Raspberry Pi 5 + Hailo-8L

 

（Raspberry Pi 5 + Hailo-8L）是目前性價比非常高的邊緣 AI 處理平台，適合做多鏡頭視覺、即時物件偵測、智慧車、自走車等應用。

以下是我幫你整理的推薦工具鏈、部署流程與模型建議：

---

🧰 一、Hailo-8L + Raspberry Pi 5 工具鏈概觀

硬體需求：

• Raspberry Pi 5（建議搭配主動散熱）

• Hailo-8L USB 加速器（或 Hailo M.2 PCIe 模組 + 對應轉接板）

• Raspberry Pi OS 64-bit（Bookworm 或 Bullseye）

• USB 3.0 埠（若用 USB 版 Hailo）

---

🛠️ 二、開發工具鏈建議

1️⃣ 開發環境安裝

安裝 Hailo 開發套件（Hailo SDK）

bash
# 加入 Hailo 軟體源（需註冊帳號取得）
wget https://hailo.ai/downloads/hailo-ai-sdk.tar.gz
tar -xzf hailo-ai-sdk.tar.gz
cd hailo-ai-sdk
sudo ./install.sh

Hailo SDK 包含：

• hailo_model_zoo: 含 YOLO, SSD, Mobilenet 等模型

• hailo_compile: 編譯模型為 Hailo 格式（HEF 檔案）

• hailort: Hailo 推論執行時（Runtime API）

• hailo_profiler: 效能分析工具

---

🤖 三、模型選擇建議（針對自駕、物件偵測）

模型名稱	模型特色	適合應用	Hailo Model Zoo 支援
YOLOv5 nano / s	輕量、速度快	物件偵測、自走車、障礙物辨識	✅
SSD-MobileNet v2	速度快、體積小	基本物件偵測、室內辨識	✅
ResNet-18/34	影像分類穩定	路況判斷、路口分類	✅
EfficientDet-lite	效能平衡	車道、交通標誌偵測	✅（透過 ONNX 轉換）

你可以直接用 hailo_model_zoo 指令拉下範例：

bash
cd ~/hailo_model_zoo
python3 main.py download --model-name yolov5s

---

🔁 四、部署流程建議

Step 1：下載並轉換模型（若用自己訓練的）

bash
# 假設你已有 ONNX 模型
hailo_model_optimizer --onnx my_model.onnx
hailo_compile -m my_model.hmo -o my_model.hef

Step 2：部署到 Raspberry Pi

• 將 .hef 模型部署至 Pi

• 使用 Python API 或 C++ API 推論：

python
from hailo_platform import HailoRuntime

rt = HailoRuntime("my_model.hef")
input_tensor = load_image("test.jpg")
output = rt.infer(input_tensor)

或使用官方 C++ demo 執行：

bash
hailort_app run --hef yolov5s.hef --input image.jpg

---

🖼️ 五、視覺串流實作（選配）

你可以加上：

• OpenCV 做影像預處理

• GStreamer + hailort_gstreamer 插件來做硬體加速的視訊串流

• 使用 Flask + Web UI 建立影像 Dashboard

---

✅ 六、開發小技巧與注意事項

項目	建議
模型格式	最好從 Hailo Model Zoo 起步，可穩定編譯
自訓模型	建議先轉為 ONNX，再透過 Hailo 工具鏈轉換
效能調校	可用 hailo_profiler 看 FPS 與資源使用率
熱管理	Pi 5 與 Hailo 推論時發熱量大，請加散熱裝置
多鏡頭應用	建議搭配 CSI + USB 相機混合架構分流