# \[How-to Article\] 用Edge Impulse开启你的边缘AI之旅

**URL:** <https://forum.aim-linux.advantech.com/t/how-to-article-edge-impulse-ai/1345>\
**Category:** China\
**Tags:** qualcomm, edge-impulse\
**Created:** [March 4, 2026, 1:55am UTC](https://forum.aim-linux.advantech.com/t/how-to-article-edge-impulse-ai/1345 "2026-03-04T01:55:15Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![xiaotong.li](https://avatars.discourse-cdn.com/v4/letter/x/c67d28/32.png) [@xiaotong.li](https://forum.aim-linux.advantech.com/u/xiaotong.li)\
**Post date:** [March 4, 2026, 1:55am UTC](https://forum.aim-linux.advantech.com/t/how-to-article-edge-impulse-ai/1345/1 "2026-03-04T01:55:15Z")

</div>

AOM-2721是一款开放标准模块（OSM），其采用OSM 1.1标准。作为紧凑且高度集成的计算平台，AOM-2721尤其适用于嵌入式应用与边缘人工智能场景。

**一 准备**

1.硬件：

AOM-2721 OSM开发套件，采用 高通跃龙 QCS6490处理器

- 高通8核Kryo CPU，高达2.7GHz
- Hexagon Tensor处理器，12 TOPS AI算力
- Adreno VPU 633, 4K30 编码/ 4K60解码 H.264/265
- Adreno GPU 643, OpenGL ES3.2/OpenCL 2.0
- 板载8GB LPDDR5 内存, 8533MT/s
- 板载128GB UFS + 128GB eMMC存储
- I/O接口: 1 x HDMI 1920 x 1080 @60Hz, 1 x DP 1920x1080 @60Hz, 2 x 4-Lan MIPI-CSI, 1 x USB 3.2 Gen1, 2 x PCIe Gen3x1, 1 x PCIe Gen3 x2, and 2 x GbE

一套x86开发机，16GB RAM和350GB存储空间

一个全高清HDMI显示器和一根HDMI电缆

一套USB键盘和鼠标

2.软件：

用于x86开发机器的Ubuntu 20.04或22.04

Docker引擎用于x86机器的开发

研华Edge AI SDK/推理套件用于AOM-2721（下载；安装说明）

本文涵盖了三个主要主题以及详细的方法：

**1.如何在AOM-2721上启用AI运行**

- 编译Yocto OS镜像（通过开发机）
- 安装Yocto操作系统（通过Windows主机）
- 在AOM- 2721上设置AI运行时

**2.如何使用研华Edge AI SDK中的无代码工具快速评估AI性能**

- 在AOM-2721上启动Edge AI SDK/Inference Kit
- 启动用于检测物体的视觉AI
- 监控工作负荷并运行基准

**3.如何为实际应用开发AI示例工作流：**

- 使用高通AI Hub云服务
- 在AOM-2721上部署Qualcomm AI Hub模型，用于AI任务
- 在AOM-2721上集成开源的YOLO模型，用于AI任务

**二 Edge Impulse设计脉冲（Impulse）**

1.导航至“实验”页面，通过点击“创建新脉冲”来准备创建新的脉冲流。

 ![图片 1](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/c/cc85a25eaaf66d07413efc498cfb4348611ec61f.png)

2.在脉冲配置页面中，将输入图像尺寸（416x416）及缩放模式作为后续图像处理与学习的基础参数进行设置。

 ![图片 2](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/7fc338a14664a82599313f104679b0401b4fe819.png)

3.在Impulse中添加一个“处理模块”，选择图像模块对图像进行预处理和归一化。

 ![图片 3](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/2/20cb6beaa3e8c68dadaa8b8646eb68cb00c4e665.png)

4.脉冲配置通过左侧输入图像参数进行更新，中间为图像处理模块。

 ![图片 4](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/4/490e09da13e8e810a668b95a7633241327feb0eb.png)

5.添加一个“学习模块”，提供诸如目标检测、FOMO异常检测或YOLOv5模型等选项。

 ![图片 5](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/a/a2cca34819e5b9b0a53d43e07882c90773004e29.jpeg)

6.脉冲设置已完成，包括图像输入模块和YOLOv5学习模块，输出特征涵盖歪斜、过焊和墓碑类。

 ![图片 6](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/c/c2212b83cde53c2abb053d55b29bdcfda27644c3.png)

7.成功保存脉冲配置，输入模块与学习模块已建立，准备进行后续训练。

 ![图片 7](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/8/8ee6d42c49636a62b8cb25e24073512b5ab472ed.png)

**三 特征生成**

8.在图像模块设置页面中，可查看原始图像、RGB色彩深度以及处理后的特征结果。

 ![图片 8](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/8/81a21dac1e2badc5a989b020e1944607a2969f5e.jpeg)

9.准备生成特征，系统显示490个训练样本，分为弯曲、过量焊接和墓碑三类。

 ![图片 9](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/e/e271aef6774c498541715b9c4ba1592bfdf566b8.png)

10.在特征生成过程中，系统处理数据集并显示作业调度和进度。

 ![图片 10](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/2/2d5966e056e043fd7436524a022d2a7454ff6acc.png)

11.特征生成完成，显示各类别的样本数量，以及设备端性能信息（如处理时间和内存使用情况）。

 ![图片 11](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/d/dab87db7d7f2b950d80e9e5699d0d9b6e4ad9ba8.png)

12. 特性可视化结果，以彩色散点图形式展示弯曲、过量焊接及坟墓样本。

 ![图片 12](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/c/c8e3ae39986638c8d8256f53b2fd29f6873f2405.png)

**四 模型训练（YOLOv5）**

13.YOLOv5设置页面，用户可在其中配置训练处理器（CPU/GPU）、训练循环次数、模型大小及批量大小。

 ![图片 13](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/f/fa0340e49724233997c55fa64e2808181c136470.png)

14.配置YOLOv5训练参数，将训练循环次数设置为200次，并选择小型模型（720万参数）。

 ![图片 14](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/b/b1d0c6d37d941fd04544c4832521455804af0086.png)

15.将批量大小调整为16，以匹配训练资源和数据集规模。

 ![图片 15](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/c/c574538e2de905e7aeba7ae5ac23f4012e388ae1.png)

16.开始训练YOLOv5模型，系统将显示训练进度和实时日志。

 ![图片 16](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/4/4c8c371679b27c03b00aec7d0a00f0948458d97f.png)

17.训练结果页面显示精度得分达99.2%，同时呈现详细性能指标，包括平均点准确率（mAP）和召回率。

 ![图片 17](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/e/e8a9ed78c054de53623ece302bc2ffd087b4032f.png)

**五 再训练和测试**

18.在“模型再训练”页面，选择现有的图像模块和YOLOv5学习模块，为模型再训练做准备。

 ![图片 18](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/2/2e17dd348fb9fba0805a2515c292b0ef75ca36d0.png)

19.在模型再训练过程中，系统持续显示特征处理和YOLOv5训练状态。

 ![图片 19](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/643d2f482881d6bc60ff05c7dcb47bfa62d07bf4.png)

20.系统在再训练后显示所有模块均执行成功，模型测试已完成。

 ![图片 20](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/a/aa8c0a2b6769607907b63c242328efe4ef853962.png)

21.在“实时分类”页面，选择设备和摄像头源后，点击“开始采样”即可启动实时图像处理。

 ![图片 21](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/f/f2bcb3e9a7bb9dc86bb75e0dd3bcf85e110fdde3.png)

22.模型测试结果显示，测试图像的准确率达到100%，并提供了精确率和召回率等详细指标。

 ![图片 22](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/c/c889ea0f70e88ef2ed62594f6091d6912b118709.png)

**六 部署**

23. 在“部署”页面上，选择部署目标为Linux（搭载高通QNN的AARCH64架构），并配置模型优化选项。

 ![图片 23](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/d/d2c2c8065c0b64a742fa66b24c6ff3c4438965c7.png)

24. 通过选择量化（int8）或浮点32（float32）模式配置模型部署，并可选运行模型测试。

 ![图片 24](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/39415e92d39874948508dfe620e424ae3e8e8fac.png)

25. 在模型构建和部署过程中，系统会显示部署文件的生成情况。

 ![图片 25](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/c/cce659d9f0e8d18176187232f227f3ed5f0b24b4.png)

26. 模型构建已成功完成，可下载的 .eim 部署文件现已提供。

 ![图片 26](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/39f8d0d339bf78633038ad6130f22ebf2adf6092.jpeg)

27. 在QCS6490开发板上运行编译后的Edge Impulse模型文件（.eim），以启动推理过程。

 ![图片 27](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/39c9ca5c08be39b2a4eefa0de6f147c63e947c10.png)

28. 将编译后的.eim模型文件从已挂载的USB磁盘复制到QCS6490开发板文件系统。

 ![图片 28](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/766f6ae026c979e2ae2b0e08148351e4618e7d15.png)

29. 使用 edge-impulse-linux-runner 命令在开发板上运行 .eim 模型文件。

![图片 29](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/a/a4fe7700783cb5be71de810abdb8d12c529fd0b2.png)

30. 系统会提示选择模型变体，用户可选择未优化（float32）或量化（int8）版本。

 ![图片 30](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/66f7617c213549c0c31888563e4a6928b9faa067.png)

31. 选择量化（int8）模型后，系统将下载并部署该模型。

 ![图片 31](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/1f3b0809b4e85f935bf5d0c0239889ff90e69db6.png)

32. 模型构建与部署完成，显示“二进制构建成功”并正在备份部署文件。

 ![图片 32](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/8/8d408a4039d88900bd0cf3bc1cff6862b89f0de6.png)

 ![图片 33](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/5/5db50b9db538115285888e03a4cce0bc1decb84e.png)

 ![图片 34](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/b/b1932507a0756547276d8443ec1fda9e8c6c5154.jpeg)

 ![图片 35](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/65a1f43280ab06ee1eafa39a9bc04fe212af76fe.jpeg)

**七 EON Tuner优化**

33. 进入EON Tuner页面，配置模型优化的超参数搜索。

 ![图片 36](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/e/ec005aeb99a27d563ca83da73547d8c10855395e.png)

34. 在EON Tuner中配置名为Run #1的新实验，目标设定为最小化验证损失。

 ![图片 37](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/342d542926e7ab36fc7e816b91eb2d1bacc5c25f.png)

35. 在EON Tuner设置中，将实验命名为Run #1\_AOI，并将用例选为目标检测（边界框）。

 ![图片 38](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/8/8faa224254934371235810d137e891c6c1890411.png)

36. EON调谐器实验开始运行，系统自动搜索最佳配置方案。

 ![图片 39](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/78d6ce15fe635ef8b2a89447c790eb1f17504cbb.png)

37. EON Tuner 显示搜索进度，包括不同超参数组合的测试结果。

 ![图片 40](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/3bbe7f9b7732ff4d0e638c15c31630850ab09039.png)

38. EON调谐器结果页面，展示不同模型配置间的性能对比。

 ![图片 41](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/5/5071b8117e63afb32a5a692e4c97390ac49cc9ba.png)

39. EON Tuner 选择最佳模型配置，并突出显示推荐的优化设置。

 ![图片 42](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/2/24421d6d76b3560329eea7101c7bd272467deddc.png)

40. 优化完成后，系统提示重新训练并部署新的模型配置。

 ![图片 43](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/0/0465cf1729681890077523bb3599d03bf6429b91.png)

41. AOI模型部署已完成，Edge Impulse平台显示优化后的模型已成功构建并准备就绪，可进行推理。最后，您可将此优化模型添加至项目中，确保获取最佳训练数据。

 ![图片 44](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/9/9f74e5a346b7c95ca2a6bcb43277828d1b116c28.png)