深度评测 Orange Pi 6 Plus:硬件潜力大但软件待提升,构建镜像与迁移存储全记录

香橙派OrangePi PC+ Ubuntu 22.04 LTS 刷机与高效开发环境一站式部署 本文详细介绍了在香橙派OrangePi PC上刷入Ubuntu 22.04 LTS并配置高效开发环境的完整流程。从硬件准备、镜像烧录到网络配置、系统优化及容器化开发环境部署,提供一站式解决方案,特别适合嵌入式开发和IoT项目。文章包含实用技巧和常见问题处理,帮助开发者快速搭建稳定高效的ARM开发平台。 阅读详情

硬件

这可是个大工程。在过去几个月里,花了不少时间研究 Orange Pi 6 Plus。原本以为只是快速查看另一款高性能 ARM 开发板,没想到演变成了深度测试。从纸面上看,这款硬件有潜力,但软件在关键处掉链子。最终,对启动链、供应商 GPU 驱动程序以及推理运行时的研究深度远超预期。

与之前评测过的大多数 ARM 开发板不同,这款不是 RK3588 开发板。Orange Pi 6 Plus 使用的是 CIX P1(CD8180/CD8160),拥有 12 个 CPU 核心、Mali G720 GPU、专用 NPU,且在这个尺寸规格下参数惊艳。这类开发板号称能满足家庭实验室、边缘 AI、双 5GbE 网络、低功耗等需求,但前提是软件不能拖后腿。

这次,决定从一开始就确保软件能正常运行。自己为它构建了系统镜像(基于 orangepi - build 的分支),并进行了更深入的研究。在大约两个月的时间里,一边测试一边记录笔记、收集基准测试日志,还利用 Graphite 进行了遥测。

硬件

想测试这款开发板的原因之一是它采用了 CIX P1 芯片。Orange Pi 宣传称,该芯片拥有 12 个核心,CPU、GPU 和 NPU 综合算力可达 45 TOPS。测试的这台机器配置如下:

  • CIX P1(CD8180/CD8160),4 个 Cortex - A520 核心 + 8 个 Cortex - A720 核心
  • 16GiB 内存(Linux 系统可见约 14GiB)
  • 双 Realtek RTL8126 5GbE 网卡
  • Realtek RTL8852BE Wi - Fi 和蓝牙模块
  • Mali G720 / Immortalis 级 GPU
  • 三核周毅 NPU

仅这两个 5GbE 网口就使它比大多数业余开发板更具吸引力,其可扩展性远不止于此。

CPU 本身很有趣。最快的 A720 核心集群频率可达约 2.6GHz,A520 核心最高频率约为 1.8GHz。和许多其他 big.LITTLE ARM 架构一样,它采用的是不对称核心集群,而非统一的 12 核架构。

`lspci` 命令的输出能让我们了解双 5GbE 网卡和 Wi - Fi 控制器的位置,似乎每个设备都有自己的 PCI 桥。

USB 总线也很普通。开发板预装了 Cix Technology Group UEFI 1.3 版本,设置启动设备和管理基本设置非常简单。

构建镜像

很早就决定不为这块开发板使用供应商提供的镜像。这类单板计算机(SBC)的供应商镜像通常只能满足基本启动需求,偶尔用于基础基准测试,几乎不想基于它们进行开发。

想要一个以服务器为优先的布局、可重现的修复方案,以及一个能集成 GPU/NPU 先决条件的环境。于是,fork 了 orangepi - build 项目,并以此为基础,设定了较高的目标:

  • 想要一个完全可重现的 Debian 13 / Trixie 系统构建,具备 `/dev/kvm` 等功能,而非使用软件陈旧且缺少所需功能的供应商镜像。
  • 构建过程不能只以 Ubuntu 为唯一目标,需要清理 `add - apt - repository`、PPA 逻辑和 `software - properties - common`。
  • 启动修复必须从一开始就集成,而不是在烧录镜像后再进行修复。
  • 首次启动必须具有确定性。如果调整根文件系统大小需要在旁边通过串口耐心操作,那么这个镜像就不算合格。
  • 需要一个干净的地方来存放 GPU 固件、供应商用户空间和 NPU 软件包。

Orange Pi 仓库中包含了内核 6.6.89 - cix,很多功能已具备,只需进行一些修改。使用 piclaw 在 Ubuntu 22.04 虚拟机上进行设置。

经过几周时间,上述目标转化为构建树中的一系列具体更改:

  • 在 `external/config/{cli,desktop,distributions}/trixie` 下添加 Trixie 配置
  • 修补 `scripts/distributions.sh` 以支持 Debian 13
  • 修改开发板配置,使 `trixie` 能在 `DISTRIB_TYPE_NEXT` 下使用
  • 从软件包列表中移除仅适用于 Ubuntu 的依赖项
  • 强制使用标准 Debian 镜像源
  • 使内核构建过程无需人工干预
  • 开始集成 GPU/NPU 先决条件和开发工具,以便后续测试

软件包方面也需要进行清理工作。修改了 `orangepi - config`,使其不再假定运行在 Ubuntu 系统上;从 Trixie 依赖链中移除 `software - properties - common`;强制重新生成缓存的软件包;并在 `component_cix - next` 中查找仍然存在且与内核匹配的供应商组件,同时做好记录。

首次启动

烧录了自定义的 Trixie 镜像,能进入 GRUB 界面,但随后出错,原因是 EFI 存根配置有误。镜像中包含了正确的设备树二进制文件(DTB),但构建脚本注释掉了有用的菜单条目,且默认指向了 ACPI 路径。

通过 GRUB 只是成功的一半。首次真正启动时,分区调整成功,但根文件系统大小调整失败,机器无法正常重启。使用 piclaw 跟踪调整助手,发现它在第二阶段运行之前就自行禁用了,于是对其进行了修补。

整个过程持续了紧张的几周。与此同时,确保包含了 GPU/NPU 支持:

  • 创建固件符号链接,以便 `panthor` 能找到 `mali_csffw.bin`
  • 集成 `cix - noe - umd` 和 `cix - npu - onnxruntime`
  • 安装大量开发工具,使开发板能够在无需四处寻找依赖的情况下启动 AI 实验

NVMe 和交换空间

镜像能够稳定启动后,希望开发板不再依赖 SD 卡。有一块 512GB 的 NVMe 硬盘,使用 piclaw 进行迁移。尽管 `piclaw` 完成了对 `orangepi - config` 的修补,但实际的迁移过程还是手动完成的:将 NVMe 硬盘分区为 EFI、根分区和交换分区,使用 `rsync` 复制所有数据,修改 `GRUB.CFG` 指向新的 PARTUUID,重启并验证,最后移除 SD 卡。

软件

为自定义镜像修复了以下问题:

  • 启动链:最初因 GRUB 默认路径错误而无法正常启动,强制使用 DTB 启动后变得稳定。
  • GPU / Vulkan:最初使用 `llvmpipe` 作为后备方案或 `panvk` 失败,使用供应商的 Vulkan ICD 在 `mali_kbase` 上运行正常。
  • OpenCL:一开始用处不大,安装供应商用户空间后开始正常工作。
  • NPU 内核端:从一开始就能被系统识别,探测信息显示有三个核心。
  • NPU 用户空间:仅部分可用,软件包引用不一致,需要大量手动验证。

完成最初的几步后,在这块开发板上安装或构建软件没有问题。安装了 Trixie 中的 GCC 14.2,将 Bun 作为主要脚本运行时,还安装了用于 C/C++ 项目的常用工具,如 build - essential、cmake、clang 和 ninja。

Python 3 和 `pip` 也已安装,以满足一些仍然依赖它们的应用。Docker 运行正常,确保了 `/dev/kvm` 可用,以便运行虚拟化工作负载。借助 CIX 为 P1 SoC 提供的补丁,一切进展顺利。内核启用了 PREEMPT 功能,这对于交互式工作和推理延迟来说是个优点,不过还没有测试实时工作负载。

在进行 AI 测试之前,让 Proxmox 在这块开发板上稳定运行(包括创建 ARM 虚拟机),没有出现问题。

软件方面唯一不太理想的地方是特定于供应商的 GPU 和 NPU 用户空间。在这块开发板上运行 Debian 系统的其他方面都很正常。

GPU

开箱即用的情况下,Linux 图形支持基本缺失。内核层面有一定进展,`/dev/dri/*` 设备存在,`panthor` 和 `mali_kbase` 也都有,但 Vulkan 回退到 `llvmpipe`,强制使用 Mesa Panfrost ICD 会产生 `Unknown gpu_id (0xc870)` 错误。使用 piclaw 从 Orange Pi 和 `component_cix - next` 软件包源中查找缺失的组件,找到了 CIX 堆栈的供应商用户空间,包括 `cix - gpu - umd`、`cix - libglvnd`、`cix - libdrm`、`cix - mesa` 以及指向 `libmali.so` 的 Vulkan ICD。

安装这些组件后有了一定进展,但用户空间报告 `No mali devices found`,因为开发板仍然使用错误的内核路径。将 GPU 从 `panthor` 重新绑定到供应商的 `mali`/`mali_kbase` 堆栈后,`/dev/mali0` 设备出现,Vulkan 识别到了实际的硬件:

  • `deviceName = Mali - G720 - Immortalis`
  • `driverID = DRIVER_ID_ARM_PROPRIETARY`

之后 OpenCL 也能正常工作了,同样是通过供应商的路径。对于典型的 SBC 测试来说,这是个好消息,意味着可以获得不错的(尽管是特定于供应商的)GPU 支持。但要实现这一点,需要重新绑定驱动程序、查找供应商软件包,并制定持久的模块策略,以确保开发板在重启后仍能使用正确的堆栈。

在OrangePi-5 Plus/5 Ultra上实时运行yolo26进行无人机检测,fps超50! 本文介绍了在OrangePi-5 Plus/5 Ultra开发板上使用VideoPipe框架与YOLO26n模型实现高性能无人机检测的方法。通过采用640×352非标准分辨率输入、RGA硬件加速预处理和Int8量化等优化策略,显著提升了检测效率。测试显示,这些优化使推理速度提升约30%,FPS可达50以上,同时保持较高检测精度。该方案充分利用了RK3588平台的NPU算力,为边缘端无人机检测提供了高效解决方案,适用于安防监控等实际应用场景。 阅读详情

相关推荐

告别卡顿!香橙派PC刷入Ubuntu 22.04 LTS,保姆级从烧录到EMMC迁移全流程

本文详细介绍了如何在香橙派PC上刷入Ubuntu 22.04 LTS系统,并提供从镜像烧录到EMMC迁移的全流程指南。通过优化内存、交换空间和存储I/O性能,帮助用户彻底解决卡顿问题,充分发挥香橙派PC的硬件潜力。

weixin_27869497的博客 336

引爆AI智能体时代!OPi 6Plus全面适配OpenClaw:把settings改到TaoToken

在 OrangePi 6Plus 上跑 OpenClaw 智能体,把 settings.json 的 provider 改为 openai-compatible、baseUrl 指向 TaoToken 即可打通链路。本文给出可复制配置、连通性验证命令,并排查 401、local proxy failed、OAuth 冲突等报错。详见 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_32480007的博客 18

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

Orangepi5-RK3588安装ffmpeg硬编码版本

本文介绍了专为Rockchip平台优化的FFmpeg分支ffmpeg-rockchip的安装与使用方法。该分支支持RK3588等芯片的硬件加速,包含MPP编解码器和RGA滤镜加速功能。文章详细列出了从安装依赖、编译MPP/RGA库到最终安装ffmpeg-rockchip的完整步骤,并提供了验证硬件加速是否启用的方法。通过使用该方案,可显著降低Orange Pi等设备在屏幕录制和视频转码时的CPU负载。最后给出了一个使用h264_rkmpp硬件编码器进行屏幕录制的示例命令,并强调了必须使用nv12像素格式的注

坏蛋阿土的博客 912

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

香橙派Pi5基于Qt5视频硬编码编译

香橙派Pi5在Qt上实现视频硬编码

qq_31918985的博客 2491

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

开源!cix p1芯片适配OpenHarmony6.0r,对接vulkan同时提供vulkansdk工具

笔者最近将cix p1适配了OpenHarmony 6.0r并且提供了oh上的vulkansdk工具。现将成果开源如下:gitee地址:github地址:OpenHarmony上vulkan测试样例提供的vulkansdk工具。

weixin_58069108的博客 1135

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

cix p1芯片适配OpenHarmony社区内核6.6.89并升级6.6.101思路分享

本文将分享如何将cix p1芯片适配oh社区内核6.6.89并升级6.6.101。本文可为其他芯片适配OpenHarmony社区6.6内核做参考。

weixin_58069108的博客 1099

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

香橙派双雄:OPi 6 Plus与4 Pro,以差异化战略切割边缘AI市场

使得大模型参数能够常驻内存,显著减少与外存的数据交换。对于需要频繁交换权重的7B参数级别大模型推理任务,64GB@5500MT/s的配置,使得OPi 6 Plus其能够以1499元的起步价,提供接近入门级AI服务器的内存体验。对于开发者而言,选择从未如此清晰:若你的项目面向未来,需要为端侧大模型部署做准备,OPi 6 Plus 是当前性价比极高的“性能试验田”。导语: 当业界仍在争论边缘AI的算力门槛时,香橙派用两款配置与价格都极具侵略性的产品,给出了自己的答案:既要下放高端性能,也要击穿入门价格。

m0_74746655的博客 1411

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

上一篇: Chrome浏览器Skills功能上线:一键转化优质AI提示,简化AI驱动浏览体验
下一篇: 周五考古:探秘‘共产主义版’Apple II与十四年未知测试背后的逆向工程故事
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值