从拆箱到实战EdgeBoard FZ3口罩检测模型部署全记录第一次拿到EdgeBoard FZ3开发板时我盯着那个巴掌大的金属盒子看了半天——这玩意儿真能跑AI模型作为一个嵌入式AI领域的新手我决定用最笨但也最可靠的方式把整个部署过程像实验室笔记一样详细记录下来。这篇文章就是我的完整操作日志包含所有踩过的坑和解决方案。1. 开箱与硬件连接那些说明书没告诉你的细节EdgeBoard FZ3的包装比想象中简洁一个静电袋包裹的主板、电源适配器、两根天线还有一张薄薄的快速指南。真正开始连接外设时才发现有几个关键点需要特别注意硬件清单核对表EdgeBoard FZ3主板注意检查版本号12V/2A电源适配器接口规格5.5×2.1mmminiDP转HDMI转换器建议选用支持4K的型号USB摄像头测试用罗技C920分辨率支持1080p千兆网线长度建议不超过2米带HDMI接口的显示器7寸便携屏最方便注意电源一定要使用原装适配器我曾尝试用其他12V电源导致设备频繁重启连接过程中最让人困惑的是接口布局。主板上的miniDP接口和USB3.0接口紧挨着尺寸又非常接近第一次我就插错了位置。正确的连接顺序应该是先连接miniDP转HDMI线到显示器插入USB摄像头优先选择USB3.0蓝色接口接通网线到电脑最后连接电源避免热插拔损坏元件当所有线缆接好后按下电源键主板上的绿色LED应该常亮。如果遇到启动失败建议检查电源指示灯是否亮起散热风扇是否转动HDMI信号输出是否正常2. 网络配置跨越IP地址的鸿沟让Windows电脑与EdgeBoard通信是个技术活。官方文档说配置静态IP但具体怎么操作我花了半小时才搞明白Windows 10网络配置步骤打开控制面板 网络和共享中心点击左侧更改适配器设置右键点击以太网连接 → 属性双击Internet协议版本4(TCP/IPv4)选择使用以下IP地址并填写IP地址192.168.1.100最后一位建议100-200子网掩码255.255.255.0默认网关192.168.1.1# 测试连通性的命令在cmd中执行 ping 192.168.1.254 -t如果出现请求超时可能是以下原因网线没有插稳尝试重新插拔Windows防火墙阻止了ICMP请求EdgeBoard未正常启动我遇到最棘手的问题是IP冲突——办公室网络恰好也使用192.168.1.x网段。解决方案是临时禁用WiFi或者修改EdgeBoard的默认IP需要先通过串口登录。3. SSH登录与Linux系统的第一次对话成功ping通后真正的冒险才开始。Windows自带的PowerShell就能完成SSH登录但有几个隐藏细节ssh root192.168.1.254第一次连接时会提示无法验证主机真实性输入yes继续。这里有个坑如果输错成y或者YES全大写连接会直接失败。密码输入时不会有任何显示这是Linux的正常行为。登录成功后你会看到这样的提示符rootEdgeBoard:~#常见登录失败原因及解决方案错误提示可能原因解决方法Connection refusedSSH服务未运行重启EdgeBoardNetwork unreachableIP配置错误检查电脑IP设置Permission denied密码错误默认密码是root重要提示首次登录后立即修改密码执行passwd命令即可4. 图形界面启动当命令行遇上桌面环境EdgeBoard运行的是定制版Debian系统要启动图形界面需要执行startx 这个命令会在连接的显示器上弹出Linux桌面。我在这里踩了个坑如果先接了显示器再启动EdgeBoardX Window可能无法正常初始化。正确的顺序是确保所有硬件连接正确启动EdgeBoard并SSH登录执行startx命令最后打开显示器电源桌面环境主要包含以下实用工具LXTerminal图形化终端Firefox ESR浏览器文件管理器系统监控工具如果遇到黑屏问题可以尝试更换miniDP转HDMI转换器检查显示器供电是否稳定在SSH中执行xrandr命令调整分辨率5. 口罩检测模型部署实战官方提供的口罩检测示例位于/home/root/mask_sample目录部署过程比想象中简单cd /home/root/mask_sample python3 mask.py这个demo会实时调用USB摄像头进行检测在屏幕上输出带置信度的检测框。为了提高性能我调整了几个参数# 修改mask.py中的关键参数 detector MaskDetector( model_pathmodel/mask_model, conf_threshold0.6, # 调高置信度阈值减少误报 target_size(320, 240) # 降低分辨率提升帧率 )模型性能实测数据分辨率帧率(FPS)CPU占用率640x48012.378%320x24024.765%160x12038.252%对于实际部署建议使用固定焦距的工业摄像头保证环境光照充足人脸与摄像头距离控制在1-2米6. 进阶技巧优化与调试要让模型跑得更流畅可以尝试这些技巧性能优化命令# 查看系统资源占用 top # 监控CPU频率 cat /proc/cpuinfo | grep MHz # 调整CPU性能模式 echo performance /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor如果出现摄像头无法识别的情况先用这个命令检查设备lsusb ls /dev/video*常见问题处理流程确认摄像头被系统识别出现在/dev/video*检查用户权限需要video组权限测试摄像头原始数据apt-get install v4l-utils v4l2-ctl --device/dev/video0 --all7. 项目扩展从demo到实际应用完成基础demo后可以考虑以下扩展方向模型替换方案准备自己的TensorFlow/PyTorch模型使用EdgeBoard提供的转换工具/opt/edgeboard/convert_tool --inputyour_model.pb修改推理代码适配新模型多摄像头支持# 同时调用两个摄像头的示例 cap1 cv2.VideoCapture(0) cap2 cv2.VideoCapture(1)实际部署时建议考虑使用坚固的外壳保护主板添加散热风扇持续高负载时温度可达70℃配置开机自启动脚本修改/etc/rc.local经过一周的折腾这套系统现在能稳定运行在小区门禁处。最大的收获是EdgeBoard的潜力远超预期关键是要耐心解决每个环节的小问题。下次我准备试试更复杂的行人属性分析模型——当然那又是另一个冒险故事了。