Arduino UNO Q 上手体验：采用高通技术，更智能，能像Raspberry Pi 一样运行桌面操作系统

Arduino UNO Q 可以通过 USB-C 接口访问。通过 USB 集线器，您可以连接显示器、为电路板供电、使用键盘和鼠标。还可以连接 USB 摄像头或麦克风等外设。单 USB 端口有助于保持电路板的小巧，完全适合嵌入式应用，但这意味着任何台式机设置都必须使用集线器。

系统运行带有轻量级 XFCE 界面的 Debian 系统。在我们测试的 2GB RAM 配置中，Linux 的可用性很快就显现出来了，但运行缓慢。基本任务可以完成，但媒体播放几乎不可能，UNO Q 不适合用作真正的台式电脑。

Arduino 应用实验室已预装，初始设置后可通过 Wi-Fi 进行更新。通过它，您可以创建同时利用高通 SoC 和板载 MCU 的应用程序。附带的示例很好地说明了这一点：对于开发者平台而言，该板具有相对较高的计算能力，可支持本地人工智能工作负载。支持用于图像识别等任务的预训练模型，将传统开发板的功能扩展到基于神经网络的应用。

Arduino UNO Q 的用途，尤其是从最终用户的角度来看，最好通过一个实际例子来解释，尽管该设备的主要目标客户并不是普通消费者。想象一下，一家小公司已经实现了货物从包装机到物流区的部分自动化。目前，一名员工需要目视检查每件产品的包装和标签是否正确。至少作为可行性研究的一部分，可以使用 Arduino UNO Q 实现质量控制自动化。

使用 USB 摄像头，UNO Q 可以捕捉传送带上产品的图像，并检测包装错误。如果发现错误，它可以将事件记录到数据库中进行统计跟踪，并通知员工。下一步甚至是可行的：UNO Q 可以触发执行器，自动将有缺陷的产品推离传送带。

虽然这类任务听起来很复杂，实施起来也并非易事，但 UNO Q 有两大优势。首先，Arduino 生态系统规模庞大、应用广泛、文档齐全、历史悠久。类似的项目很有可能已经存在，甚至可能已经公开记录。其次，更主观地说，该电路板支持Edge Impulse。该平台可简化自定义边缘人工智能模型的创建。在此示例中，模型可以在正确和错误包装的图像上进行训练，然后在 UNO Q 上本地部署，只需极少的工作量。在本地运行神经网络也有一些优势，例如可以保持机密性、避免依赖外部服务提供商以及在没有稳定互联网连接的情况下运行。不过，这并不是一个独特的卖点；例如，TensorFlow Lite 也可用于Raspberry Pi 板。

Arduino 应用实验室的示例也值得一提。它们向用户介绍了基于块的工作流程，并可轻松进行定制。许多示例演示了如何通过智能手机的网络界面显示图像识别结果。UNO Q 还可以通过 Arduino IDE 2.0+ 作为传统的开发板使用，在这种情况下，只需对 MCU 而不是高通 APU 进行编程。MCU 单独使用的一个更实用的案例可能是使用湿度传感器和水泵的灌溉系统。预训练模型对于图像分析或基本语音识别等任务也很有用。总之，所包含的示例应被视为实施您自己项目的指导和灵感来源。