2. 硬件准备与系统安装

构建一台离线AI盒子，硬件选型与系统安装是决定项目成败的基石。Raspberry Pi（树莓派）作为低成本、高可玩性的单板计算机，在边缘AI领域有着广泛的应用场景。本章将围绕“如何为离线识别任务挑选合适的树莓派型号”“需要准备哪些关键配件”“如何烧录操作系统并完成基础配置”三个核心问题展开，帮助您从零搭建一台稳定、高效的本地AI推理设备。我们不仅要让硬件“跑起来”，更要为后续的模型部署与局域网服务打下扎实的工程基础。

2.1 树莓派型号选择：性能与成本的平衡

树莓派家族目前主流在售型号包括 Raspberry Pi 4 Model B（简称Pi 4B）和 Raspberry Pi 5（简称Pi 5），此外还有面向极简任务的Pi Zero 2 W。对于离线AI盒子项目，我们主要考虑的是CPU算力、内存容量、接口丰富度以及功耗散热四个维度。

核心原理：离线AI识别任务（如人脸识别、物体检测、语音命令词识别）通常需要运行轻量级神经网络模型（如MobileNet、YOLOv5s、TinyML模型）。这些模型对CPU的SIMD指令集（如ARMv8的NEON扩展）和内存带宽较为敏感。Pi 4B搭载的BCM2711四核Cortex-A72处理器，主频1.5GHz（可超频至1.8GHz），在INT8量化模型下可达到2-5 FPS的推理速度；而Pi 5搭载的BCM2712四核Cortex-A76处理器，主频2.4GHz，性能约为Pi 4B的2-3倍，且支持PCIe接口，可外接AI加速卡（如Google Coral TPU）。

判断方法：如果您的项目需要同时处理2路以上摄像头流，或者需要运行YOLOv5s级别的检测模型，建议直接选择Pi 5 8GB版本；如果只是做单路离线语音命令识别或简单的人脸比对，Pi 4B 4GB版本性价比最高。Pi Zero 2 W仅适合做原型验证，不建议用于生产级AI盒子。

2.2 所需配件清单与选配建议

除了树莓派主板本身，一套完整的AI盒子还需要以下配件。我们按照“必需”和“强烈建议”两个等级来梳理，避免不必要的开支。

核心原理：树莓派作为嵌入式设备，对供电质量非常敏感。电压跌落或纹波过大会导致SD卡数据损坏、USB外设随机断开，甚至CPU降频。因此，电源适配器必须选择官方认证的5V/3A（Pi 4B）或5V/5A（Pi 5）型号，且线材要足够粗（AWG 20以上）。存储方面，AI模型文件（如TensorFlow Lite模型）通常有10-50MB，加上系统镜像和依赖库，建议使用32GB以上的A2级TF卡，或者直接使用USB3.0 SSD（Pi 4B/5均支持从USB启动）。

• 必需配件：
  • 树莓派主板（Pi 4B 4GB或Pi 5 8GB）
  • 官方电源适配器（5V/3A或5V/5A，带USB-C接口）
  • TF卡（32GB起步，推荐SanDisk Extreme A2规格）或USB3.0 SSD（128GB）
  • 散热方案：铝制散热片（被动散热）或带风扇的主动散热壳
  • 网线（Cat5e以上，用于稳定局域网连接）
• 强烈建议：
  • USB摄像头（支持UVC协议，如罗技C270）或树莓派Camera Module 3
  • USB麦克风阵列（用于语音识别，如ReSpeaker 2-Mic）
  • GPIO扩展排线（如果后续需要接传感器或继电器）
  • 带开关的插线板，方便断电重启

2.3 操作系统烧录：从镜像到可启动SD卡

树莓派官方推荐使用 Raspberry Pi OS（原Raspbian），基于Debian Linux发行版。对于AI盒子项目，我们选择 Raspberry Pi OS Lite（无桌面环境）版本，以节省系统资源，将更多内存留给AI推理进程。

操作流程：烧录系统推荐使用官方工具 Raspberry Pi Imager（支持Windows/macOS/Linux）。该工具不仅负责写入镜像，还能在烧录前预配置SSH、WiFi、用户名密码等参数，极大简化了无头（Headless）部署流程。

# 在Ubuntu主机上安装Raspberry Pi Imager（命令行方式）
sudo apt update
sudo apt install rpi-imager

# 启动图形化烧录工具
rpi-imager

# 选择操作系统：Raspberry Pi OS Lite (64-bit)
# 选择SD卡设备：/dev/sdb（注意确认设备号，避免误写）
# 点击齿轮图标，预配置：
#   - 启用SSH（允许公钥认证）
#   - 设置用户名：pi / 密码：your_secure_password
#   - 配置WiFi：SSID / 密码（如果使用无线）
#   - 设置时区：Asia/Shanghai
# 点击“写入”，等待烧录完成（约3-5分钟）

案例拆解：假设我们使用一张64GB的SanDisk Extreme TF卡，通过Imager烧录Raspberry Pi OS Lite（64位版本）。烧录完成后，将TF卡插入树莓派，连接网线（或使用预配置的WiFi），上电启动。首次启动时，系统会自动扩展文件系统到整个TF卡空间，并生成SSH主机密钥。约30秒后，我们可以从局域网内的另一台电脑尝试连接：

# 从主机SSH连接树莓派（默认主机名raspberrypi.local）
ssh pi@raspberrypi.local

# 如果mDNS不可用，可以扫描局域网IP
# 例如使用nmap扫描192.168.1.0/24网段
nmap -sn 192.168.1.0/24 | grep -i raspberry

# 连接成功后，立即更新系统
sudo apt update
sudo apt full-upgrade -y
sudo reboot

常见误区：很多初学者在烧录时忽略了Imager的预配置功能，导致烧录完成后无法通过SSH连接，只能接HDMI显示器+键盘操作。实际上，只要在烧录时勾选“启用SSH”并设置密码，就可以完全无头启动。另外，如果使用WiFi连接，建议在预配置中同时设置静态IP（通过路由器DHCP绑定MAC地址），避免IP变化导致后续局域网服务不可达。

2.4 基础配置：让AI盒子进入“待命”状态

系统启动并成功SSH登录后，我们需要进行一系列基础配置，使树莓派成为一台适合长期运行的AI服务器。

核心原理：AI推理服务通常需要开机自启、自动重连网络、定期清理日志。因此，我们需要调整系统服务管理（systemd）、设置GPU内存分配（因为树莓派CPU和GPU共享内存）、安装必要的Python库和硬件加速驱动。

2.4.1 系统参数调整

# 使用raspi-config进行图形化配置
sudo raspi-config

# 关键配置项：
# 1. Performance Options -> GPU Memory -> 设置为16MB（因为无桌面，不需要太多GPU内存）
# 2. Localisation Options -> Timezone -> Asia/Shanghai
# 3. Interface Options -> 启用I2C、SPI、UART（如果外接传感器）
# 4. Advanced Options -> Expand Filesystem（确保根分区占满TF卡）
# 5. Advanced Options -> Network Interface Names -> 保持默认

# 配置完成后重启
sudo reboot

2.4.2 安装AI推理基础环境

# 安装Python3和pip
sudo apt install -y python3-pip python3-venv

# 创建虚拟环境（避免污染系统Python）
python3 -m venv ~/ai-env
source ~/ai-env/bin/activate

# 安装TensorFlow Lite Runtime（针对ARM64优化）
pip install tflite-runtime

# 安装OpenCV（用于图像预处理）
pip install opencv-python-headless

# 安装Flask（用于局域网Web服务）
pip install flask

# 安装NumPy（科学计算基础）
pip install numpy

2.4.3 设置开机自启服务

为了让AI推理服务在树莓派断电重启后自动运行，我们创建一个systemd服务单元文件：

# 创建服务文件
sudo nano /etc/systemd/system/ai-box.service

# 文件内容如下：
[Unit]
Description=AI Box Inference Service
After=network-online.target
Wants=network-online.target

[Service]
Type=simple
User=pi
WorkingDirectory=/home/pi/ai-box
ExecStart=/home/pi/ai-env/bin/python /home/pi/ai-box/main.py
Restart=always
RestartSec=5
Environment="PYTHONUNBUFFERED=1"

[Install]
WantedBy=multi-user.target

# 启用服务并启动
sudo systemctl daemon-reload
sudo systemctl enable ai-box.service
sudo systemctl start ai-box.service

# 查看服务状态
sudo systemctl status ai-box.service

实战场景：假设我们部署一个离线人脸识别门禁系统。树莓派连接USB摄像头，通过OpenCV采集视频帧，送入TensorFlow Lite模型进行人脸特征提取，然后与本地数据库比对。整个流程完全离线，识别结果通过GPIO控制电锁开门。在这个场景中，树莓派需要7×24小时运行，因此散热和电源稳定性至关重要。我们可以在机箱内加装一个40mm的静音风扇，并设置CPU温度超过70℃时自动开启风扇（通过GPIO控制MOS管）。

常见误区与复盘：

• 误区一：忽略TF卡写入寿命。AI模型推理时会产生大量日志和临时文件，频繁写入会缩短TF卡寿命。解决方案：将日志重定向到内存文件系统（/tmp），或使用SSD作为系统盘。
• 误区二：不设置静态IP。如果路由器DHCP租约到期，树莓派IP可能变化，导致局域网内其他设备无法访问AI服务。解决方案：在路由器中绑定MAC地址，或在树莓派上手动配置静态IP。
• 误区三：GPU内存分配过大。无桌面环境下，GPU内存分配512MB是浪费，因为AI推理主要使用CPU或NPU。将GPU内存降至16MB，可以释放更多内存给模型加载。
• 误区四：忽视散热。树莓派在满载推理时，CPU温度可达85℃以上，触发热降频，推理速度骤降。务必安装散热片+风扇，并定期清理灰尘。