TME中国｜使用RASPBERRY PI 5的AI HAT+打造你自己的AI智能摄像头 2026-08-19

目标检测从未像现在这样触手可及。在本项目中，我们将使用性能强大的 Raspberry Pi 5，搭配 Raspberry Pi AI Kit套件。该套件配备具有26 TOPS NPU算力的 AI HAT+ 和 Raspberry Pi AI Camera摄像头，以打造一套紧凑、低功耗，并能够进行实时目标检测的视觉系统。

它采用 AI HAT+ 上的 Hailo‑8L AI 加速器，在保持设备紧凑、风扇散热且低功耗的同时，实现较高的帧率。

首先使用 Raspberry Pi Imager 将 64 位 Raspberry Pi OS Bookworm系统镜像写入SD卡。启动 Raspberry Pi 并完成初始设置，包括更新软件包，并根据需要启用 SSH。

将主动散热模块固定到 Raspberry Pi 上。

接下来，将 AI HAT+ 安装到 Raspberry Pi 5 的 PCIe 接口上。并将 AI 摄像头连接到专用的 CAM1 接口。

检查所有连接，尤其是PCIe接口和摄像头排线。

硬件准备就绪后，打开终端并运行以下命令，以安装所需的软件：

该脚本将安装AI HAT+和摄像头的驱动程序、带有 Python 绑定的 Hailo SDK，以及一些示例处理流水线。安装完成后，重新启动 Raspberry Pi。

如要测试配置，请在终端中进入示例程序所在的目录：

cd ~/hailo-rpi5-examples/basic_pipelines python3 detection.py

此时应该会打开一个窗口，显示摄像头的实时画面和实时目标检测结果。系统会显示检测框和相应的标签，例如“人（person）”“瓶子（bottle）”或“杯子（cup）”。使用此配置时，通常可以达到 20～30 FPS（帧/秒）或更高，具体性能取决于所选择的分辨率和模型。

如果没有看到目标检测结果，请运行以下命令，检查 AI HAT+ 是否已被系统正确识别：

lspic | grep Hailo

如果帧率较低，请尝试降低分辨率，或确认主动散热系统是否正常工作。如果出现摄像头错误，请检查摄像头排线是否正确插入，并确认排线方向是否正确。

AI摄像头能够实时采集高质量视频，最高可支持1080p分辨率。摄像头将采集到的图像传输至 Raspberry Pi 5。AI HAT+ 配备了一颗名为Hailo‑8L NPU（神经网络处理单元，Neural Processing Unit）的专用芯片。该芯片专门用于处理 AI 任务，每秒可执行多达 26 万亿次运算，即 26 TOPS。

Hailo‑8L NPU接收实时图像，并在图像上运行目标检测模型。该模型会查找特定目标并对其进行分类，可以识别多种类别的物体，例如人、瓶子、杯子等。检测到目标后，系统会在目标周围绘制边界框，并在旁边显示相应的类别标签。

Raspberry Pi 5将处理结果显示于屏幕上。它负责显示和一些较小的任务。繁重的工作由AI HAT+ 完成。这样，Pi 的处理器就不会过载。

主动散热系统可以让 Raspberry Pi 5保持低温。AI HAT+ 和 Pi 5 在进行目标检测时会高负荷运行。如果没有散热，Pi 5会降低运行速度，以避免因过热而造成损坏。风扇可以帮助它始终保持正常运行，并维持最高性能。

简而言之，摄像头观察周围的世界，并借助 AI HAT+ 理解它前方是什么。Pi 5 将结果显示出来。它们共同组成了一个小巧但强大的 AI 系统。

4. 可扩展功能

你可以通过使用OpenCV录制带有检测框的目标检测视频来扩展这个项目。另一个想法是使用RTSP 或 WebSocket 通过网络传输目标检测结果。

你还可以将默认模型替换为针对特定应用场景训练的自定义模型，例如检测宠物、工具或机器。此外，该配置还可以与舵机或电机集成，用于交互式机器人应用。

借助 Raspberry Pi 5、AI HAT+ 和 AI 摄像头，可以构建一个紧凑而强大的目标检测系统，并且完全在边缘端运行。该配置非常适合机器人、安全系统、智能家居设备以及其他需要实时分析且无需依赖云端的应用。