В первой части обзора было изучено аппаратное обеспечение NV8600-Nano AI Developer Kit с модулем NVIDIA Jetson Orin Nano 8GB, выполнена загрузка Ubuntu 22.04, проверена системная информация и подтверждена корректная работа как USB-камеры, так и модуля Raspberry Pi Camera Module 2 (MIPI CSI).
После более продолжительной работы с Edge AI-разработчиком представлен опыт использования во второй части обзора, включая тесты производительности, проверку ключевых функций и демонстрации компьютерного зрения с использованием платформы управления IP-видео Network Optix Nx Meta с предоставленной USB-камерой и ONVIF-совместимой сетевой камерой.
Тесты производительности AAEON NV8600-Nano AI Developer Kit / Jetson Orin Nano
Поскольку платформа на базе NVIDIA Jetson Orin Nano тестируется впервые, проведены все стандартные для подобных обзоров тесты производительности.
Начнём с sbc-bench.sh:
devkit@devkit-aaeon:~$ sudo ./sbc-bench.sh -r
Starting to examine hardware/software for review purposes...
sbc-bench v0.9.72
Installing needed tools: distro packages already installed. Done.
Checking cpufreq OPP. Done.
Executing tinymembench. Done.
Executing RAM latency tester. Done.
Executing OpenSSL benchmark. Done.
Executing 7-zip benchmark. Done.
Throttling test: heating up the device, 5 more minutes to wait. Done.
Checking cpufreq OPP again. Done (18 minutes elapsed).
Results validation:
* Measured clockspeed not lower than advertised max CPU clockspeed
* No swapping
* Background activity (%system) OK
* No throttling
* 2 different clusters but capacity-dmips-mhz property not set
* schedutil cpufreq governor configured but neither dynamic-power-coefficient nor sched-energy-costs defined
Full results uploaded to https://0x0.st/87lq.txt
# AAEON BOXER-8654AI_RefKit` platform
Tested with sbc-bench v0.9.72 on Sun, 03 Aug 2025 12:15:38 +0200. Full info: [https://0x0.st/87lq.txt](http://0x0.st/87lq.txt)
### General information:
Information courtesy of cpufetch:
SoC: NVIDIA Tegra Orin
Technology: 8nm
Microarchitecture: Cortex-A78AE
Max Frequency: 1.728 GHz
Cores: 6 cores
Features: NEON,SHA1,SHA2,AES,CRC32
The CPU features 2 clusters of same core type:
Tegra 35 rev Silicon A01, Nvidia Jetson Orin NX, Kernel: aarch64, Userland: arm64
CPU sysfs topology (clusters, cpufreq members, clockspeeds)
cpufreq min max
CPU cluster policy speed speed core type
0 0 0 115 1728 Cortex-A78AE / r0p1
1 0 0 115 1728 Cortex-A78AE / r0p1
2 0 0 115 1728 Cortex-A78AE / r0p1
3 0 0 115 1728 Cortex-A78AE / r0p1
4 1 4 115 1728 Cortex-A78AE / r0p1
5 1 4 115 1728 Cortex-A78AE / r0p1
7620 KB available RAM
### Governors/policies (performance vs. idle consumption):
Original governor settings:
cpufreq-policy0: schedutil / 1114 MHz (powersave ondemand userspace performance schedutil / 115 192 269 346 422 499 576 653 730 806 883 960 1037 1114 1190 1267 1344 1421 1498 1574 1651 1728)
cpufreq-policy4: schedutil / 115 MHz (powersave ondemand userspace performance schedutil / 115 192 269 346 422 499 576 653 730 806 883 960 1037 1114 1190 1267 1344 1421 1498 1574 1651 1728)
15a50000.ofa: performance / 538 MHz (userspace tegra_wmark nvhost_podgov performance simple_ondemand / 115 128 141 154 166 179 192 205 218 230 243 256 269 282 294 307 320 333 346 358 371 384 397 410 422 435 448 461 474 486 499 512 525 538)
15340000.vic: performance / 435 MHz (userspace tegra_wmark nvhost_podgov performance simple_ondemand / 115 128 141 154 166 179 192 205 218 230 243 256 269 282 294 307 320 333 346 358 371 384 397 410 422 435)
15380000.nvjpg: performance / 499 MHz (userspace tegra_wmark nvhost_podgov performance simple_ondemand / 115 128 141 154 166 179 192 205 218 230 243 256 269 282 294 307 320 333 346 358 371 384 397 410 422 435 448 461 474 486 499)
15480000.nvdec: performance / 525 MHz (userspace tegra_wmark nvhost_podgov performance simple_ondemand / 115 128 141 154 166 179 192 205 218 230 243 256 269 282 294 307 320 333 346 358 371 384 397 410 422 435 448 461 474 486 499 512 525)
15540000.nvjpg: performance / 499 MHz (userspace tegra_wmark nvhost_podgov performance simple_ondemand / 115 128 141 154 166 179 192 205 218 230 243 256 269 282 294 307 320 333 346 358 371 384 397 410 422 435 448 461 474 486 499)
17000000.gpu: performance / 918 MHz (userspace tegra_wmark nvhost_podgov performance simple_ondemand / 306 408 510 612 714 816 918 1020)
Tuned governor settings:
cpufreq-policy0: performance / 1728 MHz
cpufreq-policy4: performance / 1728 MHz
15a50000.ofa: performance / 538 MHz
15340000.vic: performance / 435 MHz
15380000.nvjpg: performance / 499 MHz
15480000.nvdec: performance / 525 MHz
15540000.nvjpg: performance / 499 MHz
17000000.gpu: performance / 918 MHz
Status of performance related policies found below /sys:
/sys/module/pcie_aspm/parameters/policy: default [performance] powersave powersupersave
### Clockspeeds (idle vs. heated up):
Before at 46.4°C:
cpu0-cpu3 (Cortex-A78AE): OPP: 1728, Measured: 1724
cpu4-cpu5 (Cortex-A78AE): OPP: 1728, Measured: 1724
After at 50.7°C:
cpu0-cpu3 (Cortex-A78AE): OPP: 1728, Measured: 1725
cpu4-cpu5 (Cortex-A78AE): OPP: 1728, Measured: 1725
### Performance baseline
* cpu0 (Cortex-A78AE): memcpy: 6861.5 MB/s, memchr: 10045.8 MB/s, memset: 20414.3 MB/s
* cpu4 (Cortex-A78AE): memcpy: 6916.3 MB/s, memchr: 9868.5 MB/s, memset: 20473.1 MB/s
* cpu0 (Cortex-A78AE) 16M latency: 224.4 163.8 206.2 163.2 199.3 175.2 129.8 147.0
* cpu4 (Cortex-A78AE) 16M latency: 206.8 159.5 195.4 155.6 190.3 171.2 128.9 147.2
* cpu0 (Cortex-A78AE) 128M latency: 292.6 292.0 293.2 294.8 292.1 288.5 262.9 237.2
* cpu4 (Cortex-A78AE) 128M latency: 290.4 288.9 289.9 289.0 289.9 285.8 253.7 236.9
* 7-zip MIPS (3 consecutive runs): 14779, 14859, 14825 (14820 avg), single-threaded: 2379
* `aes-256-cbc 637441.10k 885772.91k 951931.65k 967357.10k 972936.53k 973597.35k (Cortex-A78AE)`
* `aes-256-cbc 637271.62k 885940.31k 952617.81k 968131.24k 973335.21k 974061.57k (Cortex-A78AE)`
### PCIe and storage devices:
* Intel I210 Gigabit Network Connection: Speed 2.5GT/s (ok), Width x1 (ok), driver in use: igb, ASPM Disabled
* Intel I210 Gigabit Network Connection: Speed 2.5GT/s (ok), Width x1 (ok), driver in use: igb, ASPM Disabled
* Intel I210 Gigabit Network Connection: Speed 2.5GT/s (ok), Width x1 (ok), driver in use: igb, ASPM Disabled
* Realtek RTL8111/8168/8211/8411 PCI Express Gigabit Ethernet: Speed 2.5GT/s (ok), Width x1 (ok), driver in use: r8168, ASPM Disabled
* 238.5GB "Phison ESMP256GKB5G2-E13TI" SSD as /dev/nvme0: Speed 8GT/s (ok), Width x4 (ok), 0% worn out, drive temp: 54°C, ASPM Disabled
* "ASMedia SATA 6Gb/s bridge" as /dev/sda: USB, Driver=usb-storage, 5Gbps (capable of 12Mbps, 480Mbps, 5Gbps)
### Swap configuration:
* /dev/zram0: 635M (0K used, lzo-rle, 6 streams, 4K data, 74B compressed, 12K total)
* /dev/zram1: 635M (0K used, lzo-rle, 6 streams, 4K data, 74B compressed, 12K total)
* /dev/zram2: 635M (0K used, lzo-rle, 6 streams, 4K data, 74B compressed, 12K total)
* /dev/zram3: 635M (0K used, lzo-rle, 6 streams, 4K data, 74B compressed, 12K total)
* /dev/zram4: 635M (0K used, lzo-rle, 6 streams, 4K data, 74B compressed, 12K total)
* /dev/zram5: 635M (0K used, lzo-rle, 6 streams, 4K data, 74B compressed, 12K total)
### Software versions:
* Ubuntu 22.04.5 LTS (jammy)
* Compiler: /usr/bin/gcc (Ubuntu 11.4.0-1ubuntu1~22.04) 11.4.0 / aarch64-linux-gnu
* OpenSSL 3.0.2, built on 15 Mar 2022 (Library: OpenSSL 3.0.2 15 Mar 2022)
### Kernel info:
* `/proc/cmdline: root=/dev/nvme0n1p1 rw rootwait rootfstype=ext4 mminit_loglevel=4 console=ttyTCU0,115200 firmware_class.path=/etc/firmware fbcon=map:0 net.ifnames=0 nospectre_bhb video=efifb:off console=tty0 bl_prof_dataptr=2031616@0x271E10000 bl_prof_ro_ptr=65536@0x271E00000 `
* Vulnerability Spec store bypass: Mitigation; Speculative Store Bypass disabled via prctl
* Vulnerability Spectre v1: Mitigation; __user pointer sanitization
* Vulnerability Spectre v2: Mitigation; CSV2, but not BHB
* Kernel 5.15.148-tegra / CONFIG_HZ=250
All known settings adjusted for performance. Device now ready for benchmarking.
Once finished stop with [ctrl]-[c] to get info about throttling, frequency cap
and too high background activity all potentially invalidating benchmark scores.
All changes with storage and PCIe devices as well as suspicious dmesg contents
will be reported too.
Time big.LITTLE load %cpu %sys %usr %nice %io %irq Temp
12:15:38: 1728/1728MHz 4.54 36% 0% 35% 0% 0% 0% 48.4°C
12:16:38: 1728/1728MHz 1.67 0% 0% 0% 0% 0% 0% 46.9°CДросселирование не обнаружено, сверхтихий вентилятор справился идеально: максимальная зафиксированная температура в cpuminer составила 50.9°C.
Модуль Jetson Orin Nano 8GB показал результат в 14820 DMIPS в 7-zip. Сравним некоторые результаты с другими Arm-платформами: Raspberry Pi 5 , системой на Rockchip RK3588, такой как Rock 5B , и материнской платой mini-ITX Radxa Orion O6 .
По пропускной способности памяти и многопоточной производительности NVIDIA Jetson Orin Nano немного уступает одноплатному компьютеру Rockchip RK3588 с восемью ядрами, а 12-ядерный процессор CIX P1 Armv9 на Orion O6 ожидаемо значительно быстрее.
Оценим производительность веб-браузера с помощью Speedometer 2.0 в Chromium.
85.7 запусков в минуту (RPM) против 63.5 RPS на Raspberry Pi 5 и 80.7 RPS на Khadas Edge 2 (RK3588S SBC) . Заметим, что этот тест сильно варьируется на RK3588(S) в зависимости от настроек/оптимизации. Также запущен Speedometer 3.0 (5.21 балла) для будущих сравнений, так как Speedometer 2.0 устарел.
Speedometer 3.0 ChromiumКлючевое преимущество модулей NVIDIA Jetson — их GPU. Jetson Orin Nano 8GB оснащён GPU NVIDIA Ampere с 1024 ядрами CUDA и 32 тензорными ядрами.
Для сравнения с другими Arm-платформами была попытка запуска glmark2-es2-wayland, но он отказался работать. Это неудивительно, так как Ubuntu 22.04 на плате использует оконную систему X11, а не Wayland, как в Ubuntu 24.04 на большинстве других плат.
glmark2-es2 запустился без проблем:
Результаты:
devkit@devkit-aaeon:~$ glmark2-es2
=======================================================
glmark2 2021.02
=======================================================
OpenGL Information
GL_VENDOR: NVIDIA Corporation
GL_RENDERER: NVIDIA Tegra Orin (nvgpu)/integrated
GL_VERSION: OpenGL ES 3.2 NVIDIA 540.4.0
=======================================================
[build] use-vbo=false: FPS: 2536 FrameTime: 0.394 ms
[build] use-vbo=true: FPS: 2815 FrameTime: 0.355 ms
[texture] texture-filter=nearest: FPS: 2982 FrameTime: 0.335 ms
[texture] texture-filter=linear: FPS: 2500 FrameTime: 0.400 ms
[texture] texture-filter=mipmap: FPS: 3222 FrameTime: 0.310 ms
[shading] shading=gouraud: FPS: 3282 FrameTime: 0.305 ms
[shading] shading=blinn-phong-inf: FPS: 3239 FrameTime: 0.309 ms
[shading] shading=phong: FPS: 3144 FrameTime: 0.318 ms
[shading] shading=cel: FPS: 3119 FrameTime: 0.321 ms
[bump] bump-render=high-poly: FPS: 2936 FrameTime: 0.341 ms
[bump] bump-render=normals: FPS: 3061 FrameTime: 0.327 ms
[bump] bump-render=height: FPS: 2813 FrameTime: 0.355 ms
[effect2d] kernel=0,1,0;1,-4,1;0,1,0;: FPS: 2963 FrameTime: 0.337 ms
[effect2d] kernel=1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;: FPS: 1893 FrameTime: 0.528 ms
[pulsar] light=false:quads=5:texture=false: FPS: 2730 FrameTime: 0.366 ms
[desktop] blur-radius=5:effect=blur:passes=1:separable=true:windows=4: FPS: 1579 FrameTime: 0.633 ms
[desktop] effect=shadow:windows=4: FPS: 2376 FrameTime: 0.421 ms
[buffer] columns=200:interleave=false:update-dispersion=0.9:update-fraction=0.5:update-method=map: FPS: 924 FrameTime: 1.082 ms
[buffer] columns=200:interleave=false:update-dispersion=0.9:update-fraction=0.5:update-method=subdata: FPS: 1057 FrameTime: 0.946 ms
[buffer] columns=200:interleave=true:update-dispersion=0.9:update-fraction=0.5:update-method=map: FPS: 1200 FrameTime: 0.833 ms
[ideas] speed=duration: FPS: 2701 FrameTime: 0.370 ms
[jellyfish] <default>: FPS: 2963 FrameTime: 0.337 ms
[terrain] <default>: FPS: 398 FrameTime: 2.513 ms
[shadow] <default>: FPS: 2834 FrameTime: 0.353 ms
[refract] <default>: FPS: 801 FrameTime: 1.248 ms
[conditionals] fragment-steps=0:vertex-steps=0: FPS: 2934 FrameTime: 0.341 ms
[conditionals] fragment-steps=5:vertex-steps=0: FPS: 2801 FrameTime: 0.357 ms
[conditionals] fragment-steps=0:vertex-steps=5: FPS: 2710 FrameTime: 0.369 ms
[function] fragment-complexity=low:fragment-steps=5: FPS: 2709 FrameTime: 0.369 ms
[function] fragment-complexity=medium:fragment-steps=5: FPS: 2712 FrameTime: 0.369 ms
[loop] fragment-loop=false:fragment-steps=5:vertex-steps=5: FPS: 2709 FrameTime: 0.369 ms
[loop] fragment-steps=5:fragment-uniform=false:vertex-steps=5: FPS: 2732 FrameTime: 0.366 ms
[loop] fragment-steps=5:fragment-uniform=true:vertex-steps=5: FPS: 2732 FrameTime: 0.366 ms
=======================================================
glmark2 Score: 2488
=======================================================2488 баллов в glmark2-es2. Можно сравнить с одним тестом RK3588 на Ubuntu 22.04: 1042 балла на Mixtile Core 3588E SoM . Остальные найденные результаты используют glmark2-es2-wayland и несопоставимы.
Модули NVIDIA Jetson выделяются в Arm-мире благодаря полнофункциональному GPU с поддержкой OpenGL 4.6, а не только OpenGL ES, как GPU большинства других платформ. Поэтому можно запустить тесты glmark2 с полным аппаратным ускорением:
devkit@devkit-aaeon:~$ glmark2
=======================================================
glmark2 2021.02
=======================================================
OpenGL Information
GL_VENDOR: NVIDIA Corporation
GL_RENDERER: NVIDIA Tegra Orin (nvgpu)/integrated
GL_VERSION: 4.6.0 NVIDIA 540.4.0
=======================================================
[build] use-vbo=false: FPS: 2609 FrameTime: 0.383 ms
[build] use-vbo=true: FPS: 3205 FrameTime: 0.312 ms
[texture] texture-filter=nearest: FPS: 3187 FrameTime: 0.314 ms
[texture] texture-filter=linear: FPS: 3026 FrameTime: 0.330 ms
[texture] texture-filter=mipmap: FPS: 3061 FrameTime: 0.327 ms
[shading] shading=gouraud: FPS: 2910 FrameTime: 0.344 ms
[shading] shading=blinn-phong-inf: FPS: 3114 FrameTime: 0.321 ms
[shading] shading=phong: FPS: 3222 FrameTime: 0.310 ms
[shading] shading=cel: FPS: 3244 FrameTime: 0.308 ms
[bump] bump-render=high-poly: FPS: 2584 FrameTime: 0.387 ms
[bump] bump-render=normals: FPS: 2732 FrameTime: 0.366 ms
[bump] bump-render=height: FPS: 2967 FrameTime: 0.337 ms
[effect2d] kernel=0,1,0;1,-4,1;0,1,0;: FPS: 3009 FrameTime: 0.332 ms
[effect2d] kernel=1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;: FPS: 2882 FrameTime: 0.347 ms
[pulsar] light=false:quads=5:texture=false: FPS: 3090 FrameTime: 0.324 ms
[desktop] blur-radius=5:effect=blur:passes=1:separable=true:windows=4: FPS: 1621 FrameTime: 0.617 ms
[desktop] effect=shadow:windows=4: FPS: 2873 FrameTime: 0.348 ms
[buffer] columns=200:interleave=false:update-dispersion=0.9:update-fraction=0.5:update-method=map: FPS: 929 FrameTime: 1.076 ms
[buffer] columns=200:interleave=false:update-dispersion=0.9:update-fraction=0.5:update-method=subdata: FPS: 1056 FrameTime: 0.947 ms
[buffer] columns=200:interleave=true:update-dispersion=0.9:update-fraction=0.5:update-method=map: FPS: 1180 FrameTime: 0.847 ms
[ideas] speed=duration: FPS: 2650 FrameTime: 0.377 ms
[jellyfish] <default>: FPS: 2525 FrameTime: 0.396 ms
[terrain] <default>: FPS: 381 FrameTime: 2.625 ms
[shadow] <default>: FPS: 2434 FrameTime: 0.411 ms
[refract] <default>: FPS: 813 FrameTime: 1.230 ms
[conditionals] fragment-steps=0:vertex-steps=0: FPS: 2784 FrameTime: 0.359 ms
[conditionals] fragment-steps=5:vertex-steps=0: FPS: 2701 FrameTime: 0.370 ms
[conditionals] fragment-steps=0:vertex-steps=5: FPS: 2696 FrameTime: 0.371 ms
[function] fragment-complexity=low:fragment-steps=5: FPS: 2673 FrameTime: 0.374 ms
[function] fragment-complexity=medium:fragment-steps=5: FPS: 2793 FrameTime: 0.358 ms
[loop] fragment-loop=false:fragment-steps=5:vertex-steps=5: FPS: 3203 FrameTime: 0.312 ms
[loop] fragment-steps=5:fragment-uniform=false:vertex-steps=5: FPS: 3220 FrameTime: 0.311 ms
[loop] fragment-steps=5:fragment-uniform=true:vertex-steps=5: FPS: 3226 FrameTime: 0.310 ms
=======================================================
glmark2 Score: 2563
=======================================================Для справки: glmark2 на ноутбуке с iGPU Intel Core i5-13500H Raptor Lake показал 3571 балл.
Другой способ проверить реализацию поддержки GPU — запуск демо WebGL Aquarium в Chromium.
6 FPS при 500 рыбах и 0% загрузки GPU. Результат неудовлетворительный. Страница chrome://gpu подтверждает, что OpenGL отключён, а графика использует программный рендеринг.
Аппаратное ускорение GPU/WebGL можно включить в Chromium на Jetson Orin Nano, но для этого требуется пересборка Chromium из исходного кода . Этот шаг пропущен как выходящий за рамки обзора.
Накопители и USB
Протестируем поставляющийся с разработчиком SSD:
devkit@devkit-aaeon:~$ sudo iozone -e -I -a -s 1000M -r 4k -r 16k -r 512k -r 1024k -r 16384k -i 0 -i 1 -i 2
Iozone: Performance Test of File I/O
Version $Revision: 3.489 $
Compiled for 64 bit mode.
Build: linux
random random bkwd record stride
kB reclen write rewrite read reread read write read rewrite read fwrite frewrite fread freread
1024000 4 89637 136565 119833 122728 53095 150623
1024000 16 321852 429414 161586 164400 155308 424638
1024000 512 1085746 1094057 1237206 1247081 1244750 1077841
1024000 1024 1089205 1096410 1583795 1572817 1542605 1086377
1024000 16384 1086247 1094949 2141807 2162296 2164180 1072043
iozone test complete.SSD обеспечивает скорость чтения 2.14 ГБ/с и записи 1.08 ГБ/с.
Также протестированы шесть портов USB 3.0 с помощью lsusb и iozone с использованием корпуса M.2 NVMe SSD ORICO M234C3-U4 .
Пример вывода для верхнего левого порта (USB #1) на передней панели:
devkit@devkit-aaeon:~$ lsusb -t | grep uas
|__ Port 4: Dev 5, If 0, Class=Mass Storage, Driver=uas, 10000M
devkit@devkit-aaeon:/media/sdb3$ sudo iozone -e -I -a -s 1000M -r 16384k -i 0 -i 1
random random bkwd record stride
kB reclen write rewrite read reread read write read rewrite read fwrite frewrite fread freread
1024000 16384 931087 930868 946044 952009Результаты для всех шести портов (слева направо):
- USB #1 (верхний) – USB 3.0 – 10 000 Мбит/с – Скорость чтения: 946 МБ/с
- USB #2 (нижний) – USB 3.0 – 10 000 Мбит/с – Скорость чтения: 940 МБ/с
- USB #3 (верхний) – USB 3.0 – 10 000 Мбит/с – Скорость чтения: 953 МБ/с
- USB #4 (нижний) – USB 3.0 – 10 000 Мбит/с – Скорость чтения: 953 МБ/с
- USB #5 (верхний) – USB 3.0 – 10 000 Мбит/с – Скорость чтения: 951 МБ/с
- USB #6 (нижний) – USB 3.0 – 10 000 Мбит/с – Скорость чтения: 951 МБ/с
Всё работает как заявлено.
Сетевая инфраструктура
AAEON NV8600-Nano имеет четыре гигабитных порта Ethernet, протестированных с помощью iperf3 в полнодуплексном режиме (опция bidir) с ноутбуком на Ubuntu 24.04.
- LAN1 – Rx: 938 Мбит/с; Tx: 744 Мбит/с
- LAN2 – Rx: 939 Мбит/с; Tx: 936 Мбит/с
- LAN3 – Rx: 938 Мбит/с; Tx: 937 Мбит/с
- LAN4 – Rx: 938 Мбит/с; Tx: 936 Мбит/с
Порты LAN2-4 подключены к контроллерам Intel I210 Gigabit Ethernet и работают на оптимальной скорости. LAN1 подходит для большинства задач, но для интенсивного двунаправленного трафика рекомендуется использовать порты LAN2-4.
GPIOs
GPIO напрямую не тестировались из-за нехватки времени, но они присутствуют в виде трёх устройств gpiochip:
devkit@devkit-aaeon:~$ ls -l /dev/gpiochip*
crw-rw---- 1 root gpio 254, 0 jun 4 16:17 /dev/gpiochip0
crw-rw---- 1 root gpio 254, 1 jun 4 16:17 /dev/gpiochip1
crw-rw---- 1 root gpio 254, 2 aug 16 05:27 /dev/gpiochip2Их также можно перечислить с помощью gpioinfo:
devkit@devkit-aaeon:~$ sudo apt install libgpiod-dev gpiod
devkit@devkit-aaeon:~$ sudo gpioinfo 0
gpiochip0 - 164 lines:
line 0: "PA.00" "regulator-vdd-3v3-sd" output active-high [used]
line 1: "PA.01" unused input active-high
line 2: "PA.02" unused input active-high
line 3: "PA.03" unused input active-high
line 4: "PA.04" unused input active-high
...
line 160: "PAG.04" unused input active-high
line 161: "PAG.05" unused input active-high
line 162: "PAG.06" unused input active-high
line 163: "PAG.07" unused input active-high
devkit@devkit-aaeon:~$ sudo gpioinfo 1
gpiochip1 - 32 lines:
line 0: "PAA.00" unused input active-high
line 1: "PAA.01" unused input active-high
line 2: "PAA.02" unused input active-high
line 3: "PAA.03" unused input active-high
line 4: "PAA.04" unused output active-high
line 5: "PAA.05" "regulator-vdd-3v3-pcie" output active-high [used]
....
line 28: "PEE.05" unused input active-high
line 29: "PEE.06" unused input active-high
line 30: "PEE.07" unused input active-high
line 31: "PGG.00" unused input active-high
devkit@devkit-aaeon:~$ sudo gpioinfo 2
gpiochip2 - 4 lines:
line 0: unnamed kernel input active-high [used]
line 1: unnamed kernel input active-high [used]
line 2: unnamed kernel input active-high [used]
line 3: unnamed kernel input active-high [used]
40-pin GPIO header pinoutСхему распиновки 40-контактного GPIO-разъёма и всех разъёмов платы можно найти в руководстве пользователя , где также приведены базовые инструкции по работе с GPIO.
AI testing – Network Optix Nx Meta
Хотя тестирование ИИ-нагрузок возможно через Jetson Platform Services из JetPack 6.2 SDK на оборудовании Jetson Orin, NV8600-Nano DevKit поставляется с платформой Network Optix (Nx) Meta и плагином NX AI Manager, что ускоряет старт разработки с USB-камерой. Именно этот подход используется в обзоре.
Запуск Chromium автоматически открывает панель Nx Meta. Нажмём кнопку «Setup New System».
Далее потребуется ввести имя системы (devkit-aaeon-cnx) и создать пароль в следующих двух окнах.
Система ещё не готова к работе — войти можно под пользователем admin с заданным паролем.
В левом меню панели четыре основных раздела: System Administration, Cameras, Users и Servers.
При переходе в «Cameras» уже отображалась одна камера. Предположительно, она использовалась AAEON перед отправкой образца, но система автоматически обнаружила Reolink TrackMix PoE security camera благодаря поддержке ONVIF. Пароль не удалось вспомнить, возможно, попытка будет предпринята позже.
Документация AAEON содержит инструкции по работе с Nx Meta. Сначала нужно создать учётную запись на meta.nxvms.com .
Нажмите «Create Account» для регистрации по email. Затем скачайте Nx Meta client для вашей ОС. Для Ubuntu 24.04 предлагался «Ubuntu x64 – Client installer», но клиент доступен также для Windows, Mac OS, Arm (NVIDIA Jetson, Qualcomm Laptop, Raspberry Pi…) и мобильных устройств на Android/iOS.
После установки можно запустить клиент «Nx Meta», где сервер devkit-aaeon-cnx обнаружился автоматически.
После нажатия на него запросили данные для входа, созданные ранее в веб-панели.
Затем необходимо щёлкнуть правой кнопкой на сервере и выбрать «Server Settings».
Ключевой шаг — отметить галочку «before Autodetect built-in and USB webcams» и нажать OK.
Теперь обнаружена USB-камера UP из комплекта. Далее щёлкните правой кнопкой на камере и выберите Camera Settings.
В разделе Plugins активируйте «NX AI Manager».
Клиент выдал ошибку: «This system is not registered to a cloud user. Add a cloud user through the System Administration». Причина — отсутствие входа в облако. В уведомлениях (предыдущие скриншоты) есть пункт «Check out Cloud – Connect to your system from anywhere». После перехода по ссылке Connect выполнен вход с данными от облачного сервиса.
Теперь можно установить Nx CPU или ONNX-CUDA. Выбран последний вариант для использования GPU Jetson Orin. Это автоматически загрузит конвейер «80-Classes Object Detector [320×320]» с возможностью выбора типов объектов для детекции.
Теперь можно экспериментировать… Нажмите Object Search — вокруг объектов появятся скруглённые рамки. На скриншоте ниже обнаружены клавиатура и два монитора, а справа отображаются снимки объектов.
Посмотрим другие функции плагина NX AI. На вкладке Plugin щёлкните «Manage Devices» и раздел Models. Если ничего не отображается, выберите «All available models» или «Nx Demo Models».
Доступны три модели:
- Face locator
- 80-Classes Object detector [320×320] – Текущий выбор
- 80-Classes Object detector [640×640]
Щёлкните значок Sites, выберите сервер (devkit-aaeon0cnx) и настройте конвейеры. Был сохранён 80-Classes Object Detector и выбран «Add a new Pipeline»…
… перед нажатием «Added to usb_cam-FHD Camera: FHD Camera pipeline».
Теперь камере назначены два конвейера: детектор объектов и локатор лиц. Параметр «no postprocessor selected» оставлен без изменений.
Конвейеры детекции лиц и объектов работают одновременно. На скриншоте показано обнаружение двух лиц (Face locator), двух человек и плюшевого медведя (Object detector).
Nx Meta поддерживает сложные задачи. Перейдём в Camera Rules, чтобы создать аналитическое событие для подсчёта объектов и наложения результатов на видео.
В настройках Postprocessor активирован Object counting для детектора объектов (но не для Face locator). Другие опции: Illegal Dumping, Line Crossing и Loitering Detection (нахождение в зоне без причины).
При демонстрации объектов перед камерой (не все попали в скриншот) в правом нижнем углу отображаются двое людей, бутылка, клавиатура и мобильный телефон (чашка).
После подключения PoE-камеры Reolink TrackMix через ONVIF (пароль найден) назначен плагин NX AI Manager — успешно детектируются автомобили, люди и стулья. Функция PTZ работает, пресеты из приложения Reolink (например, gate и porch) доступны в клиенте Nx Meta.
Протестирован постпроцессор Line Crossing. Первоначально возникли сложности с поиском инструмента рисования линии — он находится в окне конфигурации конвейера (требуется прокрутка). После настройки система детектировала пересечение линии и накладывала результаты на видео.
Однако для поворотной камеры это непрактично: линия фиксирована в кадре и не отслеживает движение. Скриншот ниже иллюстрирует проблему.
Заключение
AAEON NV8600-Nano AI developer kit — надёжная платформа для разработки на базе NVIDIA Jetson Orin Nano с поддержкой камер через MIPI CSI (например, Raspberry Pi Camera Module 2), шестью портами USB 3.0, четырьмя гигабитными Ethernet-портами и тремя слотами M.2 (один занят NVMe SSD для обзора). По сути, это NVIDIA Jetson Orin Nano Super Developer Kit с расширенными возможностями.
Все тесты прошли успешно, кроме нюансов. Во-первых, в Chromium не активировано GPU-ускорение (характерно для всех модулей Jetson с JetPack 6.2, решается перекомпиляцией Chromium). Во-вторых, левый порт GbE RJ45 (прямое подключение к Jetson Orin Nano) уступает в производительности трём другим портам с контроллерами Intel I210 при двунаправленной передаче, что некритично для подключения камер.
Ключевой элемент обзора — платформа Network Optix Meta (Nx Meta), упрощающая запуск ИИ-задач на USB и сетевых камерах. Тестирование моделей детектора объектов и локатора лиц на камере UP заняло минуты, включая настройку подсчёта объектов. Аналогичные действия выполнены для ONVIF-камеры Reolink TrackMix PoE и конфигурации Line Crossing. Хотя освоение Nx Meta относительно просто, интерфейс не всегда интуитивен.
Благодарим AAEON за предоставление NV8600-Nano AI developer kit и USB-камеры. Devkit доступен в UP shop за $649 (плюс налоги/доставка), а UP HD-камера стоит $35 . Цена выше, чем у NVIDIA Jetson Orin Nano Super Developer Kit, но комплект включает доп. аксессуары (SSD 256 ГБ с JetPack 6.2 SDK + Raspberry Pi Camera Module 2), расширенные возможности/порты, рабочий диапазон -25°C…+70°C и лучшую доступность.
Выражаем свою благодарность источнику, с которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.