一、项目背景
近期有一个项目需求需要使用到 AI 智能识别功能，构建垃圾智能识别系统。本项目旨在借助 AI 工具从 0 到 1 实现《构建开发板垃圾图片识别 AI 对话的 Copilot》。通过硬件到软件、模型的应用、生成 Flask Web API 服务，再到实际场景测试，利用 AI 驱动的功能使开发者能够专注于创造性工作。
1.1 项目需求描述
客户有一个自动化垃圾分拣设备，需要安装开发板，在 AI 技术加持下，作业单位可以通过识别不同的生活垃圾图片进行实时分析处理，决定垃圾分拣区域。将 AI 识别技术用于垃圾分类质量来提高人工效率，实现对湿垃圾分类品质的智能管理和监督。
1.2 技术挑战
- 硬件开发板（基于香橙派的 OrangePi AIpro(8-12T)）
- 图片智能识别领域（基于 Python）
- 环境部署（Linux Ubuntu）
二、开发板开机准备
开发板的主要目的是帮助开发人员快速搭建嵌入式系统原型，进行软硬件联合调试和测试。OrangePi AIpro 开发板作为核心硬件平台，支持项目的快速开发和部署。
2.1 配件准备
- Type-C 电源线、插头
- SD 卡、SD 卡读卡器
- HDMI 插头
- 散热风扇
组装后插入 USB 鼠标键盘、显示器 HDMI 线、Type-c 电源线即可通电启动。若遇到无法显示画面的问题，可通过排除法确认原因：检查电源适配器、BOOT 拨码开关设置、重新烧录镜像等。
2.2 系统烧录
使用 balenaEtcher 工具将 Linux 镜像烧录到 TF 卡或 eMMC 模块上。选择 OS 为 WINDOWS 版本下载，点击'从文件烧录'选择镜像，'选择目标磁盘'选中 TF 卡，'现在烧录'。烧录完成后提示格式化无需理会，因 Windows 系统无法识别 Linux 启动盘属正常现象。
2.3 登录信息
系统启动后需输入用户名和密码进入桌面：
- 用户名：HwHiAiUser
- 密码：Mind@123
三、开发环境配置
3.1 远程连接
通过 SSH 进行远程登录。首先确保开发板连接 Wifi，使用 ip addr 命令查看 eth0 网卡的 IP 地址，在同一局域网内通信。
3.2 语言与环境
推荐使用 Python 语言进行开发。检查环境版本使用 python --version，若无环境需手动安装。
更新 Ubuntu 软件包列表：
sudo apt update
切换镜像源以加速下载：
- 备份
/etc/apt/sources.list文件。 - 编辑源文件（如使用 nano 或 vi）。
- 复制阿里云或清华源内容。
- 保存后执行
apt-get update。
安装 Python3 环境及 pip 包管理工具：
sudo apt install python3
pip3 install --upgrade pip
建议创建虚拟环境隔离依赖：
python3 -m venv venv
source venv/bin/activate
3.3 Jupyter 安装
Jupyter 是基于 Web 的交互式计算环境，适合数据分析和机器学习。
安装时若遇网络超时，可使用国内镜像源：
pip3 install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple
