本文介绍在Jetson Nano/Orin Nano上实现本地语音交互系统的完整流程。系统通过免驱USB麦克风采集语音，使用Vosk进行中文语音识别，将文本输入本地部署的Ollama大模型(qwen2.5:0.5b)，最后通过edge-tts合成中文语音并由USB喇叭播放。文章详细说明了硬件准备、软件依赖安装、声卡配置、模型部署等关键步骤，提供了测试命令和参数调优建议。该系统完全离线运行，适合边缘

YOLO缺陷检测模型在Jetson Orin Nano上的TensorRT全量化部署 本文详细记录了将工业缺陷检测YOLO模型从Windows训练环境部署到Jetson Orin Nano Super边缘计算板的全过程。主要内容包括： 环境配置：Windows开发机与Jetson Orin Nano Super的软硬件环境搭建，包括TensorRT 10.3.0、CUDA 12.6等关键组件。 模

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

本文介绍了在Deveco Studio 5.0.4环境下进行项目开发的完整流程。作者作为一名湖南汽车工程职业大学物联网竞赛组的鸿蒙/Android开发方向学生，详细说明了从新建工程到Git版本控制的实现步骤，包括：1.创建新项目；2.启用Deveco Studio的Git功能；3.建立GitHub仓库并完成IDE绑定；4.验证代码上传结果。该教程适用于API 16（调试设备为API 17的nova

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

该代码只负责展示相关逻辑（检测person来控制g3507上面的pwm灯）

本文介绍使用MaixCAM开发板实现基于YOLOv5的目标检测与串口通信功能。通过加载预训练模型检测数字"5"，当检测到该目标时自动通过UART1串口发送"hello world"信息。硬件连接采用USB转TTL模块，配置A18/A19引脚为串口功能。软件实现包括：初始化YOLOv5模型、配置串口参数、读取摄像头画面、实时目标检测与标注显示等功能。代码提供了

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，

本文介绍了在Deveco Studio 5.0.4环境下进行项目开发的完整流程。作者作为一名湖南汽车工程职业大学物联网竞赛组的鸿蒙/Android开发方向学生，详细说明了从新建工程到Git版本控制的实现步骤，包括：1.创建新项目；2.启用Deveco Studio的Git功能；3.建立GitHub仓库并完成IDE绑定；4.验证代码上传结果。该教程适用于API 16（调试设备为API 17的nova