本文详细记录了在RDKX5开发板上部署YOLOv11n模型的全过程。初始部署遭遇性能瓶颈（仅7.67FPS），通过分析发现Softmax算子被分配到CPU运行是主要问题。经过环境搭建、模型优化（修改输出头、int16量化Softmax）、性能调优等步骤，最终实现47FPS的实时检测性能。关键突破包括：1）通过node_info配置将Softmax指定到BPU运行；2）修改Ultralytics输出

本文详细介绍了一个基于HarmonyOS的STM32三轴机械臂蓝牙控制应用开发方案。项目采用ArkTS框架实现，包含蓝牙通信管理、虚拟摇杆控制、三轴联动等核心功能。通过SPP蓝牙协议与STM32硬件交互，使用双虚拟摇杆分别控制底座360°旋转、关节270°俯仰和夹爪180°开合动作。应用采用现代化卡片式UI设计，支持深色模式适配，具有状态实时反馈、指令防抖优化等特点。文章详细讲解了技术架构、蓝牙通

本文介绍了将自定义训练的YOLO11火焰检测模型部署到地瓜派RDK X5开发板的完整流程。主要内容包括：1）Windows环境下的模型训练与验证；2）ONNX模型导出的关键技巧；3）Docker环境中的BPU量化过程；4）板端部署与实时检测实现。文章重点讲解了量化过程中的常见问题及解决方案，特别是训练epoch不足导致量化失败、DFL解码优化等关键技术难点。同时提供了完整的文件清单和性能优化建议，

本文详细介绍了在Windows系统下通过WSL2和Docker Desktop搭建RDK X5 OpenExplorer GPU量化环境的完整流程。作者最初尝试VMware虚拟机方案失败后，改用WSL2 Ubuntu 22.04方案成功实现了RTX 2080 Ti显卡的GPU量化环境搭建。文章包含从Windows显卡驱动验证、WSL2安装配置、Docker Desktop设置到OpenExplor

本文提供了在Ubuntu 22.04 LTS系统上搭建地平线RDK X5量化工具链环境的完整指南，特别针对NVIDIA RTX 5080显卡和国内网络环境进行了优化。主要内容包括： 系统要求确认（硬件/软件） Docker安装与配置（使用阿里云镜像源） 关键步骤：NVIDIA Container Toolkit的国内安装方案 Docker运行时配置 工具链镜像导入与容器启动 重点解决了国内网络环境

本文介绍了一套完整的红外-可见光图像融合算法端侧部署方案。通过知识蒸馏将教师网络的能力迁移至轻量学生网络（≈1.34MB），并使用ONNX导出、BPU量化等技术，最终在RDK X5嵌入式设备上实现80FPS的实时推理。方案在TF-1770基准测试中表现优异，量化后模型延迟降低27倍，同时保持与浮点模型相当的融合质量（SD 38.45/PSNR 66.83）。关键技术点包括多层次特征蒸馏、算子兼容性

该代码只负责展示相关逻辑（检测person来控制g3507上面的pwm灯）

MQTT QoS 0、1、2 分别对应“最多一次”、“至少一次”、“恰好一次”。QoS 0 无确认，速度快但可能丢失；QoS 1 通过 PUBACK 确保消息送达，但可能重复，需保证命令幂等性；QoS 2 采用四步握手（PUBLISH → PUBREC → PUBREL → PUBCOMP），确保消息仅传递一次，适用于高可靠性场景。实际应用中，需区分网络 ACK 与 MQTT ACK，且消息确认不

本文基于ESP32-S3实现Wi-Fi与MQTT通信，构建物联网远程控制闭环。ESP32连接Wi-Fi并自动重连，同时作为MQTT发布者与订阅者，向esp32/test发布“hello esp32”，订阅esp32/led主题。接收“on”指令时点亮GPIO4连接的LED，其余内容则熄灭。系统通过broker.emqx.io:1883完成数据流转，验证了从设备联网、消息通信到远程控制的完整链路，实

该代码只负责展示相关逻辑（检测person来控制g3507上面的pwm灯）