# 🚀 어드밴텍 EdgeAI 워크플로우를 활용해서 GitHub에서 Edge AI 애플리케이션을 구축하는 방법

**URL:** <https://forum.aim-linux.advantech.com/t/edgeai-github-edge-ai/1328>\
**Category:** Korea\
**Tags:** edgeai\
**Created:** [February 3, 2026, 1:35am UTC](https://forum.aim-linux.advantech.com/t/edgeai-github-edge-ai/1328 "2026-02-03T01:35:24Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![Diane.Jung](https://avatars.discourse-cdn.com/v4/letter/d/bc79bd/32.png) [@Diane.Jung](https://forum.aim-linux.advantech.com/u/Diane.Jung)\
**Post date:** [February 3, 2026, 1:35am UTC](https://forum.aim-linux.advantech.com/t/edgeai-github-edge-ai/1328/1 "2026-02-03T01:35:24Z")

</div>

### 하드웨어 중심 개발자를 위한 간편한 시작 가이드

**GitHub에서 제공되는 어드밴텍의 EdgeAI 워크플로우는 엣지 디바이스에서 AI 애플리케이션을 개발자들에게 명확하고 실용적인 경로를 제시합니다.**

- **GitHub 저장소:** [https://github.com/ADVANTECH-Corp/EdgeAI\_Workflow](https://github.com/ADVANTECH-Corp/EdgeAI_Workflow)

이 워크플로우를 통해 **하드웨어 설정 → AI 모델 선택 → 최적화 → 튜닝 → 배포** 까지의 전 과정을 매끄럽게 진행할 수 있습니다. Edge AI 솔루션 개발을 시작하는 방법을 요약하면 다음과 같습니다.

* * *

#### 1️⃣ 하드웨어 환경 준비

AI 애플리케이션을 실행하기 전, 디바이스가 준비되었는지 확인해야 합니다. 플랫폼(NVIDIA Jetson, Qualcomm QCS/QRB, Hailo, x86 등)에 맞는 하드웨어 환경을 준비합니다.

- BSP(Board Support Package) 및 드라이버 패키지

- 필수 AI Runtime 엔진 (TensorRT, QNN, HailoRT, OpenVINO 등)

- 기본 Python 및 시스템 라이브러리

환경 설정이 완료되면 디바이스에서 AI 워크로드를 처리할 준비가 된 것입니다.

* * *

#### 2️⃣ AI 모델 선택 및 구축

고객은 다음 중 하나로 시작할 수 있습니다.

- **사전 학습된 모델:** (YOLO, 분류, 포즈 추정 등)

- **사용자 정의 학습 AI 모델:** (직접 학습시킨 모델)

선택한 모델을 일반적으로 사용되는 **ONNX** 형식으로 내보냅니다.

* * *

#### 3️⃣ 모델 최적화 및 변환

각 하드웨어 플랫폼은 고유의 최적화된 모델 형식이 필요합니다. EdgeAI 워크플로우는 모델을 다음 형식으로 변환하는 방법을 안내합니다.

- **NVIDIA:** TensorRT 엔진

- **Qualcomm:** DLC

- **Hailo:** HEF

- **x86:** OpenVINO IR

이 과정을 통해 모델은 각 장치의 가속기에서 최적화되어 실행됩니다.

* * *

#### 4️⃣ Edge AI 애플리케이션 개발

변환이 끝나면 최적화된 모델을 애플리케이션에 통합합니다. GitHub 저장소는 다음과 같은 간단한 샘플 모델을 제공합니다.

- 객체 탐지 (Object Detection)

- 비디오 추론 파이프라인

이 샘플들을 통해 모델 로드 방법, 카메라/비디오 입력 읽기, 하드웨어에서의 추론 실행 방법을 익힐 수 있습니다.

* * *

### 5️⃣ 디바이스에 배포

마지막으로 AI 애플리케이션을 타겟 디바이스로 옮깁니다.

- 최적화된 모델 복사

- 필요한 AI 런타임 라이브러리 활성화를 위해 Edge AI SDK 설치

- 디바이스에서 직접 애플리케이션 실행

- 성능 검증 (FPS, 지연 시간, AI 장치 사용률, 온도, 메모리 등)

이후, 실제 환경에 맞게 솔루션을 확장해 나갈 수 있습니다.

* * *

### 🎯 워크플로우 주요 장점

- **명확한 단계별 개발 경로 제시**

- **다양한 플랫폼 지원:** (Jetson / Qualcomm / Hailo / x86)

- **즉시 사용 가능한 예제 애플리케이션 제공**

- **Edge AI 프로젝트의 릴리즈 시간 단축**

어드밴텍 하드웨어와 EdgeAI 워크플로우의 결합은 고객이 실제 Edge AI 솔루션을 구축하고 배포하는 과정을 이해하는 가장 쉬운 방법입니다.

* * *

혹시 특정 하드웨어 플랫폼(예: NVIDIA Jetson 혹은 Qualcomm)에 맞춘 더 구체적인 설정 방법이 궁금하신가요? 원하신다면 해당 부분의 가이드를 더 자세히 설명해 드리겠습니다.

 ![11](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/7c1ba3a087196d8ce06403e78b281484f7cdd771.jpeg)

 ![22](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/a/a9577c6412e8a5d51b13ecf2781d9c028714d91a.jpeg)