3、测试环境搭建：硬件平台选型（树莓派、Jetson、RK3588等）、操作系统配置、驱动与SDK安装
好，咱们进入第三章。说实话，测试环境搭建这件事，看着像个体力活，但往往决定了你后面所有工作的成败。我见过太多团队，算法调得飞起，一上板子就崩，最后发现是驱动版本没对齐。嗯，咱们今天就把这事彻底捋清楚。
3.1 硬件平台选型：别只看算力，要看生态
选硬件，说白了就是选「你愿意为它踩多少坑」。我个人习惯是：先看社区活跃度，再看官方文档质量，最后才看纸面算力。你想想看，一个冷门芯片，跑分再高，遇到问题连个问的人都没有，那才叫绝望。
目前端侧AI视觉识别的主流平台，我按适用场景分成三类：
| 平台 | 算力（INT8） | 典型功耗 | 我的评价 |
|---|---|---|---|
| 树莓派 4B/5 | 0.1~0.5 TOPS | 5~15W | 入门学习、原型验证首选，但别指望跑实时检测 |
| Jetson Nano/Orin NX | 0.5~70 TOPS | 10~40W | 工业级部署，生态最成熟，我项目里用得最多 |
| RK3588 | 6 TOPS（NPU） | 8~20W | 国产性价比之王，但SDK坑多，需要耐心 |
我的选型建议：
- 如果你只是做课程实验、跑跑MobileNet，树莓派5足够了。但别想着跑YOLOv8实时——我试过，帧率只有3~5fps，卡得怀疑人生。
- 如果你要做产品原型，直接上Jetson Orin NX。虽然贵，但CUDA生态太香了，很多坑别人已经替你踩过了。
- 如果你要量产降本，RK3588是当前最优解。但要做好心理准备：它的RKNN工具链，我刚开始用的时候，光环境配置就折腾了两天。
3.2 操作系统配置：别用桌面版，用Lite版
很多新手上来就装Ubuntu Desktop，然后发现系统占了一半内存。我个人的经验是：端侧设备，能跑命令行就别开图形界面。
具体配置建议：
- 树莓派：用Raspberry Pi OS Lite（64位），不要装Desktop版。我曾在项目里为了省事装了桌面版，结果摄像头采集延迟高了30ms，排查了半天才发现是桌面合成器在抢CPU。
- Jetson：用NVIDIA官方提供的JetPack。注意，JetPack 5.x以上才支持Orin系列。我踩过一个坑：用JetPack 4.6刷Orin NX，结果WiFi模块驱动不兼容，折腾了一下午才发现是版本问题。
- RK3588：官方推荐Ubuntu 20.04或Debian 11。但要注意，RK3588的NPU驱动只支持Linux内核5.10以上版本。我建议直接用Firefly或友善之臂提供的官方固件，自己编译内核容易翻车。
一个小技巧：装完系统后，第一件事是关闭交换分区。端侧设备用SD卡或eMMC，频繁读写交换分区会严重缩短寿命。我一般用 sudo swapoff -a 然后注释掉fstab里的swap行。
3.3 驱动与SDK安装：最磨人的环节
嗯，这里我要多说几句。驱动安装这件事，看起来就是几条命令的事，但实际执行起来，版本依赖、内核头文件缺失、权限问题……每个都能让你卡半天。
3.3.1 摄像头驱动
视觉识别嘛，摄像头是核心输入。我建议统一用USB摄像头（UVC协议），兼容性最好。
# 检查摄像头是否被识别
lsusb
# 查看视频设备节点
ls /dev/video*
# 测试摄像头（需要安装v4l-utils）
sudo apt install v4l-utils
v4l2-ctl --list-devices
v4l2-ctl -d /dev/video0 --list-formats我曾经遇到过一个问题：摄像头在lsusb里能看到，但/dev/video0就是不出来。后来发现是内核缺少UVC驱动模块。解决办法：
sudo modprobe uvcvideo
# 如果报错，检查内核版本
uname -r
# 安装对应内核头文件
sudo apt install linux-headers-$(uname -r)注意：树莓派上如果用CSI摄像头（比如IMX219），需要先运行 sudo raspi-config 启用Camera接口。我刚开始用的时候不知道这个，折腾了半小时以为摄像头坏了。
3.3.2 NPU/GPU驱动
这部分是重头戏。不同平台的安装方式差异很大：
- Jetson：JetPack自带CUDA和TensorRT，不需要单独装。但要注意，每次刷机后要运行
sudo apt update && sudo apt upgrade，因为NVIDIA会不定期推送驱动补丁。 - RK3588：需要安装RKNN驱动。官方提供了deb包，但依赖关系很复杂。我建议直接用他们提供的Docker镜像，省去环境配置的烦恼。
# RK3588安装RKNN驱动示例（以Firefly固件为例）
# 1. 下载RKNN Toolkit2
git clone https://github.com/rockchip-linux/rknn-toolkit2.git
cd rknn-toolkit2
# 2. 安装依赖
pip install -r requirements_cp310.txt
# 3. 安装RKNN包
pip install package/rknn_toolkit2-1.5.0-cp310-cp310-linux_aarch64.whl
# 4. 验证安装
python -c "from rknn.api import RKNN; print('RKNN installed successfully')"避坑指南：我曾经在RK3588上装RKNN时，一直报"librockchip_mpp.so"找不到。后来发现是系统里缺少多媒体库。解决办法：
sudo apt install librga-dev librga2
sudo apt install rockchip-mpp rockchip-mpp-dev嗯，这种依赖问题在国产芯片上特别常见。我的建议是：先看官方Wiki的「环境要求」章节，把依赖包一次性装全，别等报错了再一个个补。
3.3.3 推理框架SDK
最后一步，安装推理框架。我一般推荐用ONNX Runtime作为中间层，这样模型转换一次，可以在多个平台上跑。
# 安装ONNX Runtime（以Jetson为例）
# 注意：Jetson是aarch64架构，不能用x86的包
wget https://github.com/microsoft/onnxruntime/releases/download/v1.15.1/onnxruntime-linux-aarch64-1.15.1.tgz
tar -xzf onnxruntime-linux-aarch64-1.15.1.tgz
cd onnxruntime-linux-aarch64-1.15.1
# 安装Python包
pip install onnxruntime-1.15.1-cp38-cp38-linux_aarch64.whl
# 验证
python -c "import onnxruntime; print(onnxruntime.get_device())"我的习惯：装完所有驱动和SDK后，我会写一个简单的测试脚本，跑一遍摄像头采集→预处理→推理→后处理的完整流程。哪怕只是输出一个随机张量，也能确认整个链路是通的。这一步能帮你省下后面大量的调试时间。
好了，环境搭建这部分就到这里。说实话，这个过程确实有点枯燥，但它是你后面所有工作的基石。我建议你每装完一个组件，都做个快照（用dd命令备份SD卡或eMMC），这样万一搞崩了，不用从头再来。下一章咱们开始讲测试用例的设计，那才是真正有意思的部分。