Был получен образец для обзора одноплатного компьютера (SBC) LattePanda IOTA от DFRobot. Это компактный SBC размером с ладонь, работающий на базе четырехъядерного процессора Intel Processor N150 серии Twin Lake, с 8 ГБ оперативной памяти LPDDR5 и 64 ГБ встроенной памяти eMMC. Он также интегрирует сопроцессор Raspberry Pi RP2040 для обработки операций ввода-вывода, обеспечивая большую гибкость для встраиваемых систем и приложений автоматизации.
Распаковка LattePanda IOTA
Посылка была отправлена из Китая и благополучно прибыла в стандартной картонной коробке. Внутри находилось несколько меньших коробок, содержащих следующие компоненты, с пенопластовой прокладкой, которая была слегка свободной, но все же обеспечивала адекватную защиту. Все компоненты прибыли в хорошем состоянии. Всего от DFRobot было получено семь предметов, которые перечислены ниже.
- LattePanda IOTA (8 ГБ ОЗУ, 64 ГБ флеш-памяти eMMC)
- Плата расширения Smart UPS : Модуль ИБП по принципу plug-and-play для LattePanda IOTA, обеспечивающий стабильное, непрерывное питание с интеллектуальным управлением и поддерживающий до восьми часов работы с использованием трех элементов 18650.
- Плата расширения 51W PoE : Высокопроизводительное решение для питания и сети, специально разработанное для LattePanda IOTA, позволяющее передавать до 51 Вт мощности и подключение Gigabit Ethernet через один кабель Ethernet.
- Плата расширения M.2 4G LTE для LattePanda IOTA : Специализированный аппаратный адаптер, предназначенный для бесшовного добавления мобильной сети 4G LTE к одноплатному компьютеру LattePanda IOTA, поддерживающий установку по принципу plug-and-play с модулем M.2 B-key (не предоставляется).
- Плата расширения M.2 M-Key для LattePanda IOTA : Адаптер интерфейса, предназначенный для подключения NVMe SSD или карт ускорения ИИ формата M.2 (размеры 2230 и 2280).
- Сетевая карта M.2 (A+E Key) AX210 WiFi 6E для LattePanda IOTA / Sigma / Alpha / Delta : Данная сетевая карта поддерживает трехдиапазонную работу (2.4 ГГц, 5 ГГц и 6 ГГц), расширяя Wi-Fi в диапазон 6 ГГц.
- Активный кулер для LattePanda IOTA : Ультратонкий радиатор, специально разработанный для LattePanda IOTA, оснащенный вентилятором с регулируемой скоростью.
Полученные компоненты.На рисунке ниже показаны фотографии полученных компонентов.
- Плата расширения M.2 4G LTE для LattePanda IOTA
- Сетевая карта M.2 (A+E Key) AX210 WiFi 6E для LattePanda IOTA / Sigma / Alpha / Delta
- Плата расширения M.2 M-Key для LattePanda IOTA
- LattePanda IOTA
- Активный кулер для LattePanda IOTA (установлен снизу)
- Плата расширения Smart UPS
- Плата расширения 51W PoE
Начальная настройка
Согласно официальной документации на плату , производитель поддерживает несколько операционных систем, включая Ubuntu 22.04 LTS (с HWE Kernel), Ubuntu 24.04 LTS, Windows 10 и Windows 11. Процедуры установки для Windows 10 и Windows 11 идентичны. Официальный образ Windows, предоставляемый командой LattePanda, включает все необходимые предустановленные драйверы и доступен для загрузки по ссылкам Dropbox и Google Drive . Для Ubuntu рекомендуется 64-разрядная версия, которую можно получить непосредственно с официального сайта Ubuntu.
В данном случае не было полной уверенности, какая версия операционной системы была включена, так как полученные посылки были помечены, но не содержали информации об операционной системе. Предполагалось, что на плате предустановлена, но не активирована версия Windows. Сборка системы была начата в соответствии с Руководством по началу работы , которое оказалось простым. Были установлены активный охлаждающий вентилятор, батарея RTC CR2032 и модуль Wi-Fi M.2.
На рисунках ниже показаны варианты подключения и порты платы LattePanda IOTA.
Затем были установлены три батареи 3.7V 18650 в плату расширения ИБП LattePanda и подключен адаптер переменного тока 12V 60W через силовой коаксиальный разъем 5.5 × 2.5 мм. После подключения беспроводной мыши и клавиатуры через USB-адаптеры и подключения монитора BenQ EL2870U с помощью порта HDMI была нажата кнопка загрузки. В течение нескольких минут появился экран приветствия Windows 11. Оба периферийных устройства работали сразу, и после ввода учетных данных Wi-Fi интернет-соединение было успешно установлено.
Стандартный рабочий стол Windows 11.
Проверка оборудования с помощью настроек Windows и HWiNFO64
Далее были проверены характеристики устройства с помощью панели активации в настройках Windows и утилиты HWiNFO64. Система сообщила, что на LattePanda IOTA запущена неактивированная версия Windows 11 Pro, версия 24H2 (сборка 26100.4351). Это ожидаемо, поскольку компания продает SBC с активированной или неактивированной ОС Windows на выбор при заказе.
Предустановленная Windows не активирована.HWiNFO64 8.32-5840 подтверждает, что LattePanda IOTA интегрирует четырехъядерный процессор Intel Processor N150 Alder Lake-N (Twin Lake) с графикой Intel UHD Graphics (GT1) и 8 ГБ ОЗУ с тактовой частотой 2294.9 МГц.
Данные о процессоре и системе, полученные от HWiNFO64.Следует отметить, что Диспетчер задач сообщает, что системная память состоит из 8 ГБ LPDDR5, работающей на скорости 4600 МТ/с, причем примерно 225 МБ зарезервировано для оборудования. При стандартной настройке ОС система использует около 3.3 ГБ из общего объема памяти 8 ГБ в режиме простоя.
Встроенное хранилище было идентифицировано как устройство eMMC Samsung CUTB42, предварительно отформатированное как единственный раздел с заявленной емкостью 58.2 ГБ.
Диспетчер устройств подтвердил полное обнаружение оборудования без отсутствующих драйверов.
Сетевые интерфейсы включали Intel Wi-Fi 6E AX210, Realtek PCIe GbE и Bluetooth, предоставляемый через модуль Intel. Версия прошивки устройства Bluetooth была указана как LMP 12.14171, что соответствует Bluetooth 5.3 .
Сетевые адаптеры.
Более подробную информацию о модуле Intel AX210 WiFi 6E и Bluetooth 5.3 можно найти в HWiNFO64.
Дополнительные сведения о беспроводном сетевом адаптере, полученные от HWiNFO64.
Внешняя плата расширения ИБП также была корректно обнаружена и появилась в Диспетчере устройств.
Также был проведен финальный тест с Intel Processor Diagnostic Tool 4.1.9 (IPDT). Инструмент корректно определил процессор Intel N150. Большинство функциональных модулей прошли проверку, включая проверку подлинности Intel, тесты кэша, операций с плавающей запятой и математических вычислений, что подтвердило нормальную работу ЦП при стандартных нагрузках. Однако тест Brand String завершился неудачей, из-за чего итоговый статус теста отображался как FAIL, несмотря на прохождение всех остальных проверок. Эта проблема, вероятно, связана с идентификацией микрокода, а не с реальной аппаратной неисправностью.
Тестирование производительности LattePanda IOTA
Внутреннее хранилище
Далее было протестировано внутреннее хранилище с помощью инструмента CrystalDiskMark 9.0.1 в конфигурации по умолчанию. Результаты показали, что eMMC на 64 ГБ достигла скоростей последовательного чтения и записи около 312 МБ/с и 221 МБ/с соответственно, при этом производительность случайных операций 4K достигла примерно 49 МБ/с (чтение) и 39 МБ/с (запись). Эти результаты демонстрируют надежную и стабильную производительность для устройства хранения на основе eMMC.
Geekbench 6.5
Поскольку LattePanda заявляет, что SBC может достигать 1193 баллов (одноядерный) и 2820 баллов (многоядерный) в тестах Geekbench 6, было решено проверить эти результаты. Была установлена Geekbench 6.5.0 для Windows и запущены тесты ЦП и ГП на LattePanda IOTA. В ходе тестов ЦП достиг одноядерного результата в 1163 балла и многоядерного результата в 2632 балла, что немного ниже официальных результатов. Разница могла быть вызвана прошивкой, фоновыми процессами или различиями в тестовой среде (например, температура окружающей среды).
Также был запущен тест OpenCL для ГП, где встроенная графика Intel набрала 4085 баллов. Такой уровень производительности типичен для встроенных ГП этого класса.
Несмотря на то, что результаты тестов были немного ниже официальных цифр, общая производительность оставалась плавной и стабильной. Дополнительная информация из результатов Geekbench показана ниже. Одноядерная производительность охватывала широкий спектр повседневных задач с сильными результатами в обработке текста (1460), навигации (1429) и рендеринге PDF (1283).
Масштабирование на много ядер было эффективным, показывая явный прирост в таких задачах, как сжатие ресурсов (3525), рендеринг PDF (3228) и навигация (3540).
Cinebench R23 и 2024
Для следующего теста была дополнительно оценена производительность ЦП при 3D-рендеринге с использованием Cinebench R23 из Microsoft Store. Были получены многоядерный результат в 2294 балла и одноядерный результат в 930 баллов. Соотношение многоядерной к одноядерной производительности (MP Ratio) 2.47× показывает, что ЦП в некоторой степени масштабируется на всех четырех ядрах.
Также была вручную установлена Cinebench 2024.1.0 для сравнения результатов. В этой версии ЦП достиг одноядерного результата в 57 баллов, но многоядерный тест завершился ошибкой с сообщением: Failed to allocate necessary GPU recyclable memory. Эта проблема, вероятно, была вызвана ограничением встроенного ГП, как показано на рисунке ниже.
WebGL 3D-рендеринг с демо Aquarium
Далее была протестирована производительность WebGL 3D-рендеринга с использованием демо WebGL Aquarium при разрешении 1024×1024. Система поддерживала плавный рендеринг от 1 до 1000 моделей рыб с частотой примерно 50 кадров/с, постепенно снижаясь до около 22 кадров/с при 10000 моделей рыб. Использование ГП варьировалось между 50–80%, при использовании памяти около 1.1 ГБ из 3.9 ГБ общей памяти.
При 30000 рыб сцена оставалась визуально стабильной, но частота кадров упала почти до 0 кадров/с, что обозначило практический верхний предел системы для рендеринга WebGL в реальном времени.
В целом, эти результаты показывают, что встроенный ГП может эффективно обрабатывать трехмерную графику в браузере и задачи умеренной визуализации.
Веб-браузерный бенчмарк Speedometer 3.1
Бенчмарк Speedometer 3.1 с использованием веб-браузера Firefox показал результат 9.46 ± 0.31, с общим геометрическим средним теста 105.87 мс. Хотя этого достаточно для стандартного веб-серфинга и легкого контента, данная производительность предполагает, что более требовательные приложения с интенсивным использованием JavaScript, такие как динамические панели управления или одностраничные фреймворки вроде React и Angular, могут проявлять задержки или сниженную отзывчивость.
Воспроизведение видео на YouTube
Тесты воспроизведения видео на YouTube проводились в разрешениях от 144p до 2160p с использованием диагностического оверлея Stats for Nerds. LattePanda IOTA демонстрировал плавную производительность при низких разрешениях: 144p, 240p и 360p показывали 0% потерь кадров и минимальное использование ЦП ниже 20%. При 480p воспроизведение оставалось идеально стабильным с потерей кадров менее 1% и средним битрейтом около 2–3 Мбит/с. При увеличении до 720p (HD) видео продолжало воспроизводиться плавно с незначительной потерей кадров около 1–2%, тогда как воспроизведение 1080p (Full HD) показывало немного более высокие потери кадров в диапазоне 5–8%. Поток 1440p (2K) показывал заметные подтормаживания, достигая 20–30% потерянных кадров по мере роста использования ГП до 80%. При наивысшем разрешении 2160p (4K) воспроизведение становилось очень прерывистым, отображая только 3–4 секунды видео перед паузой в 4–5 секунд. Такое поведение соответствовало потере более 60% кадров и почти максимальному использованию памяти ГП, приблизительно 1.3 ГБ из 3.9 ГБ общей памяти.
 144p. |
 240p. |
 360p. |
 480p. |
 720p. |
 1080p. |
 1440p. |
 2160p. |
Во время воспроизведения на YouTube ЦП постоянно работал вблизи своего полного диапазона тактовых частот 2.9–3.1 ГГц для всех протестированных разрешений. Это указывает на то, что декодирование видео в основном опиралось на обработку со стороны ЦП, а не на выделенное аппаратное ускорение. Хотя процессор поддерживал стабильные частоты, постоянная 100% загрузка ЦП предполагает ограниченную эффективность в разгрузке потоковых рабочих нагрузок, особенно при более высоких разрешениях, где буферизация и рендеринг кадров становятся более требовательными.
Активность ГП оставалась умеренной при низких разрешениях, в диапазоне 30–45% использования с приблизительно 1.0 ГБ используемой общей памяти при 144p–480p. При 720p нагрузка на ГП увеличилась до 50–60%, а при воспроизведении 1080p использование возросло до 80–90% с потреблением памяти около 1.3 ГБ. Примечательно, что как механизмы Video Decode, так и Video Processing демонстрировали минимальную активность на протяжении всех тестов, подтверждая, что большинство задач декодирования обрабатывались ЦП, а не ГП.
В результате система обеспечила эффективное воспроизведение вплоть до 1080p, но продемонстрировала заметные задержки и потери кадров за пределами 1440p, возможно, из-за теплового троттлинга, аналогичного тому, что наблюдается в Zimaboard 2 на базе N150 . Процессоры Intel Alder Lake-N/Twin Lake вполне способны воспроизводить видео YouTube в 4K, как показано в обзоре мини-ПК GEEKOM Mini Air12 Lite на базе Intel N100 и других аналогичных мини-ПК. Просто странно, что это происходит при установленном активном кулере.
Программирование Raspberry Pi RP2040 с помощью MicroPython
Далее была проверена интегрированный микроконтроллер Raspberry Pi RP2040, который взаимодействует с основным процессором через USB 2.0, используя руководство по программированию .
Для управления МК используются две кнопки: кнопка сброса (RST) и кнопка выбора загрузки (BOOTSEL). Эти кнопки можно использовать для загрузки новой прошивки. При удерживании RST, последующем нажатии и отпускании BOOTSEL, и окончательном отпускании RST, операционная система определяет МК как USB-устройство хранения данных с именем по умолчанию RPI-RP2. В этот момент файл прошивки (.uf2) можно загрузить в МК простым перетаскиванием в диск, после чего МК автоматически перезагружается. Последняя версия прошивки MicroPython доступна на официальном сайте MicroPython . Это прошивка для Raspberry Pi Pico, поэтому программирование на MicroPython работает аналогичным образом , а аппаратная часть просто интегрирована в x86-плату.
В этом обзоре прошивка не обновлялась, использовалась предустановленная прошивка MicroPython для RPi Pico. Далее была установлена среда разработки Thonny, установлен интерпретатор по умолчанию MicroPython (Raspberry Pi Pico) и выбран соответствующий коммуникационный порт.
После этого для тестирования встроенного светодиода использовался пример кода мигания, приведенный на странице документации LattePanda IOTA по MicroPython . Когда скрипт назван main.py, он запускается автоматически при включении питания или сбросе МК. Примерный скрипт выполнился успешно без каких-либо проблем.
Далее использовался простой скрипт на Python для получения системной информации RP2040, и он работал как ожидалось.
Вышеупомянутый код мигания светодиодом тестировал встроенный светодиод, подключенный к GPIO 25 RP2040. Для тестирования других GPIO был выбран GPIO 26, который подключен к функции АЦП МК. К этому контакту была подключена пользовательская плата усилителя биосигналов, и использовался следующий простой скрипт на Python для выборки сигнала с частотой примерно 50 Гц.
Тестирование выборки АЦП RP2040 с GPIO-26.
from machine import Pin
from machine import ADC
import utime
fs = 50 # Hz
t_interval_ms = 1000.0/fs # milliseconds
PIN_ADC = 26 # ADC0 on RP
PIN_LED = 25 # LattePanda IOTA onboard blue LED
led = Pin(PIN_LED, Pin.OUT)
adc = ADC(PIN_ADC)
led_state = False
t_now = utime.ticks_ms()
t_prev = t_now
t_delta = t_now - t_prev
# Simple loop
while True:
# check elapsed time
t_now = utime.ticks_ms()
t_delta = t_now - t_prev
if(t_delta >= t_interval_ms):
# Simply read one ADC value
val = (adc.read_u16() * (3.3/65535.0))
# Update tick counter and LED status
t_prev = t_now
led_state = not led_state
if(led_state == True):
led.on()
else:
led.off()
print(f"{t_delta}, {val}")Первое значение, показанное в выводе Shell, представляло затраченное время между последовательными выборками. Оно составило 20 миллисекунд, что корректно соответствует частоте дискретизации 50 Гц.
Электроды были размещены на левой и правой стороне груди, а sampled данные визуализировались с помощью инструмента Arduino IDE Serial Plotter. Все работало как ожидалось, и sampled значения АЦП корректно отражали форму сигнала ЭКГ.
Активный кулер LattePanda IOTA
Все вышеперечисленные тесты проводились с активным кулером. Рассмотрим его подробнее.
Хотя и не мешающий, вентилятор охлаждения создавал заметный шум во время работы. Для анализа этого использовалось приложение Physics Toolbox Pro на смартфоне Vivo Y27 5G, результаты показаны ниже.
Основная частота шума находилась в диапазоне 3600–4100 Гц, в зависимости от скорости вращения вентилятора. Левое и среднее изображения показывают измерения, выполненные на расстоянии 10 см и 25 см над вентилятором соответственно. Правое изображение представляет собой спектрограмму, показывающую постоянные пики около 3,6 кГц и сдвиги частоты, соответствующие изменениям скорости вращения вентилятора.
Изучение платы расширения Smart UPS для LattePanda IOTA
Светодиод статуса батареи – Зеленый=полностью заряжен, синий=разрядка, красный=зарядка.Согласно официальной документации, плата расширения UPS обеспечивает до 2 часов работы при полной нагрузке и примерно 8 часов в режиме ожидания. Для проверки этого было протестировано энергопотребление с использованием трех аккумуляторов 18650, заряженных до уровня 80% по умолчанию, как настроено переключателем DIP на плате по умолчанию. Windows была установлена в режим высокой производительности. Было проведено два теста. В первом тесте все приложения были закрыты, и сетевой адаптер был отключен для записи разряда батареи в режиме ожидания. Затем система была перезаряжена до 80% перед запуском видео YouTube 4K в полноэкранном режиме до тех пор, пока заряд батареи не упал до 30%. Результаты, показанные на рисунке, демонстрируют, что энергопотребление во время воспроизведения 4K было значительно выше, чем в режиме ожидания.
Также стоит отметить, что после первого теста система отображала уровень заряда батареи 80% примерно через 20 минут перезарядки. Однако индикаторный светодиод не загорелся зеленым, указывая на полную зарядку, даже после дополнительных 20 минут. Это предполагает, что фактический уровень заряда, возможно, не достиг того же состояния, что и в первом тесте, что могло вызвать небольшое расхождение в результатах второго теста.
Тестирование платы расширения PoE на 51 Вт
Настройка платы расширения PoE на 51 Вт для LattePanda IOTA также была straightforward. Были подключены 4-контактный кабель питания и 16-контактный FPC-кабель к соответствующим интерфейсам, убедившись, что золотые контакты на FPC смотрят вниз. Затем плата расширения была подключена к инжектору PoE Zyxel PoE12-30W с помощью LAN-кабеля. После включения основного питания загорелся красный светодиод на плате расширения, указывая на нормальную подачу питания. Далее была включена основная плата. Плата расширения работала как ожидалось. Она успешно подавала питание и обеспечивала стабильное Ethernet-подключение.
Тестирование платы расширения M.2 4G M-Key
Для этой платы расширения M.2 4G M-Key требуется модуль M.2 B-Key 4G LTE. Однако получить его в период обзора не удалось, поэтому была протестирована только физическая установка платы.
Эта плата расширения может быть установлена либо поверх модуля Wi-Fi, либо использоваться независимо. В данной конфигурации она была установлена поверх модуля Wi-Fi, разместив предоставленный шестигранный проставку M2 между ними. Плата также включает в себя 1×04 контактный штыревой разъем, который должен быть подключен к контактам 5V, D-, D+ и GND сокета GPIO RP2040, как показано на рисунках ниже.
Добавление NVMe SSD через плату расширения M.2 M-Key
Следующим тестом была плата расширения M.2 M-Key. Были выполнены инструкции по настройке с официального сайта продукта , а затем установлен новый NVMe SSD WD Blue SN5000 объемом 500 ГБ.
После установки SSD в расширение HAT и загрузки платы операционная система корректно определила его как SSD WD Blue SN5000 объемом 500 ГБ. Затем диск был отформатирован и назначен как диск D: для тестирования.
Также была протестирована производительность с использованием CrystalDiskMark 9.0.1 с двумя размерами теста: 1 ГиБ и 512 МиБ. В тесте на 1 ГиБ диск достиг скоростей последовательного чтения и записи 894,7 МБ/с и 835,6 МБ/с соответственно. В тесте на 512 МиБ последовательная производительность оставалась стабильной на уровне 887,4 МБ/с (чтение) и 839,5 МБ/с (запись). Для случайного доступа 4K диск достиг до 509,8 МБ/с (чтение) и 462,3 МБ/с (запись) в тесте на 1 ГиБ, показывая схожие результаты в тесте на 512 МиБ. Последовательные результаты в обоих размерах теста предполагают, что плата расширения M.2 надежно взаимодействует с системой, а заявленные скорости соответствуют интерфейсу PCIe Gen3 x1.
Проверка температуры и распределения тепла
Финальным тестом было измерение температуры и распределения тепла основной платы LattePanda IOTA и платы расширения UPS с помощью тепловизора FLIR E4. Система была загружена и оставлена в режиме ожидания примерно на 10 минут перед захватом первого теплового изображения. Затем было воспроизведено видео YouTube 4K в полноэкранном режиме в течение приблизительно 15 минут, после чего было захвачено второе изображение. На рисунках ниже показаны тепловые картины для обоих условий.
В режиме ожидания самая горячая область на основной плате достигала около 42 °C, в то время как общая температура платы оставалась в диапазоне 38–40 °C. Плата UPS работала немного холоднее, в среднем примерно на 3–5 °C ниже, с ее самыми горячими точками, достигающими температур, аналогичных основной плате.
Во время воспроизведения видео 4K температура основной платы увеличилась до около 50 °C, показывая умеренный рост под нагрузкой, но считается, что она все еще находится в безопасных рабочих пределах для непрерывного использования.
Распределение тепла при воспроизведении видео YouTube 4K в полноэкранном режиме.
Заключение
В целом, LattePanda IOTA показала хорошую производительность для поставленных задач. Процесс настройки аппаратного обеспечения был straightforward, а предустановленная Windows 11 Pro была готова к использованию из коробки. Все платы расширения работали как ожидалось, за исключением платы расширения M.2 4G LTE, которую удалось протестировать только на физическую совместимость из-за ограничений по времени. В ходе обзора не было выявлено серьезных проблем.
Было замечено несколько незначительных проблем, хотя они могут быть специфичными для данного опыта. Например, некоторые платы расширения можно складывать с помощью шестигранных проставок M3, но точные требуемые длины для каждой платы четко не указаны в руководствах пользователя. После смешивания стало немного запутанно подбирать правильные проставки в соответствии с задуманной производителем конструкцией. Другая небольшая проблема заключается в том, что винты M2/M3, поставляемые с платами, имеют стили головок, которые немного отличаются от винтов с плоской головкой, показанных в руководствах.
Выражаем свою благодарность источнику, с которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.