" \"{ nms| .4 | Non-maximum suppression threshold. }\" \"{ backend|0 | Choose one of computation backends: \" \"0: automatically (by default), \" \"1: Halide language (http://halide-lang.org/), \" \"2: Intel\'s Deep Learning Inference Engine (https://software.intel.com/openvino-toolkit), \" \"3: OpenCV implementation, \" \"4: VKCOM, \" \"5: CUDA }\" \"{ target| 0 | Choose one of target computation devices: \" \"0: CPU target (by default), \" \"1: OpenCL, \" \"2: OpenCL fp16 (half-float precision), \" \"3: VPU, \" \"4: Vulkan, \" \"6: CUDA, \" \"7: CUDA fp16 (half-float preprocess) }\" \"{ async | 0 | Number of asynchronous forwards at the same time. \" \"Choose 0 for synchronous mode }\"; using namespace cv; using namespace dnn; float confThreshold, nmsThreshold; std::vector<std::string> classes; inline void preprocess(const Mat& frame, Net& net, Size inpSize, float scale, const Scalar& mean, bool swapRB); void postprocess(Mat& frame, const std::vector<Mat>& out, Net& net, int backend); void drawPred(int classId, float conf, int left, int top, int right, int bottom, Mat& frame); void callback(int pos, void* userdata); #ifdef USE_THREADS template <typename T> class QueueFPS : public std::queue<T> { public: QueueFPS() : counter(0) {} void push(const T& entry) { std::lock_guard<std::mutex> lock(mutex); std::queue<T>::push(entry); counter += 1; if (counter == 1) { // Start counting from a second frame (warmup). tm.reset(); tm.start(); } } T get() { std::lock_guard<std::mutex> lock(mutex); T entry = this->front(); this->pop(); return entry; } float getFPS() { tm.stop(); double fps = counter / tm.getTimeSec(); tm.start(); return static_cast<float>(fps); } void clear() { std::lock_guard<std::mutex> lock(mutex); while (!this->empty()) this->pop(); } unsigned int counter; private: TickMeter tm; std::mutex mutex; }; #endif// USE_THREADS int main(int argc, char** argv) { CommandLineParser parser(argc, argv, keys); const std::string modelName = parser.get<String>(\"@alias\"); const std::string zooFile = parser.get<String>(\"zoo\"); keys += genPreprocArguments(modelName, zooFile); parser = CommandLineParser(argc, argv, keys); parser.about(\"Use this script to run object detection deep learning networks using OpenCV.\"); if (argc == 1 || parser.has(\"help\")) { parser.printMessage(); return 0; } confThreshold = parser.get<float>(\"thr\"); nmsThreshold = parser.get<float>(\"nms\"); float scale = parser.get<float>(\"scale\"); Scalar mean = parser.get<Scalar>(\"mean\"); bool swapRB = parser.get<bool>(\"rgb\"); int inpWidth = parser.get<int>(\"width\"); int inpHeight = parser.get<int>(\"height\"); size_t asyncNumReq = parser.get<int>(\"async\"); CV_Assert(parser.has(\"model\")); std::string modelPath = findFile(parser.get<String>(\"model\")); std::string configPath = findFile(parser.get<String>(\"config\")); // Open file with classes names. if (parser.has(\"classes\")) { std::string file = parser.get<String>(\"classes\"); std::ifstream ifs(file.c_str()); if (!ifs.is_open()) CV_Error(Error::StsError, \"File \" + file + \" not found\"); std::string line; while (std::getline(ifs, line)) { classes.push_back(line); } } // Load a model. Net net = readNet(modelPath, configPath, parser.get<String>(\"framework\")); int backend = parser.get<int>(\"backend\"); net.setPreferableBackend(backend); net.setPreferableTarget(parser.get<int>(\"target\")); std::vector<String> outNames = net.getUnconnectedOutLayersNames(); // Create a window static const std::string kWinName = \"Deep learning object detection in OpenCV\"; namedWindow(kWinName, WINDOW_NORMAL); int initialConf = (int)(confThreshold * 100); createTrackbar(\"Confidence threshold, %\", kWinName, &initialConf, 99, callback); // Open a video file or an image file or a camera stream. VideoCapture cap; if (parser.has(\"input\")) cap.open(parser.get<String>(\"input\")); else cap.open(parser.get<int>(\"device\")); #ifdef USE_THREADS bool process = true; // Frames capturing thread QueueFPS<Mat> framesQueue; std::thread framesThread([&](){ Mat frame; while (process) { cap >> frame; if (!frame.empty()) framesQueue.push(frame.clone()); else break; } }); // Frames processing thread QueueFPS<Mat> processedFramesQueue; QueueFPS<std::vector<Mat> > predictionsQueue; std::thread processingThread([&](){ std::queue<AsyncArray> futureOutputs; Mat blob; while (process) { // Get a next frame Mat frame; { if (!framesQueue.empty()) { frame = framesQueue.get(); if (asyncNumReq) { if (futureOutputs.size() == asyncNumReq) frame = Mat(); } else framesQueue.clear();// Skip the rest of frames } } // Process the frame if (!frame.empty()) { preprocess(frame, net, Size(inpWidth, inpHeight), scale, mean, swapRB); processedFramesQueue.push(frame); if (asyncNumReq) { futureOutputs.push(net.forwardAsync()); } else { std::vector<Mat> outs; net.forward(outs, outNames); predictionsQueue.push(outs); } } while (!futureOutputs.empty() && futureOutputs.front().wait_for(std::chrono::seconds(0))) { AsyncArray async_out = futureOutputs.front(); futureOutputs.pop(); Mat out; async_out.get(out); predictionsQueue.push({out}); } } }); // Postprocessing and rendering loop while (waitKey(1) < 0) { if (predictionsQueue.empty()) continue; std::vector<Mat> outs = predictionsQueue.get(); Mat frame = processedFramesQueue.get(); postprocess(frame, outs, net, backend); if (predictionsQueue.counter > 1) { std::string label = format(\"Camera: %.2f FPS\", framesQueue.getFPS()); putText(frame, label, Point(0, 15), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0)); label = format(\"Network: %.2f FPS\", predictionsQueue.getFPS()); putText(frame, label, Point(0, 30), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0)); label = format(\"Skipped frames: %d\", framesQueue.counter - predictionsQueue.counter); putText(frame, label, Point(0, 45), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0)); } imshow(kWinName, frame); } process = false; framesThread.join(); processingThread.join(); #else// USE_THREADS if (asyncNumReq) CV_Error(Error::StsNotImplemented, \"Asynchronous forward is supported only with Inference Engine backend.\"); // Process frames. Mat frame, blob; while (waitKey(1) < 0) { cap >> frame; if (frame.empty()) { waitKey(); break; } preprocess(frame, net, Size(inpWidth, inpHeight), scale, mean, swapRB); std::vector<Mat> outs; net.forward(outs, outNames); postprocess(frame, outs, net, backend); // Put efficiency information. std::vector<double> layersTimes; double freq = getTickFrequency() / 1000; double t = net.getPerfProfile(layersTimes) / freq; std::string label = format(\"Inference time: %.2f ms\", t); putText(frame, label, Point(0, 15), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0)); imshow(kWinName, frame); } #endif// USE_THREADS return 0; } inline void preprocess(const Mat& frame, Net& net, Size inpSize, float scale, const Scalar& mean, bool swapRB) { static Mat blob; // Create a 4D blob from a frame. if (inpSize.width <= 0) inpSize.width = frame.cols; if (inpSize.height <= 0) inpSize.height = frame.rows; blobFromImage(frame, blob, 1.0, inpSize, Scalar(), swapRB, false, CV_8U); // Run a model. net.setInput(blob, \"\", scale, mean); if (net.getLayer(0)->outputNameToIndex(\"im_info\") != -1)// Faster-RCNN or R-FCN { resize(frame, frame, inpSize); Mat imInfo = (Mat_<float>(1, 3) << inpSize.height, inpSize.width, 1.6f); net.setInput(imInfo, \"im_info\"); } } void postprocess(Mat& frame, const std::vector<Mat>& outs, Net& net, int backend) { static std::vector<int> outLayers = net.getUnconnectedOutLayers(); static std::string outLayerType = net.getLayer(outLayers[0])->type; std::vector<int> classIds; std::vector<float> confidences; std::vector<Rect> boxes; if (outLayerType == \"DetectionOutput\") { // Network produces output blob with a shape 1x1xNx7 where N is a number of // detections and an every detection is a vector of values // [batchId, classId, confidence, left, top, right, bottom] CV_Assert(outs.size() > 0); for (size_t k = 0; k < outs.size(); k++) { float* data = (float*)outs[k].data; for (size_t i = 0; i < outs[k].total(); i += 7) { float confidence = data[i + 2]; if (confidence > confThreshold) { int left= (int)data[i + 3]; int top = (int)data[i + 4]; int right= (int)data[i + 5]; int bottom = (int)data[i + 6]; int width= right - left + 1; int height = bottom - top + 1; if (width <= 2 || height <= 2) { left= (int)(data[i + 3] * frame.cols); top = (int)(data[i + 4] * frame.rows); right= (int)(data[i + 5] * frame.cols); bottom = (int)(data[i + 6] * frame.rows); width= right - left + 1; height = bottom - top + 1; } classIds.push_back((int)(data[i + 1]) - 1);// Skip 0th background class id. boxes.push_back(Rect(left, top, width, height)); confidences.push_back(confidence); } } } } else if (outLayerType == \"Region\") { for (size_t i = 0; i < outs.size(); ++i) { // Network produces output blob with a shape NxC where N is a number of // detected objects and C is a number of classes + 4 where the first 4 // numbers are [center_x, center_y, width, height] float* data = (float*)outs.data; for (int j = 0; j < outs.rows; ++j, data += outs.cols) { Mat scores = outs.row(j).colRange(5, outs.cols); Point classIdPoint; double confidence; minMaxLoc(scores, 0, &confidence, 0, &classIdPoint); if (confidence > confThreshold) { int centerX = (int)(data[0] * frame.cols); int centerY = (int)(data[1] * frame.rows); int width = (int)(data[2] * frame.cols); int height = (int)(data[3] * frame.rows); int left = centerX - width / 2; int top = centerY - height / 2; classIds.push_back(classIdPoint.x); confidences.push_back((float)confidence); boxes.push_back(Rect(left, top, width, height)); } } } } else CV_Error(Error::StsNotImplemented, \"Unknown output layer type: \" + outLayerType); // NMS is used inside Region layer only on DNN_BACKEND_OPENCV for another backends we need NMS in sample // or NMS is required if number of outputs > 1 if (outLayers.size() > 1 || (outLayerType == \"Region\" && backend != DNN_BACKEND_OPENCV)) { std::map<int, std::vector<size_t> > class2indices; for (size_t i = 0; i < classIds.size(); i++) { if (confidences >= confThreshold) { class2indices[classIds].push_back(i); } } std::vector<Rect> nmsBoxes; std::vector<float> nmsConfidences; std::vector<int> nmsClassIds; for (std::map<int, std::vector<size_t> >::iterator it = class2indices.begin(); it != class2indices.end(); ++it) { std::vector<Rect> localBoxes; std::vector<float> localConfidences; std::vector<size_t> classIndices = it->second; for (size_t i = 0; i < classIndices.size(); i++) { localBoxes.push_back(boxes[classIndices]); localConfidences.push_back(confidences[classIndices]); } std::vector<int> nmsIndices; NMSBoxes(localBoxes, localConfidences, confThreshold, nmsThreshold, nmsIndices); for (size_t i = 0; i < nmsIndices.size(); i++) { size_t idx = nmsIndices; nmsBoxes.push_back(localBoxes[idx]); nmsConfidences.push_back(localConfidences[idx]); nmsClassIds.push_back(it->first); } } boxes = nmsBoxes; classIds = nmsClassIds; confidences = nmsConfidences; } for (size_t idx = 0; idx < boxes.size(); ++idx) { Rect box = boxes[idx]; drawPred(classIds[idx], confidences[idx], box.x, box.y, box.x + box.width, box.y + box.height, frame); } } void drawPred(int classId, float conf, int left, int top, int right, int bottom, Mat& frame) { rectangle(frame, Point(left, top), Point(right, bottom), Scalar(0, 255, 0)); std::string label = format(\"%.2f\", conf); if (!classes.empty()) { CV_Assert(classId < (int)classes.size()); label = classes[classId] + \": \" + label; } int baseLine; Size labelSize = getTextSize(label, FONT_HERSHEY_SIMPLEX, 0.5, 1, &baseLine); top = max(top, labelSize.height); rectangle(frame, Point(left, top - labelSize.height), Point(left + labelSize.width, top + baseLine), Scalar::all(255), FILLED); putText(frame, label, Point(left, top), FONT_HERSHEY_SIMPLEX, 0.5, Scalar()); } void callback(int pos, void*) { confThreshold = pos * 0.01f; } 桌面方式登錄后，終端中user身份直接運行“v4l2-ctl --list-device”指令，確認(rèn)USB攝像機(jī)的ID號。然后再運行“example_dnn_object_detection --config=/usr/share/opencv4/yolo-v3/yolov3-tiny.cfg --model=/usr/share/opencv4/yolo-v3/yolov3-tiny.weights --classes=/usr/share/opencv4/yolo-v3/classes.txt --width=416--height=416--scale=0.00392--rgb --target=1--device=4” 四、圖像邊緣檢測 這里調(diào)用OpenCV官方提供的“edge.py”源文件，內(nèi)容如下： #!/usr/bin/env python \'\'\' This sample demonstrates Canny edge detection. Usage: edge.py [<video source>] Trackbars control edge thresholds. \'\'\' # Python 2/3 compatibility from __future__ import print_function import cv2 as cv import numpy as np # relative module import video # built-in module import sys def main(): try: fn = sys.argv[1] cam = int(fn) except: fn = 0 def nothing(*arg): pass cv.namedWindow(\'edge\', 0) cv.resizeWindow(\'edge\', 640, 480) cv.createTrackbar(\'thrs1\', \'edge\', 2000, 5000, nothing) cv.createTrackbar(\'thrs2\', \'edge\', 4000, 5000, nothing) cap = cv.VideoCapture(cam, cv.CAP_V4L2) if cam == 1: cap.set(cv.CAP_PROP_CONVERT_RGB, 0) while True: if cam == 1: ret, img_origin = cap.read() img = cv.cvtColor(img_origin, cv.COLOR_YUV2BGR_NV12) else: ret, img = cap.read() gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) thrs1 = cv.getTrackbarPos(\'thrs1\', \'edge\') thrs2 = cv.getTrackbarPos(\'thrs2\', \'edge\') edge = cv.Canny(gray, thrs1, thrs2, apertureSize=5) vis = img.copy() vis = np.uint8(vis/2.) vis[edge != 0] = (0, 255, 0) cv.imshow(\'edge\', vis) ch = cv.waitKey(5) if ch == 27: break print(\'Done\') if __name__ == \'__main__\': print(__doc__) main() cv.destroyAllWindows() 同樣的，桌面方式登錄后，終端中user身份直接運行“v4l2-ctl --list-device”指令，確認(rèn)USB攝像機(jī)的ID號。然后再運行： cd /usr/share/doc/opencv-doc/examples/python/ python3 edge.py 4 默認(rèn)參數(shù)下運行效果如下： 調(diào)節(jié)thrs1、thrs2參數(shù)后，檢測的圖像邊緣區(qū)分更明顯。 五、小結(jié) 綜上評測效果，昉·星光2連接一個通用的USB攝像機(jī)，即可高效實現(xiàn)基于OpenCV的人臉檢測識別、通用物體識別、二維碼檢測與解析，圖像邊緣檢測等功能，證實該開發(fā)板可以運用在AI智能終端產(chǎn)品設(shè)計上，賽昉科技也提供了諸多指導(dǎo)性文檔，一個應(yīng)用可通過多種模型來實現(xiàn)，有提供C++源代碼方式的接口，也有python源代碼。提供的參考例程很有代表性，足見該開發(fā)板應(yīng)用的場景廣泛，尤其是在邊緣AI設(shè)計中，具有很好的市場競爭力。

一、引言 上期借助官方提供的VisionFive.gpio包，實現(xiàn)了LED點陣屏內(nèi)容的完善。這期來分享一下，使用VisionFive 2開發(fā)板連接通用的USB攝像機(jī)，抓拍二維碼，并完成對二維碼的內(nèi)容進(jìn)行解碼。 二、搭建環(huán)境 使用PuTTY的ssh接口連接后開發(fā)板后，需要執(zhí)行以下指令，以完成 StarFive Packages及其依賴的必要組件安裝，下載安裝時長比較久。 https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/install_package_and_dependencies.sh chmod +x install_package_and_dependencies.sh sudo ./install_package_and_dependencies.sh 前段時間燒錄的系統(tǒng)是使用閃迪16GB的TF卡，在執(zhí)行完腳本后，報安裝vlc的libixml10與libupnp13組件下載安裝失敗，這可能跟網(wǎng)絡(luò)狀態(tài)、TF讀寫速度相關(guān)。 于是乎，筆者換了一張32GB的TF，重新燒寫了202409版系統(tǒng)鏡像，重新安裝了vim、python3-pip、VisionFive.gpio包等?；谇捌趫?zhí)行腳本的情況，在Linux中在線下載安裝必備的組件包比較費時費勁，因此根據(jù)“install_package_and_dependencies.sh”腳本中的內(nèi)容，將要下載的數(shù)據(jù)包，通過windows下的瀏覽器去下載，這樣就高效多了。下載好的文件列表信息如下： 將windows中下載好的組件包文件，通過FileZilla的ssh接口，傳輸給VisionFive 2，保存到user目錄下。然后在腳本中再對內(nèi)容進(jìn)行修改，以免執(zhí)行指令時，按照腳本再去指定網(wǎng)址下下載。由于TF空間夠大，為避免后續(xù)麻煩，因此將刪除數(shù)據(jù)包的指令屏蔽掉。 #!/bin/sh #LibreOffice Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install libxslt1.1 openjdk-11-jdk -y #QT Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install libmd4c-dev libdouble-conversion-dev libc6-dev libpcre2-16-0 \"^libxcb.*\" libx11-xcb-dev libglu1-mesa-dev libxrender-dev libxi-dev libxkbcommon-x11-dev -y #Firefox Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install libevent-dev libdbus-glib-1-dev -y #FFMPEG Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install libopenal-dev libcdio-paranoia-dev libdc1394-dev libcaca-dev libv4l-dev libpocketsphinx-dev libbs2b-dev liblilv-0-0 librubberband-dev libmysofa-dev libflite1 libass-dev libvidstab-dev libzmq3-dev libzimg-dev libgme-dev libopenmpt-dev libchromaprint-dev librabbitmq-dev libssh-dev libsrt-openssl-devliba52-0.7.4-dev libhwy1 libjxl0.7 -y #v4l2test Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install libv4l-0 libv4l-dev v4l-utils libjpeg-dev libdrm-dev -y #chromium Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install libre2-9 libminizip-dev -y #opencv Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install fonts-mathjax libjs-mathjax libpython3.11-minimal libpython3.11-stdlib python3-numpy python3.11 python3.11-minimal python3-h5py libvtk9.1 libqt5test5 libqt5opengl5 libtesseract5 libgdcm-dev libgdal-dev -y #cogl/cultter Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install gstreamer1.0-clutter-3.0 -y #vlc Runtime Dependencies DEBIAN_FRONTEND=noninteractive apt-get install fonts-freefont-ttf libaribb24-0 libcddb2 libdvbpsi10 libebml5 libixml10 liblirc-client0 liblua5.2-0 libmad0 libmatroska7 libprotobuf-lite32 libqt5x11extras5 libresid-builder0c2a libsdl-image1.2 libsdl1.2debian libsidplay2 libspatialaudio0 libupnp13 libva-wayland2 libvncclient1 -y #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/firefox_105.0_202305_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/libreoffice_7.5_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/nodejs-18.0.0_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/nwjs_0.65.1-2_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/qt-5.15-2-wayland_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/v4l2test_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/v8-10.2.154.13_riscv64.deb #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/chromium-103.0.5060.114.deb dpkg -i nodejs-18.0.0_riscv64.deb dpkg -i v8-10.2.154.13_riscv64.deb dpkg -i libreoffice_7.5_riscv64.deb dpkg -i qt-5.15-2-wayland_riscv64.deb dpkg -i firefox_105.0_202305_riscv64.deb dpkg -i nwjs_0.65.1-2_riscv64.deb dpkg -i v4l2test_riscv64.deb dpkg -i chromium-103.0.5060.114.deb #rm nodejs-18.0.0_riscv64.deb #rm v8-10.2.154.13_riscv64.deb #rm libreoffice_7.5_riscv64.deb #rm qt-5.15-2-wayland_riscv64.deb #rm firefox_105.0_202305_riscv64.deb #rm nwjs_0.65.1-2_riscv64.deb #rm v4l2test_riscv64.deb #rm chromium-103.0.5060.114.deb ##### ffmpeg install ###### #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/multimedia.tar.gz tar -xvzf multimedia.tar.gz cd $PWD/multimedia dpkg --force-all -i *.deb cd .. #### opencv install ##### #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/opencv-deb.tar.gz tar -xvzf opencv-deb.tar.gz cd $PWD/opencv-deb dpkg --force-all -i *.deb cd .. #### cogl/clutter install ##### #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/gst-cogl.tar.gz tar -xvzf gst-cogl.tar.gz cd $PWD/gst-cogl dpkg --force-all -i *.deb cd .. ### vlc-package install #wget https://github.com/starfive-tech/Debian/releases/download/v0.8.0-engineering-release-wayland/vlc-packages.tar.gz tar -xvzf vlc-packages.tar.gz cd $PWD/vlc-packages dpkg --force-all -i *.deb cd .. #rm -rf multimedia.tar.gz #rm -rf opencv-deb.tar.gz #rm -rf gst-cogl.tar.gz #rm -rf vlc-packages.tar.gz #rm -rf multimedia #rm -rf opencv-deb #rm -rf gst-cogl #rm -rf vlc-packages echo \"Install Success\" 這樣處理后，再執(zhí)行腳本就高效了，在線安裝必備的依賴庫文件后，直接本地解壓并安裝組件包。 三、USB攝像頭 本次實驗采用的是一個分辨率為2592*1944的uvc免驅(qū)工業(yè)攝像機(jī)。無自動聚焦功能，由于之前貼了濾光片，因此手動對焦，以及周圍環(huán)境給光顯得尤為重要。攝像頭配無畸變鏡頭，實物如下： 攝像頭需要在windows下使用“AMCap”工具，手機(jī)支架固定好位置，調(diào)好焦距，使采集的圖片清晰明朗。 四、安裝USB軟件包 由于此次使用的USB攝像頭，并沒用到IMX219 CSI攝像頭，因此需要安裝關(guān)于USB的軟件包。 sudo apt-get install usbutils 在user目錄下執(zhí)行上述指令，然后通過lsusb指令，可查詢到接入USB接口的攝像頭。 使用“v4l2-ctl --list-device”可查詢當(dāng)前掛載video設(shè)備 使用“v4l2-ctl --device=/dev/video4 --all”可查看掛載在video4的USB攝像頭配置信息 五、執(zhí)行實驗代碼 cd /usr/share/doc/opencv-doc/examples/python/ python3 qrcode.py --device=4 通過執(zhí)行上述兩步指令后，可啟動二維碼檢測程序。然而執(zhí)行后提示如下： 針對上述問題，需要安裝好opencv的python依賴軟件包 sudo apt-get install libopencv-dev python3-opencv 成功安裝完成后，在ssh終端再次執(zhí)行“python3 qrcode.py --device=4”指令，提示如下： 出現(xiàn)上述情況，需通過HDMI的桌面方式登錄后，在系統(tǒng)終端中，進(jìn)入到“/usr/share/doc/opencv-doc/examples/python/”路徑下，再執(zhí)行“qrcode.py”腳本程序。 攝像頭聚焦良好，可以順利檢測到二維碼并解析成功。 終端打印如下： 六、后記 正如上述，可以成功檢測二維碼并解析成功，但是次日，想錄制視頻發(fā)帖時，結(jié)果發(fā)現(xiàn)桌面方式無法登錄了，不管是user身份還是root身份，密碼也沒改，怎么回事？使用Uart或者ssh方式，都可以正常連接登錄。徹底懵了，因為搭建這個環(huán)境聯(lián)網(wǎng)比較費時。 “Not listed？”也不知道是啥原因，聯(lián)系賽昉FAE遠(yuǎn)程協(xié)助，也沒查出bug所在，想通過拷貝TF鏡像來分析問題，但是插入TF卡彈出三個盤，且三個盤都強(qiáng)制要求格式化才能訪問，這樣的話也沒法通過Ubuntu虛擬機(jī)來掛載TF，使用dd命令將鏡像壓縮出來了。無奈只能重刷系統(tǒng)，重新構(gòu)建環(huán)境了。 經(jīng)過再次聯(lián)網(wǎng)下載必備軟件包后，運行指令后，桌面終端提示： 這說明攝像頭檢測到二維碼并解析出結(jié)果了，但是由于不是以user身份運行指令，所以無法打開firefox瀏覽器，“python3 qrcode.py --device=4”命令需要以user身份運行，不用加sudo執(zhí)行，這樣就能順利啟動firefox，視頻見底部。 后面正常關(guān)機(jī)后，再次通過HDMI桌面的方式登錄系統(tǒng)，可以正常登錄，沒有復(fù)現(xiàn)到之前的情況。初步結(jié)論： ①、可能是由于多重身份運行后，導(dǎo)致文件丟失。當(dāng)時使用ssh以root身份執(zhí)行shutdown關(guān)機(jī)指令，而在桌面的終端以user身份運行著二維碼檢測程序。 ②、攝像頭掛載的device設(shè)備號不固定，非法訪問到其它系統(tǒng)媒體設(shè)備號了，導(dǎo)致gdm3驅(qū)動異常。 好了，此次實驗分享到此結(jié)束，以上經(jīng)歷僅供參考，遇到類似問題的壇友，歡迎留言共同討論。

工業(yè)計算機(jī)對某些行業(yè)至關(guān)重要。我們將在下面詳細(xì)解釋這些行業(yè)中的工業(yè)計算機(jī)應(yīng)用。1.制造與工業(yè)自動化工業(yè)級計算機(jī)非常適合制造工廠，特別是那些想要自動化裝配過程的工廠。在這樣的環(huán)境中，工業(yè)計算機(jī)可用

拿到VisionFive 2板子有段時間了，之前也寫過幾篇帖子了，今天來寫一下刷寫Ubuntu系統(tǒng)。 1。首先從ubunut官網(wǎng)下載VisionFive 2的固件，塞防已經(jīng)做好了適配。 https://canonical-ubutu-boards.readthedocs-hosted.com/en/latst/how-to/starfive-visionfive-2/ 2。下載下來后，解壓出來 使用上面的固件， 3。打開燒錄軟件 選擇固件 選擇磁盤 燒錄開始 等5分鐘燒錄完畢 還要驗證一遍 最后燒錄完畢 鏈接好板子和串口 打開putty 可以看到燒錄正常，進(jìn)入Ubuntu了

一、引言 上期咱分享了環(huán)境搭建與GPIO點燈實驗，今兒在此基礎(chǔ)上，驗證一下驅(qū)動8x8的LED點陣屏，由于之前的環(huán)境與VisionFive.gpio包已安裝好，因此實驗起來比較順利。由參考的腳本可知，實驗中需用到一個按鍵開關(guān)作為中斷觸發(fā)LED點陣屏顯示。 二、硬件連接 上圖為硬件實物連接情況，初始上電狀態(tài)為全亮LED點陣屏。 咱連接點陣屏與按鍵模塊，是通過連接板上40-Pin Header。 MAX7219串行點陣顯示模塊與板上40-Pin Header連接關(guān)系： 按鍵開關(guān)一端連接一個信號輸入GPIO口，設(shè)定為低電平有效；另一端連接GND。 三、腳本修改 在官方提供的參考腳本上，擴(kuò)展顯示其它內(nèi)容。 命令執(zhí)行流程： 開發(fā)板上電后，串口輸出顯示待登錄狀態(tài)，說明網(wǎng)絡(luò)已初始化完成，因此可使用PuTTY登錄到開發(fā)板上。然后將普通用戶變更為超級用戶，然后進(jìn)入到sample-code目錄下，由于官方提供的參考腳本文件為只讀屬性，因此使用vim編輯是無效的，需要使用chmod命令將文件屬性更新為可讀可寫。這樣接下來可以使用vim編輯該腳本文件。命令執(zhí)行步驟如下圖所示： edge_detection_with_LED_Matrix.py代碼完善如下： \"\"\" Step 1: Please make sure the LED Dot Matrix is connected to the correct pins. The following table describes how to connect LED Dot Matrix to the 40-pin header. ----------------------------------------- ___MAX7219_______Pin Number_____Pin Name VCC 25V Power GND 34GND DIN 40 GPIO44 CS38 GPIO61 CLK 36 GPIO36 Step 2: Please make sure the button is connected to the correct pins. The following table describes how to connect the button to the 40-pin header. ---------------------------------------- _______button____Pin Number_____Pin Name one end 37 GPIO60 The other end39GND ----------------------------------------- \"\"\" import VisionFive.gpio as GPIO import sys import time DIN = 40 CS = 38 CLK = 36 # Display logo data. buffer = [ \"01111000\", \"01000000\", \"01111000\", \"01001111\", \"01111001\", \"00001111\", \"00000001\", \"00001111\", ] #Display arabic numeral 13. buffer_13 = [ \"00001000\", \"00001000\", \"01111111\", \"01001001\", \"01001001\", \"01111111\", \"00001000\", \"00001000\", ] #Display arabic numeral 12. buffer_12 = [ \"11111111\", \"10111101\", \"10010001\", \"10111101\", \"10010101\", \"10111101\", \"10000001\", \"11111111\", ] #Display arabic numeral 11. buffer_11 = [ \"01111110\", \"00100000\", \"00100000\", \"00111110\", \"01000010\", \"10000100\", \"00010100\", \"00001000\", ] #Display arabic numeral 10. buffer_10 = [ \"01001001\", \"01111111\", \"00001000\", \"00011111\", \"00100010\", \"01011010\", \"00000100\", \"00001000\", ] #Display arabic numeral 9. buffer_9 = [ \"00111110\", \"00100010\", \"00100010\", \"00111110\", \"00000010\", \"00000010\", \"00000010\", \"00111110\", ] #Display arabic numeral 8. buffer_8 = [ \"00111110\", \"00100010\", \"00100010\", \"00111110\", \"00100010\", \"00100010\", \"00100010\", \"00111110\", ] #Display arabic numeral 7. buffer_7 = [ \"00111110\", \"00000010\", \"00000010\", \"00000100\", \"00000100\", \"00000100\", \"00001000\", \"00001000\", ] #Display arabic numeral 6. buffer_6 = [ \"00111110\", \"00100000\", \"00100000\", \"00111110\", \"00100010\", \"00100010\", \"00100010\", \"00111110\", ] #Display arabic numeral 5. buffer_5 = [ \"00011110\", \"00010000\", \"00010000\", \"00011110\", \"00000010\", \"00000010\", \"00000010\", \"00011110\", ] # Display arabic numeral 4. buffer_4 = [ \"00000100\", \"00001000\", \"00010000\", \"00100100\", \"01000100\", \"01111111\", \"00000100\", \"00000100\", ] # Display arabic numeral 3. buffer_3 = [ \"00011100\", \"00100010\", \"00000010\", \"00011110\", \"00000010\", \"00100010\", \"00011100\", \"00000000\", ] # Display arabic numeral 2. buffer_2 = [ \"00011100\", \"00100010\", \"00000010\", \"00000100\", \"00001000\", \"00010000\", \"00111110\", \"00000000\", ] # Display arabic numeral 1. buffer_1 = [ \"00001000\", \"00011000\", \"00001000\", \"00001000\", \"00001000\", \"00001000\", \"00001000\", \"00011100\", ] # LED turn off data. buffer_off = [\"0\", \"0\", \"0\", \"0\", \"0\", \"0\", \"0\", \"0\"] key_pin = 37 def sendbyte(bytedata): for bit in range(0, 8): if (bytedata << bit) & 0x80: GPIO.output(DIN, GPIO.HIGH) else: GPIO.output(DIN, GPIO.LOW) # Configure the voltage level of CLK as high. GPIO.output(CLK, GPIO.HIGH) # Configure the voltage level of CLK as low. GPIO.output(CLK, GPIO.LOW) def WriteToReg(regaddr, bytedata): GPIO.output(CS, GPIO.HIGH) GPIO.output(CS, GPIO.LOW) GPIO.output(CLK, GPIO.LOW) sendbyte(regaddr) sendbyte(bytedata) GPIO.output(CS, GPIO.HIGH) def disp_clean(): time.sleep(0.1) for i in range(0, 8): # Write data to register address. Finally the LED matrix displays StarFive logo. WriteToReg(i + 1, int(buffer_off[i], 2)) time.sleep(1) def disp_numeral_13_to_1(): for id in range(13, 0, -1): buffer_name = \"buffer_{}\".format(id) list_buffer = eval(buffer_name) for j in range(0, 8): # Write data to the register address. Finally the LED matrix displays with numeral from 5 to 1. WriteToReg(j + 1, int(list_buffer[j], 2)) time.sleep(1) for j in range(0, 8): # Write data to the register address. Finally turn off the LED matrix. WriteToReg(j + 1, int(buffer_off[j], 2)) time.sleep(0.1) def flash_logo(): for loop in range(0, 5): for j in range(0, 8): # Write data to the register address. Finally turn off the LED matrix. WriteToReg(j + 1, int(buffer_off[j], 2)) time.sleep(0.1) for j in range(0, 8): # Write data to the register address. Finally the LED matrix displays with StarFive logo. WriteToReg(j + 1, int(buffer[j], 2)) time.sleep(0.1) def WriteALLReg(): # Clean screen disp_clean() # Display numeral from 5 to 1 disp_numeral_13_to_1() # Flash starfive logo. flash_logo() def initData(): WriteToReg(0x09, 0x00)# Set the decode mode. WriteToReg(0x0A, 0x03)# Set the brightness. WriteToReg(0x0B, 0x07)# Set the scan limitation. WriteToReg(0x0C, 0x01)# Set the power mode. WriteToReg(0x0F, 0x00) # the callback function for edge detection def detect(pin, edge_type): if edge_type == 1: et = \"Rising\" else: et = \"Falling\" if GPIO.getmode() == GPIO.BOARD: print(\"{} edge was detected on pin:{}\".format(et, pin)) else: print(\"{} edge was detected on GPIO:{}\".format(et, pin)) WriteALLReg() global flag flag = 1 def main(): global flag flag = 0 # Set the gpio mode as \'BOARD\'. GPIO.setmode(GPIO.BOARD) # Configure the direction of DIN, CS, and CLK as output. GPIO.setup(DIN, GPIO.OUT) GPIO.setup(CS, GPIO.OUT) GPIO.setup(CLK, GPIO.OUT) # Configure the direction of key_pin as input. GPIO.setup(key_pin, GPIO.IN) # Both edge rising and falling can be detected, also set bouncetime(unit: millisecond) to avoid jitter GPIO.add_event_detect(key_pin, GPIO.FALLING, callback=detect, bouncetime=2) initData() print(\"*------------------------------------------------------*\") print(\"Please press the key on pin {} to launch !!!\".format(key_pin)) while True: if flag == 1: disp_clean() GPIO.cleanup() break print(\"Exit demo.\") if __name__ == \"__main__\": sys.exit(main()) 當(dāng)然開發(fā)者也可以使用FileZilla拷貝工具，通過ssh來傳遞python腳本文件，但沒有vim來的高效。 使用vim編寫完，保存退出后，運行“python3 edge_detection_with_LED_Matrix.py”命令即可驗證效果。 四、顯示效果 開機(jī)后，第一次運行腳本程序，如頂部視頻所示，由全屏點亮，通過按一下開關(guān)，觸發(fā)點陣屏顯示。顯示內(nèi)容有“中國萬歲”，“9”~“1”數(shù)字倒計顯示，接著閃爍顯示賽防科技的logo后熄滅點陣屏。再次運行腳本程序，如底部視頻所示，按鍵后可再次觸發(fā)。 五、終端命令關(guān)機(jī) 昉·星光 2開機(jī)后，說實話CPU處的溫度還是有點高的，用手指觸碰感覺很燙手，后期會考慮添上一個16mm x 16mm的散熱片。在終端中，root模式下運行shutdown指令，在沒有連接串口調(diào)試工具前提下，可做到完全關(guān)斷電源，體驗不錯。

的里程碑 VisionFive 2憑借JH7110四核處理器 + Vulkan GPU突破了RISC-V平臺游戲性能瓶頸。實測證明： ?性價比突出 ：單板成本＜800元，性能持平樹莓派4B游戲方案 ?生態(tài)

測試板卡上聲卡，播放mp3音樂。 一、聲卡設(shè)備 1.1、查詢板卡的聲卡設(shè)備 板卡支持兩個聲卡，一個是自身聲卡設(shè)備，一個是HDMI聲卡。 user@starfive:~$ sudo aplay -l 1.2、查看系統(tǒng)默認(rèn)的聲卡 默認(rèn)的聲卡設(shè)備不是上面的兩個聲卡 1.3、修改默認(rèn)的聲卡設(shè)備 修改聲卡配置文件user@starfive:~$ sudo vi /etc/asound.conf 添加內(nèi)容 pcm.!default { type hw card 0 } ctl.!default { type hw card 0 } 重啟設(shè)備后，查看默認(rèn)聲卡為修改的設(shè)備 1.4、測試設(shè)備 二、安裝播放器軟件user@starfive:~$ sudo apt-get install sox libsox-fmt-all 三、播放音樂 播放復(fù)制到板卡上的音樂 user@starfive:~$ sudo play bzyy.mp3

讓我們討論一下部署堅固的自動化計算機(jī)的一些好處。1.溫度范圍寬自動化計算機(jī)經(jīng)過工程設(shè)計，配備了支持寬溫度范圍的組件，使自動化計算解決方案能夠在各種不同的極端環(huán)境中運行。自動化計算機(jī)能夠在溫度達(dá)到

ARM一樣，自己搭建環(huán)境自己編譯吧。 今天第一篇，主要分享下怎么搭建riscv編譯環(huán)境環(huán)境，用無線網(wǎng)卡鏈接wifi也需要編譯內(nèi)核，磨刀不誤砍柴工嘛。 下面主要介紹RISC-V架構(gòu)下GNU工具鏈

一、概況 昉·星光 2是全球首款集成了GPU的高性能RISC-V單板計算機(jī)。與昉·星光相比，昉·星光 2全面升級，在處理器速度、多媒體處理能力、可擴(kuò)展性等方面均有顯著提升。性能卓越，價格親民，昉

。ED-SBC3300系列是一款基于RaspberryPiCM5的Mini-ITX工業(yè)單板計算機(jī)主板。根據(jù)不同的應(yīng)用場景和用戶需求，可選擇不同規(guī)格的RAM和eMMC

1、ollama平臺搭建 ollama可以快速地部署開源大模型，網(wǎng)址為https://ollama.com， 試用該平臺，可以在多平臺上部署 Deepseek-R1, Qwen3, Llama, Gemma等開源大模型。當(dāng)然，一些閉源的（類似chatgpt, gemini）是不支持部署的。如下圖： 在端側(cè)部署大模型，個人認(rèn)為最大的好處：是可以避免因文本或圖片上傳而造成的信息泄露，因為一切文本輸入和推理都可以離線進(jìn)行。 我們進(jìn)到其github，發(fā)現(xiàn)其并沒有提供risc-v架構(gòu)的編譯產(chǎn)物。 所以，我們需要下載源碼來編譯ollama。 Git clone https://github.com/ollama/ollama.git 需要先安裝一下編譯需要的庫： sudo apt install g++ build-essential cmake 解壓ollama源碼之后，按照ollama github里的build from source指導(dǎo)，進(jìn)行編譯，編譯步驟如下圖所示： 在調(diào)用go run . serve發(fā)現(xiàn)抱錯：go指令不存在，這是因為VisionFive2板卡沒有安裝go，下面我們來安裝一下go 2、go安裝 進(jìn)到go的官網(wǎng)https://go.dev/dl/，按照慣例，我們要找一下是否有risc-v的編譯產(chǎn)物，如果沒有的話，又得源碼編譯了。 不過，好在我們發(fā)現(xiàn)了已經(jīng)有release的risc-v的編譯產(chǎn)物了，如下圖，把紅框內(nèi)的文件下載到visionfive2的板卡上。 解壓文件，看到在go/bin/路徑下，有一個go的可執(zhí)行文件。 我們要把這個go可執(zhí)行文件添加到環(huán)境變量，具體做法是：在~/.bashrc文件最后添加下圖所示的內(nèi)容 然后 source ~/.bashrc 執(zhí)行 go version 檢查一下，go是否能夠正常運行。這里可以看到go的版本，以及編譯的系統(tǒng)和芯片架構(gòu)。 3、拉取/運行大語言模型 ollama的使用方法和docker很像。 返回到ollama的編譯路徑，找到ollama可執(zhí)行文件 執(zhí)行 ./ollama run qwen3:0.6b 可以看到有個進(jìn)度條在拉取0.6B的Qwen模型。當(dāng)然也可以拉去deepseek的模型，如下： ./ollama run deepseek-r1:1.5b 可以選擇不同的參數(shù)量版本，參數(shù)量越大，對算力的要求越高，模型表現(xiàn)越好。 我這里就使用最小的Qwen0.5b來試一下： 拉取完畢之后，就可以在命令行輸入你想問的問題： 我讓它幫我寫一首詩，指定了主題和要表現(xiàn)的內(nèi)容： qwen0.6b的表現(xiàn)：這個參數(shù)量的表現(xiàn)只能說一般?！奥犕茱w”，青蛙怎么會飛呢。 visionfive2的表現(xiàn)： 執(zhí)行 ./ollama ps 可以看到當(dāng)前正在運行的大模型，以及運行方式：CPU。 如果有顯卡的話，這里會顯示GPU。Visionfive2的gpu應(yīng)該是不支持推理的，所以這里用的是CPU。實測下來，運行0.6B的模型，自回歸的速度大概是每2秒一個漢字。

無所不在。得益于其強(qiáng)大的硬件和多功能性，樹莓派被應(yīng)用于各個行業(yè)。繼續(xù)閱讀，了解這款單板計算機(jī)如何應(yīng)對全球挑戰(zhàn)，來讓我們驚嘆。1.學(xué)生將樹莓派送上太空讓我們從最嚴(yán)苛的

官網(wǎng)看到開發(fā)板可以安裝測試openplc，下面來體驗下openplc功能。 一、安裝軟件 1.1、安裝軟件包 root@starfive:~# sudo apt-get install -y curl git udev libxml2-dev autoconf automake autotools-dev icu-devtools libicu-dev libsigsegv2 m4 autoconf-archive gnu-standards libtool gettext m4 make cmake build-essential pkg-config bison flex libtool nodejs libbz2-dev sqlite3 libgdbm-dev openssl libexpat1-dev python${version}-dev python3 libxslt-dev libmodbus5 python3-venv libasio-dev 1.2、下載openplc軟件包 下載地址：https://debian.starfivetech.com/ 網(wǎng)盤路徑：VisionFive2/Engineering Release/202409/debian-packs/openplc.zip 1.3、安裝軟件 下載安裝包復(fù)制到開發(fā)板/home/user下，并解壓 user@starfive:~$ unzip openplc.zip user@starfive:~$ cd openplc user@starfive:~/openplc$ sudo dpkg -i openplc-vf2.deb 1.4、創(chuàng)建環(huán)境 創(chuàng)建python虛擬環(huán)境并安裝python包 user@starfive:~$ cd openplc_v3/ user@starfive:~/openplc_v3$ sudo python3 -m venv .venv user@starfive:~/openplc_v3$ sudo .venv/bin/python3 -m pip install requests wget bs4 flask==2.3.3 werkzeug==2.3.7 flask-login==0.6.2 pyserial pymodbus==2.5.3 user@starfive:~/openplc_v3$ sudo .venv/bin/python3 -m pip install VisionFive.gpio-1.3.3-cp311-cp311-linux_riscv64.whl 需要準(zhǔn)備文件VisionFive.gpio-1.3.3-cp311-cp311-linux_riscv64.whl 文件地址：https://pypi.org/project/VisionFive.gpio/1.3.3/ 二、測試 2.1、下載及安裝openplc編輯軟件 軟件下載地址：https://autonomylogic.com/download/ 這里我下載windows版本測試，下載完成后，正常流程安裝軟件。 2.2、創(chuàng)建工程 2.2.1、創(chuàng)建梯形圖工程 2.2.2、測試梯形圖 2.2.3、生成st文件 2.3、打開OpenPLC HMI 瀏覽器輸入板卡的IP:8080http://192.168.1.200:8080/login 輸入用戶名和密碼：openplc，接入HMI界面 進(jìn)入界面后，上傳上步生成的.st文件 重新命令程序名稱 上傳程序后，編譯出現(xiàn)錯誤

工業(yè)自動化是指利用自動化計算機(jī)來控制工業(yè)環(huán)境中的流程、機(jī)器人和機(jī)械，以制造產(chǎn)品或其部件。工業(yè)自動化的目的是提高生產(chǎn)率、增加靈活性，并提升制造過程的質(zhì)量。工業(yè)自動化在汽車制造中體現(xiàn)得最為明顯，其中許多

一、更新軟件包 編譯之前需要更新所需要的軟件包 hui@hui-virtual-machine:~$ sudo apt-get update hui@hui-virtual-machine:~$ sudo apt-get upgrade hui@hui-virtual-machine:~$ sudo apt-get install build-essential automake libtool texinfo bison flex gawk g++ git xxd curl wget gdisk gperf cpio bc screen texinfo unzip libgmp-dev libmpfr-dev libmpc-dev libssl-dev libncurses-dev libglib2.0-dev libpixman-1-dev libyaml-dev patchutils python3-pip zlib1g-dev device-tree-compiler dosfstools mtools kpartx rsync hui@hui-virtual-machine:~$ curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash hui@hui-virtual-machine:~$ sudo apt-get install git-lfs 二、下載SDK源碼 hui@hui-virtual-machine:~$ git clone https://github.com/starfive-tech/VisionFive2.git hui@hui-virtual-machine:~$ cd VisionFive2/ hui@hui-virtual-machine:~/VisionFive2$ git checkout --track origin/JH7110_VisionFive2_devel hui@hui-virtual-machine:~/VisionFive2$ git submodule update --init --recursive hui@hui-virtual-machine:~/VisionFive2$ cd buildroot && git checkout --track origin/JH7110_VisionFive2_devel && cd .. hui@hui-virtual-machine:~/VisionFive2$ cd linux && git branch JH7110_VisionFive2_devel origin/JH7110_Vision hui@hui-virtual-machine:~/VisionFive2$ cd u-boot && git checkout --track origin/JH7110_VisionFive2_devel && cd .. hui@hui-virtual-machine:~/VisionFive2$ cd opensbi && git checkout --track origin/JH7110_VisionFive2_devel && cd .. hui@hui-virtual-machine:~/VisionFive2$ cd soft_3rdpart && git checkout JH7110_VisionFive2_devel && cd .. 三、構(gòu)建指令 3.1、構(gòu)建Buildroot、U-Boot、Linux內(nèi)核和BusyBox hui@hui-virtual-machine:~/VisionFive2$ make -j$(nproc) 編譯完成 編譯后生成的文件 3.2、生成TF卡鏡像 hui@hui-virtual-machine:~/VisionFive2$ make buildroot_rootfs -j$(nproc) hui@hui-virtual-machine:~/VisionFive2$ make img 編譯完成后，生成的鏡像文件 3.3、燒寫系統(tǒng)到TF卡 執(zhí)行下面命令，燒寫系統(tǒng)到TF卡 hui@hui-virtual-machine:~/VisionFive2$ sudo dd if=work/sdcard.img of=/dev/sdc bs=4096 四、編譯過程中遇到的錯誤 解決辦法： 修改目錄/VisionFive2/buildroot/package/mesa3d/mesa3d.mk 修改下載連接地址： hui@hui-virtual-machine:~/VisionFive2/buildroot/package/mesa3d$ sudo vi mesa3d.mk 五、系統(tǒng)運行 將燒寫的系統(tǒng)的TF卡插入板卡，上電啟動。

單板計算機(jī)，搭載昉·驚鴻-7110（型號：JH-7110）RISC-V應(yīng)用處理器，擁有極強(qiáng)的計算能力和圖形處理能力。開源的昉·星光 2具有強(qiáng)大的軟件適配性，官方適配Debian操作系統(tǒng)，同時通過社區(qū)合作適配

拿到賽昉科技的VisionFive 2開發(fā)板有段時間了，之前移植出差調(diào)試設(shè)備，任務(wù)比較繁忙，剛好現(xiàn)在周末有時間，就來寫下測評帖子。 這是板子的包裝，非常的高大上 下面是插電接入網(wǎng)線后的板子實物圖 運行這塊板子，需要自備一個容量>32G以上的SD卡，否則無法運行debian系統(tǒng)。 為此，我專門在淘寶上買了一個64G的SD卡。 首先為了使VisionFive 2板子運行起來，先要對SD進(jìn)行OS燒錄， 這個非常像給PC臺式機(jī)安裝操作系統(tǒng)，只不過現(xiàn)在是給VisionFive 2安裝debian linux系統(tǒng)了，然后哪個SD卡就充當(dāng)固態(tài)硬盤，安裝了系統(tǒng)。 1。先燒錄debian系統(tǒng)到SD卡 https://canonical-ubuntu-boards.readthedocs-hosted.com/en/latest/how-to/starfive-visionfive-2/ 根據(jù)這個網(wǎng)盤地址下載燒錄固件，然后解壓得到下面的東西 打開balenaEtcher軟件 加載這個固件燒錄到SD中 上面是燒錄，然后還有驗證 強(qiáng)烈建議使用有USB3.0接口的電腦進(jìn)行燒錄，我的筆記本只有USB2.0，燒錄一下5分鐘。好慢 燒錄完成后會顯示上面的圖像 然后將SD卡插入板子的卡槽 使用串口putty連接 輸入用戶名 root 密碼 starfive 進(jìn)入debian系統(tǒng) 輸入lscpu指令查看 4核risv CPU 安裝溫度sensor apt install lm-sensors 輸入sensors查看板子溫度 顯示是51.5度，有點發(fā)燙 2。進(jìn)行coremark跑分 先從github上下載coremark源碼git clone https://github.com/eembc/coremark.git 使用上面的命令 然后cd coremark切換到coremark文件夾 運行make編譯代碼 然后輸入 ./coremark.exe 執(zhí)行文件 可以看出最后coremark跑分為5041.477611分，很強(qiáng)的分?jǐn)?shù)了，完爆所有STM32系列的MCU分?jǐn)?shù)

【開箱】 感謝 elecfans 和 賽昉半導(dǎo)體 的測評活動，收到了 VisionFive 2 開發(fā)板，先上圖一睹為快。 【處理器介紹】 這款開發(fā)板搭載 28nm StarFive

睿莓1是一款性能優(yōu)異且極具性價比，專為多種應(yīng)用場景設(shè)計的單板計算機(jī)。搭載Amlogic S905X4四核處理器，支持多種內(nèi)存和存儲配置，配備HDMI 2.1接口，支持4Kp75視頻輸出。它具備10

工業(yè)計算機(jī)是一種專為工廠和工業(yè)環(huán)境設(shè)計的計算系統(tǒng)，具有高可靠性和穩(wěn)定性，能夠應(yīng)對惡劣環(huán)境下的自動化、制造和機(jī)器人操作。其特點包括無風(fēng)扇散熱技術(shù)、無電纜連接和防塵防水設(shè)計，使其在各種工業(yè)自動化場景中

適用場景 ：RVspace防-星光2單板計算機(jī)（Debian11），SD卡根分區(qū)擴(kuò)容 核心原理 三步操作流程 ： graph LR A[刪除舊分區(qū)] --> B[重建分區(qū)-保持起始扇區(qū)

一、環(huán)境搭建 相關(guān)命令來源：GitHub - starfive-tech/VisionFive2 注意：整個環(huán)境搭建過程都需要vpn，否則ubuntu鏡像無法下載，代碼無法抓取，編譯中間的工具無法抓取。 1.1 下載docker及鏡像 docker pull ubuntu:20.04 cmd窗口執(zhí)行命令抓取ubuntu鏡像。 抓取好后在docker界面看到images欄新增了一個ubuntu的鏡像 1.2 區(qū)分大小寫 【很重要?。?！設(shè)置區(qū)分大小寫】 這個很重要，否則會導(dǎo)致編譯buildroot_rootfs失敗 失敗提示“__lll_lock_wake_private” 參考：https://stackoverflow.com/questions/61059870/what-is-lll-lock-wait-private-and-what-can-cause-a-hang-while-malloc-consolida 創(chuàng)建一個文件夾存放docker項目D:\\\\docker_pro\\\\c_visionfive2，注意設(shè)置區(qū)分大小寫 執(zhí)行命令區(qū)分大小寫 fsutil.exe file setCaseSensitiveInfo D:\\\\docker_pro\\\\c_visionfive2 enable 可以在D:\\\\docker_pro目錄中，創(chuàng)建兩個文件夾分別是a和A，如果都可以存在則表明設(shè)置成功。 1.3 生成容器 執(zhí)行完后則進(jìn)入容器 docker run --name c_visionfive2 -v //d/docker_pro/c_visionfive2:/home -it ubuntu:20.04 /bin/bash 解釋：這里的//d/docker_pro/c_visionfive2是你要在windows中查看的文件路徑，/home是這個文件映射在容器中的路徑 docker container ls -a docker exec -it c_visionfive2 /bin/bash 也可以用上述兩個命令進(jìn)入容器，先查看所有容器，然后輸入容器名 docker exec -it<container_name> /bin/bash PS：需要注意在docker中先把容器狀態(tài)設(shè)置為運行。 1.4 更新工具 更新ubunut工具，如果不運行，git就沒法用 apt update 下載依賴apt-get -y install build-essential automake libtool texinfo bison flex gawk g++ git xxd curl wget gdisk gperf cpio bc screen texinfo unzip libgmp-dev libmpfr-dev libmpc-dev libssl-dev libncurses-dev libglib2.0-dev libpixman-1-dev libyaml-dev patchutils python3-pip zlib1g-dev device-tree-compiler dosfstools mtools kpartx rsync 輸入6和70選擇時區(qū) 安裝工具git-lfs curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | bash apt-get install git-lfs 二、抓取代碼 可以直接將如下代碼塊存成setup.sh文件，注意LF結(jié)尾 拷貝到/home目錄下，直接運行./setup.sh 如果網(wǎng)絡(luò)給力的話，可以一次性運行成功。 如果不行可以按步驟依次執(zhí)行。 git clone https://github.com/starfive-tech/VisionFive2.git cd VisionFive2 git checkout --track origin/JH7110_VisionFive2_devel git submodule update --init --recursive cd linux git branch JH7110_VisionFive2_devel origin/JH7110_VisionFive2_devel cd ../buildroot git checkout --track origin/JH7110_VisionFive2_devel cd ../u-boot git checkout --track origin/JH7110_VisionFive2_devel cd ../linux git checkout --track origin/JH7110_VisionFive2_devel cd ../opensbi git checkout --track origin/JH7110_VisionFive2_devel cd ../soft_3rdpart git checkout JH7110_VisionFive2_devel cd .. make -j$(nproc) 三、編譯結(jié)果 四、異?！粎^(qū)分大小寫導(dǎo)致 會遇到__lll_lock_wait_private的提示 如果沒有事先把文件夾設(shè)置為區(qū)分大小寫，后期想再設(shè)置就會失敗。 五、刷機(jī) 暫時沒找到直觀的整編刷機(jī)教程，下期發(fā)布。

2h........無奈） 參考文獻(xiàn)： 全球首款集成3D GPU的高性能量產(chǎn)RISC-V 單板計算機(jī)，昉·星光 2 開發(fā)實踐！[全球首款集成3D GPU的高性能量產(chǎn)RISC-V 單板計算機(jī)，昉·星光 2 開發(fā)實踐

使用opencv測試USB攝像頭。 一、檢測USB攝像頭 插入USB攝像頭，執(zhí)行命令，提示沒有找到命令 root@starfive:~# lsusb 安裝軟件包 root@starfive:~# sudo apt install usbutils 再次執(zhí)行，找到USB攝像頭設(shè)備 二、檢測攝像頭參數(shù) 2.1、安裝v4l2-ctl工具，查看視頻設(shè)備 root@starfive:~# sudo apt install v4l-utils root@starfive:~# v4l2-ctl --list-device 2.2、查看指定視頻設(shè)備參數(shù)信息 root@starfive:~# v4l2-ctl --device=/dev/video4 --all 三、測試圖像 3.1、安裝依賴軟件包 root@starfive:/opt# sudo apt-get install python3-pip root@starfive:/opt# sudo apt-get install libopencv-dev python3-opencv 3.2、測試代碼 import cv2 cap = cv2.VideoCapture(4) while True: ret, frame = cap.read() cv2.imshow(\"Camera\", frame) if cv2.waitKey(1) & 0xFF == ord(\'q\'): break cap.release() cv2.destroyAllWindows() 3.3、顯示圖像

測試遠(yuǎn)程訪問開發(fā)板界面 一、安裝vncserver軟件 user@starfive:~$ sudo apt install xfce4 xfce4-goodies user@starfive:~$ sudo apt install tightvncserver 二、運行軟件 2.1、創(chuàng)建登錄密碼 user@starfive:~$ vncserver 2.2、修改xstartup文件 user@starfive:~$ vi .vnc/xstartup 在文件最后增加startxfce4 & 三、遠(yuǎn)程桌面登錄 3.1、選擇VNC方式登錄 3.2、輸入創(chuàng)建的密碼 3.3、登錄后的界面 3.4、修改分辨率 默認(rèn)顯示分辨率有點低，登錄時可以設(shè)置顯示的分辨率 關(guān)閉掉上次打開的進(jìn)程 user@starfive:~$ vncserver -kill :1 以1920*1080分辨率打開 user@starfive:~$ vncserver -geometry 1920x1080

官方有VisionFive.gpio，嘗試下移植libgpiod到開發(fā)板。 一、安裝GPIO庫 1.1、下載源碼 執(zhí)行命令： root@starfive:~# wget https://git.kernel.org/pub/scm/libs/libgpiod/libgpiod.git/snapshot/libgpiod-2.0.tar.gz root@starfive:~# tar xvf libgpiod-2.0.tar.gz root@starfive:~# apt-get install build-essential pkg-config m4 automake autoconf libtool autoconf-archive root@starfive:~# apt-get install gcc g++ root@starfive:~# export CC=gcc root@starfive:~# export CXX=g++ 1.2、安裝 root@starfive:~/libgpiod-2.0# ./autogen.sh --enable-tools=yes --prefix=/root/starfive/mylib_local root@starfive:~/libgpiod-2.0# make root@starfive:~/libgpiod-2.0# make install 安裝完成后，生成的文件 二、測試 2.1、gpio.c //#gpio.c #include<stdio.h> #include<unistd.h> #include<gpiod.h> #define PIN_IO2_4646//LD0 #define PIN_IO2_4444//LD1 #define PIN_IO2_6161//LD2 #define PIN_IO2_6363//ld3 #define PIN_IO2_4242//K2 int main() { struct gpiod_chip *gchip; struct gpiod_line_info *glinein, *glineout; struct gpiod_line_settings *gline_settings_in, *gline_settings_out; struct gpiod_line_config*gline_config_in, *gline_config_out; struct gpiod_request_config *gline_request_config_in, *gline_request_config_out; struct gpiod_line_request*gline_request_in, *gline_request_out; int offset_in[1] = {PIN_IO2_42}; int offset_out[4] = {PIN_IO2_44, PIN_IO2_46, PIN_IO2_61, PIN_IO2_63}; int value; if ((gchip=gpiod_chip_open(\"/dev/gpiochip0\")) == NULL) { perror(\"gpiod_chip_open\"); return 1; } gline_settings_in = gpiod_line_settings_new(); if ((value=gpiod_line_settings_set_direction(gline_settings_in, GPIOD_LINE_DIRECTION_INPUT)) != 0) { perror(\"gpiod_line_settings_set_direction\"); } gline_config_in = gpiod_line_config_new(); value=gpiod_line_config_add_line_settings(gline_config_in, offset_in, 1, gline_settings_in); gline_request_config_in = gpiod_request_config_new(); gline_request_in = gpiod_chip_request_lines(gchip, gline_request_config_in, gline_config_in); gline_settings_out = gpiod_line_settings_new(); if (gpiod_line_settings_set_direction(gline_settings_out, GPIOD_LINE_DIRECTION_OUTPUT) != 0) { perror(\"gpiod_line_settings_set_direction\"); } gline_config_out = gpiod_line_config_new(); gpiod_line_config_add_line_settings(gline_config_out, offset_out, 4, gline_settings_out); gline_request_config_out = gpiod_request_config_new(); gline_request_out = gpiod_chip_request_lines(gchip, gline_request_config_out, gline_config_out); value=gpiod_line_request_set_value(gline_request_out, PIN_IO2_46, 0); value=gpiod_line_request_set_value(gline_request_out, PIN_IO2_44, 1); value=gpiod_line_request_set_value(gline_request_out, PIN_IO2_61, 0); value=gpiod_line_request_set_value(gline_request_out, PIN_IO2_63, 1); sleep(1); for (int i = 0; i < 50; i++) { //value=gpiod_line_request_get_value(gline_request_in, PIN_IO2_42); //printf(\"PIN_IO2_42 = %d\\\\\\\\n\", value); gpiod_line_request_set_value(gline_request_out, PIN_IO2_46, 1); gpiod_line_request_set_value(gline_request_out, PIN_IO2_44, 0); gpiod_line_request_set_value(gline_request_out, PIN_IO2_61, 1); gpiod_line_request_set_value(gline_request_out, PIN_IO2_63, 0); sleep(1); gpiod_line_request_set_value(gline_request_out, PIN_IO2_46, 0); gpiod_line_request_set_value(gline_request_out, PIN_IO2_44, 1); gpiod_line_request_set_value(gline_request_out, PIN_IO2_61, 0); gpiod_line_request_set_value(gline_request_out, PIN_IO2_63, 1); sleep(1); } gpiod_chip_close(gchip); return 0; } 2.2、編譯代碼 在gpio.c所在的目錄下編譯 命令：root@starfive:~# gcc-I/root/starfive/mylib_local/include -L/root/starfive/mylib_local/lib -o gpio gpio.c -lgpiod 2.3、設(shè)置路徑 root@starfive:~# export LD_LIBRARY_PATH=/root/starfive/mylib_local/lib:$LD_LIBRARY_PATH root@starfive:~# export PATH=/root/starfive/mylib_local/bin:$PATH 三、運行結(jié)果 運行命令：root@starfive:~# ./gpio

如果計算的未來不是被鎖定在專有架構(gòu)上，那會怎樣？想象一下，在這個世界上，開發(fā)人員和業(yè)余愛好者都可以利用開源硬件的強(qiáng)大功能自由構(gòu)建、創(chuàng)新和實驗。進(jìn)入RISC-V單板計算機(jī)(SBC)領(lǐng)域——一個新興

測試板卡GPIO口點亮LED燈。 一、搭建環(huán)境 1.1、文檔 按照官方的應(yīng)用文檔搭建測試環(huán)境GPIO點亮LED 1.2、在Debain系統(tǒng)上安裝piproot@starfive:~# apt-get install python3-pip 1.3、安裝VisionFive.gpio包 1.3.1、安裝依賴包 apt install libxml2-dev libxslt-dev python3 -m pip install requests wget bs4 安裝過程中遇到點問題 報錯：error: externally-managed-environment 執(zhí)行命令apt install python3-requests python3-wget python3-bs4 -y 正常安裝 1.3.2、運行安裝腳本 下載最新的VisionFive.gpio 下載地址：VisionFive.gpio 該版本有三個下載鏈接 根據(jù)系統(tǒng)安裝的python版本來選擇，選擇系統(tǒng)版本對應(yīng)的python 3.11 執(zhí)行下載命令： wget https://files.pythonhosted.org/packages/2e/00/16326e8e01a268ce997b72e70240d7249a550222af82955d9b4a52f8a320/VisionFive.gpio-1.3.3-cp311-cp311-any.whl 修改文件名：mv VisionFive.gpio-1.3.3-cp311-cp311-any.whl VisionFive.gpio-1.3.3-cp311-cp311-linux_riscv64.whl 安裝python3 -m pip install VisionFive.gpio-1.3.3-cp311-cp311-linux_riscv64.whl --break-system-packages 二、測試 找到測試代碼的位置 2.1、查看VisionFive.gpio安裝的目錄pip show VisionFive.gpio 進(jìn)入目錄 cd /usr/local/lib/python3.11/dist-packages/ cd VisionFive/sample-code/ 找到led.py 2.2、修改測試代碼 根據(jù)測試的硬件修改對應(yīng)的端口 這里測試使用GPIO44端口，對用引腳號為40 修改led.py \"\"\" Please make sure the LED is connected to the correct pins. The following table describes how to connect the LED to the 40-pin header. ----------------------------------------- _______LED_________Pin Number_____Pin Name Positive 22 GPIO50 Negative 6GND ----------------------------------------- \"\"\" import VisionFive.gpio as GPIO import time led_pin = 40 # Set the gpio mode as \'BOARD\'. GPIO.setmode(GPIO.BOARD) # Configure the direction of led_pin as output. GPIO.setup(led_pin, GPIO.OUT) def light(delay): # Configure the voltage level of led_pin as high. GPIO.output(led_pin, GPIO.HIGH) time.sleep(delay) # Configure the voltage level of led_pin as low. GPIO.output(led_pin, GPIO.LOW) time.sleep(delay) if __name__ == \"__main__\": try: delay_s = input(\"Enter delay(seconds): \") delay = float(delay_s) while True: try: light(delay) except KeyboardInterrupt: break finally: GPIO.cleanup() 2.3、運行 執(zhí)行命令：python3 led.py提示輸入延時時間 2.4、運行結(jié)果 運行后，LED燈閃爍

板卡上默認(rèn)是沒有系統(tǒng)，需要將系統(tǒng)燒寫到TF卡、EMMC或M2硬盤上。 一、固件下載 下載地址：https://debian.starfivetech.com/ 選址最新發(fā)布的版本 二、格式化TF卡 使用軟件SD Formatter格式化TF卡*附件：SD Formatter.zip 三、安裝鏡像 3.1、下載軟件balenaEtcher 使用balenaEtcher軟件安裝系統(tǒng)鏡像 軟件下載地址：balenaEtcher 3.2、安裝鏡像 下載的系統(tǒng)，使用SD目錄下的鏡像文件 解壓鏡像文件 燒錄鏡像 四、啟動系統(tǒng) 4.1、設(shè)置啟動模式 將燒寫完成的TF卡插入開發(fā)板，設(shè)置為SD方式啟動。 4.2、啟動運行 啟動后，輸入用戶名：user密碼：starfive ，進(jìn)入系統(tǒng)。

收到開發(fā)板了，開箱開始了解開發(fā)板。 一、開箱 開發(fā)板包裝很精致，外面一層塑料膜。 內(nèi)部是塑料盒 里面是開發(fā)板 二、板卡資料 地址：鏈接 板卡上沒有FLASH存儲器，上電后也沒有反應(yīng)。

在x86與ARM架構(gòu)主導(dǎo)的單板計算機(jī)市場，中國團(tuán)隊打造的VisionFive 2（防星光2）如同一顆新星，憑借開源開放的RISC-V架構(gòu)和成熟的桌面體驗，為開發(fā)者與極客提供了全新的選擇。經(jīng)過

現(xiàn)代高性能計算不僅使得更快的計算成為可能，它正驅(qū)動著 AI 系統(tǒng)解鎖更多領(lǐng)域的科學(xué)突破。 高性能計算經(jīng)歷了多次迭代，每一次都源于對技術(shù)的創(chuàng)造性再利用。例如，早期的超級計算機(jī)使用現(xiàn)成的組件制造。后來

燒錄系統(tǒng) 下載img，解壓出來的img文件大約4G。 用Rufus，把img文件燒錄到TF卡中 這一步可以使用的軟件很多，大家都可以試試，不行就換一個官方手冊用的。 開箱 特性 VisionFive (初代) VisionFive 2 SoC StarFive JH7100 StarFive JH7110 CPU 雙核 SiFive U74 @ 1.5GHz 四核 SiFive U74 @ 1.5GHz GPU 無獨立 GPU Imagination PowerVR GPU AI 加速 無 0.5 TOPS NPU 內(nèi)存 2GB/4GB LPDDR4 2GB/4GB/8GB LPDDR4 存儲 MicroSD, SPI Flash eMMC 插槽 + MicroSD + SPI Flash 視頻輸出 HDMI 1.4 (1080p) HDMI 2.0 (4K@30fps) 網(wǎng)絡(luò) 千兆以太網(wǎng) 雙千兆以太網(wǎng) 無線 Wi-Fi 5 + 藍(lán)牙 5.2 無 VisionFive 2 相比第一代全面升級，只是燒錄WiFi模塊，但是雙千兆網(wǎng)口，USB3.0可以外接無線網(wǎng)卡。 啟動 外接了顯示器 鼠標(biāo) 鍵盤 千兆以太網(wǎng) gnome的桌面 Wayland顯示。 同時打開4個應(yīng)用，CPU占用也不高。所以瓶頸在TF卡的讀寫速度。cpu還是挺強(qiáng)的。 高性能板卡整體發(fā)熱還是很明顯的，推薦增加散熱片，或者風(fēng)扇主動散熱，最好2者都加上。

歡迎的單板計算機(jī)之一。你可能已經(jīng)擁有一臺了，不是嗎？Android是世界上最流行的操作系統(tǒng)，擁有各種各樣的應(yīng)用程序可供選擇。這種流行度，再加上樹莓派日益增強(qiáng)的性能，為在樹莓派上

德國萊布尼茨超算中心（LRZ）將迎來全新超級計算機(jī) Blue Lion，其算力比該中心現(xiàn)有的 SuperMUC-NG 高性能計算機(jī)提升了約 30 倍。這臺新的超級計算機(jī)將在 NVIDIA Vera Rubin 架構(gòu)上運行。

NVIDIA 宣布，搭載 NVIDIA Grace Hopper 平臺的 JUPITER 超級計算機(jī)成為歐洲最快超級計算機(jī)，其運行 HPC 和 AI 工作負(fù)載的速度是第二名的兩倍以上。

感謝海內(nèi)外開發(fā)者的使用反饋和建議，進(jìn)迭時空針對MUSEPi進(jìn)行了全面升級，推出全新1.8寸單板計算機(jī)--MUSEPiPro（以下簡稱PiPro）。升級后的PiPro將RISC-VAICPU芯片K1

環(huán)旭電子作為全球電子設(shè)計與制造服務(wù)領(lǐng)導(dǎo)廠商，近年來透過聯(lián)合設(shè)計制造服務(wù)模式(Joint Design Manufacturing，JDM)，協(xié)助知名品牌客戶開發(fā)出兼具強(qiáng)固性與高效能的自行車計算機(jī)，以滿足全世界自行車計算機(jī)市場日益成長的需求。

如果你是搞工業(yè)自動化、醫(yī)療設(shè)備、交通控制，甚至是軍事裝備的，那你大概率已經(jīng)聽過“模塊化計算機(jī)”這個詞。要是你還沒了解，那這篇文章就是為你寫的。作為一個在工業(yè)計算領(lǐng)域摸爬滾打十多年的從業(yè)者，我可以很負(fù)責(zé)任地說：模塊化計算機(jī)不是未來趨勢，它就是現(xiàn)在現(xiàn)實。

NVIDIA 宣布將開設(shè)量子-AI 技術(shù)商業(yè)應(yīng)用全球研發(fā)中心（G-QuAT），該中心部署了全球最大量子計算研究專用超級計算機(jī) ABCI-Q。

工業(yè)計算機(jī)是為挑戰(zhàn)消費級系統(tǒng)耐用性的環(huán)境而構(gòu)建的。在制造業(yè)、運輸業(yè)、國防和采礦業(yè)等領(lǐng)域，計算機(jī)面臨著持續(xù)的沖擊、振動和其他物理壓力。設(shè)計這些系統(tǒng)以在這種條件下保持可靠需要卓越的工程和創(chuàng)新技術(shù)。本文

IVA的好處、實際部署應(yīng)用程序以及工業(yè)計算機(jī)如何實現(xiàn)這些解決方案。一、什么是智能視頻分析（IVA）？智能視頻分析（IVA）集成了復(fù)雜的計算機(jī)視覺，通常與卷積神經(jīng)網(wǎng)

工業(yè)計算機(jī)尺寸的關(guān)鍵差異化因素工業(yè)計算機(jī)的尺寸因應(yīng)用要求、環(huán)境限制和性能能力而異。以下是區(qū)分它們的關(guān)鍵因素：物理尺寸（寬度、深度和高度）：確定系統(tǒng)是否適合空間受限的機(jī)柜、控制面板或機(jī)架。可擴(kuò)展性

一項艱巨的任務(wù)。本博客將指導(dǎo)您了解關(guān)鍵的工業(yè)計算機(jī)尺寸、使用案例。關(guān)鍵工業(yè)計算機(jī)外形要素及其使用案例一、工業(yè)微型PC尺寸范圍：寬度：100毫米-180毫米深度：10

計算機(jī)網(wǎng)絡(luò)是指將地理位置不同且具有獨立功能的多臺計算機(jī)及其外部設(shè)備，通過通信線路連接起來，在網(wǎng)絡(luò)操作系統(tǒng)、網(wǎng)絡(luò)管理軟件及網(wǎng)絡(luò)通信協(xié)議的管理和協(xié)調(diào)下，實現(xiàn)資源共享和信息傳遞的計算機(jī)系統(tǒng)。

OrangePi和RaspberryPi介紹RaspberryPi：現(xiàn)代單板計算機(jī)的先驅(qū)RaspberryPi是由英國RaspberryPi基金會開發(fā)的一款單板計算機(jī)，自2012年發(fā)布以來，其目標(biāo)

產(chǎn)品介紹龍芯3A6000信創(chuàng)臺式計算機(jī)，型號：HJ910L華頡科技提供的國產(chǎn)龍芯3A6000信創(chuàng)臺式計算機(jī)，搭載龍芯3A6000處理器的國產(chǎn)化主板，配套國產(chǎn)BIOS、國產(chǎn)桌面操作系統(tǒng)、應(yīng)用軟件，實現(xiàn)

產(chǎn)品介紹 兆芯KX-6000信創(chuàng)臺式計算機(jī)，型號：HJ910Z華頡科技提供的國產(chǎn)兆芯KX-6000信創(chuàng)臺式計算機(jī)，搭載兆芯KX-U6780A處理器的國產(chǎn)化主板，配套國產(chǎn)BIOS、國產(chǎn)桌面

產(chǎn)品介紹海光3350信創(chuàng)臺式計算機(jī)，型號：HJ910H華頡科技提供的國產(chǎn)海光3350信創(chuàng)臺式計算機(jī)，搭載海光3350處理器的國產(chǎn)化主板，配套國產(chǎn)BIOS、國產(chǎn)桌面操作系統(tǒng)、應(yīng)用軟件，實現(xiàn)國產(chǎn)化

產(chǎn)品介紹飛騰D2000信創(chuàng)臺式計算機(jī)，型號：HJ910F華頡科技提供的國產(chǎn)飛騰D2000信創(chuàng)臺式計算機(jī)，搭載飛騰D2000處理器的國產(chǎn)化主板，配套國產(chǎn)BIOS、國產(chǎn)桌面操作系統(tǒng)、應(yīng)用軟件，實現(xiàn)國產(chǎn)化

觀看下方視頻，詳細(xì)了解RaspberryPi運行LLM的效果（作為編程助手），以及RaspberryPi5與內(nèi)置NPU的單板計算機(jī)（如RadxaRock5C）的性能

RaspberryPi是一款超級實惠的單板計算機(jī)（SBC），可用于各種不同的項目。RaspberryPi的一些最流行用途包括將其變成媒體播放器或模擬機(jī)器。鑒于該系統(tǒng)的多功能性，有人想知道它是否可以

上海晶珩的ED-IPC3100系列是基于新型RaspberryPiCM5（計算模塊5）的四款DIN導(dǎo)軌安裝式工業(yè)計算機(jī)，配有兩個以太網(wǎng)端口，以及各種RS232或RS485COM端口選項，具體取決于

注意：可以點擊文章底部的閱讀原文來查看原文章作為最突出的單板計算機(jī)(SBC)系列，RaspberryPi系列兼容眾多操作系統(tǒng)。諸如KaliLinux、Ubuntu、Debian和功能強(qiáng)大

如果你需要一臺小型且經(jīng)濟(jì)實惠的電腦來完成個人項目，那么現(xiàn)在正是最佳時機(jī)。單板計算機(jī)市場價值30億美元，預(yù)計未來十年將持續(xù)增長。這意味著有很多選擇，但除非你有非常具體的需求，否則在考慮其他選項之前，有

凱澤斯勞滕理工大學(xué)通過引入先進(jìn)的德思特任意波形發(fā)生器（AWG）新DDS固件選件，顯著加速了量子計算機(jī)的開發(fā)進(jìn)程。德思特帶您了解AWG全新DDS固件如何提升量子計算機(jī)的開發(fā)效率。

臺式超級計算機(jī)由 NVIDIA Grace Blackwell 驅(qū)動，為開發(fā)者、研究人員和數(shù)據(jù)科學(xué)家提供加速 AI 功能；系統(tǒng)由頭部計算機(jī)制造商（包括華碩、Dell Technologies、HP

行業(yè)聚焦深圳計算機(jī)協(xié)會走進(jìn)杰和2025年2月28日，深圳市計算機(jī)行業(yè)協(xié)會在杰和科技召開會長辦公（擴(kuò)大）會議及領(lǐng)導(dǎo)干部知識產(chǎn)權(quán)培訓(xùn)會。會議匯聚黨支部、理事會、監(jiān)事會及行業(yè)領(lǐng)軍企業(yè)等40余代表，共同研判

在特殊的工業(yè)環(huán)境中，實現(xiàn)快速生產(chǎn)離不開各類工業(yè)計算機(jī)的強(qiáng)大支持。杰和科技工業(yè)計算機(jī)AF208，作為核心控制單元，憑借其堅固可靠的外殼、先進(jìn)的散熱技術(shù)以及緊湊靈活的部署特點，發(fā)揮著關(guān)鍵作用。硬實力外殼

日前，全球知名科技媒體How-toGeek評選2025年最佳單板計算機(jī)，該媒體共評選出5款最佳單板計算機(jī)，香橙派占據(jù)其中兩個席位，入選的產(chǎn)品是：OrangePi5Plus、OrangePi5。此外

DFRobotLattePandaMu被全球知名科技媒體How-toGeek評選為2025年最佳Windows單板計算機(jī)。單板計算機(jī)（SBC）為有創(chuàng)意的用戶和愛好者提供了一個絕佳的方式，可以讓他們

近日，東京——全球領(lǐng)先的集成量子計算公司Quantinuum與日本頂尖的綜合研究機(jī)構(gòu)RIKEN共同宣布，Quantinuum的“Reimei”量子計算機(jī)已在RIKEN Wako園區(qū)(位于日本埼玉縣

BU-67121W實驗室航空電子接口計算機(jī)North HillsNorth Hills的航空電子接口計算機(jī)（AIC），即BU-67121W，是一個高效能、可擴(kuò)展且便攜的平臺，專為通過以太網(wǎng)開發(fā)并測試

)：計算機(jī)視覺引領(lǐng)混合現(xiàn)實體驗增強(qiáng)現(xiàn)實(AR)和虛擬現(xiàn)實(VR)正在徹底改變我們與外部世界的互動方式。即便是在引人入勝的沉浸式

近日，據(jù)報道，日本國立產(chǎn)業(yè)技術(shù)綜合研究所(AIST)與全球芯片巨頭英特爾公司正攜手合作，致力于開發(fā)下一代量子計算機(jī)。這一舉措預(yù)示著量子計算領(lǐng)域?qū)⒂瓉硇碌耐黄啤?據(jù)了解，此次合作將充分利用英特爾在芯片

2025年1月8日，深圳市計算機(jī)行業(yè)協(xié)會舉辦了2024年度會員大會暨高峰論壇。杰和科技應(yīng)邀出席會議，與行業(yè)精英、專家代表等共同探討2025年計算機(jī)行業(yè)未來趨勢。本次大會現(xiàn)場發(fā)布多項行業(yè)權(quán)威榜單與獎項

加州理工學(xué)院的研究人員取得重大突破，開發(fā)出一款能實現(xiàn)超過100GHz時鐘速度的全光計算機(jī)。 長期以來，電子計算機(jī)時鐘頻率在近20年停滯于5GHz左右。 而此次推出的全光計算機(jī)，通過基于端到端和全光學(xué)

近日，英偉達(dá)在北京舉辦了答謝迎春會，英偉達(dá)創(chuàng)始人兼CEO黃仁勛親臨現(xiàn)場并發(fā)表了致辭。在致辭中，他透露了一個令人振奮的消息：“我們正處于一個新時代的開端，一個重新發(fā)明計算機(jī)的時代。” 黃仁勛表示