工业级Nano设备-LCFC EA-B100

前段时间一个朋友在问，怎么把NVIDIA Jetson Nano 开发套件用在高速公路收费站的一些识别应用？经过简单的交流之后，他说需要的软件其实相对简单，但是使用环境的问题就比较头痛了。

首先，设备放在室外环境，需要面对的就是工作温度与散热的问题，就是第一个大考验。从寒冬夜间最低温到0以下，到严暑中午的40度以上高温，这就不是民用级Nano开发套件所能承受的，必须使用NVIDIA宽温工业级的Jetson Nano P3448-0002芯片才能胜任。

其次，震动问题是另一个大麻烦。上过高速公路的人应该都清楚，当收费站有大型车辆通过时，都会产生有感震动，保守估计这种震动的频率至少是每天上千次。没做过防震措施的Nano 开发套件，是顶不住这样的考验。

最后，收费站地点大多风沙大，缺乏防尘设计Nano开发套件，很快就会灰头土脸，影响正常工作。

综合以上的使用需求，就必须用NVIDIA工业级的P3448-0002 Nano芯片，搭配工业级的整套系统，包括符合IP4X防护等级、无风扇密闭式防尘设计等，才能在收费站这类使用环境下稳定地工作。

因此，要面对这样严酷的使用环境，就必须使用NVIDIA工业级P3448-0002的NANO AI计算核心，搭配符合IP4X防护等级的工业级系统，包括防尘、防震、防雷、防静电等完整设计。LCFC EA-B100就是满足以上需求的定制系统，本实验室对EA-B100进行开箱测试，整理以下特性，分享给各位读者：

l 计算核心：采用 NVIDIA Jetson Nano P3448-0002工业级（宽温版）AI计算核心。

l 紧凑设计：外尺寸为100mm X 68mm X 48mm，与Jetson Nano开发套件大小相近。

l 防尘无风扇设计：全封闭式机壳散热设计，满足恶劣环境工业级防尘要求

l 防震设计：IP4X防护等级，满足移动设备（交通工具、机器人、飞行器）使用

以上的设计重点，大部分工控设备原厂都能想到，至于防护等级（防震、防尘、防雷、防静电）以及无风扇（fanless）扇热设计方面，则需要非常昂贵的检测设备，才能调试符合工业标准与国家标准的产品，因此要用在关键任务（mission-critical）的环节，就得确认产品是否通过相关的认证，才能确保在恶劣环境中的稳定使用。

很多对 NVIDIA Jetson 比较熟悉的朋友，可能最主要的质疑点，就是工业级Nano芯片只有16GB存储空间，能满足应用软件的使用吗？

经过实践的操作，在安装Jetpack 4.4 + DeepStream 5.0之后，就剩下不到500MB的可用空间了，实在不足以再安装其他应用软件，这是个相当严重的问题，影响这类产品的实用性。

关于这个缺陷，EA-B100做了一个非常重要的设计，就是提供了一个 TF 扩充槽，并且将这个扩充槽非常细心地放置在防尘的护罩里面（如下图），得到完全的保护。

这个设计不仅保持IPX4防护等级，同时也解决Jetson P3448-0002工业级Nano芯片存储不足的问题，是目前这款产品非常重要的特色。扩充的TF容量请自行选择，推荐32GB 以上、A3以上级别为佳。

然而仅仅添加TF卡之后就可以顺利安装与执行额外的应用软件？熟悉 Ubuntu 的人应该清楚，并非只是添加 TF 卡就能添加许多应用，因为主存储（16GB EMMC）剩下不到500MB容量，随便添加个 Tensorflow/PyTorch 之类的软件，大概就爆掉了。

为了让EA-B100能正常添加更多应用，包括安装Tensorflow、PyTorch、YOLO、Jetson-inferece、trt_pose等Object Detection应用，而且还下载多个NGC上容器到 EA-B100 上运行，本实验室针对实际的状况，执行以下步骤：

1. 先将32G TF卡格式成 ext4 格式，并且挂载到 /media/temp 目录

2. 将 /home/lcfc（工作目录）内容搬搬迁到 TF 卡上

3. 修改 /etc/fstab，将 TF 卡于下次启动时，挂载成 /home/lcfc，重启系统

4. 确认 TF 挂载成 /home/lcfc 之后，将 /usr/local 完全移至 /home/lcfc/local 目录，并且在 /usr 下建立一个指向 /home/lcfc/local 的 local 链接（使用 sudo ln -s 指令）

5. 此时 16GB EMMC 存储大约能腾出大约 5GB 空间

6. 将 docker 的工作目录指向 /home/lcfc/docker，重启 docker 服务，然后就能放手地好好使用 NGC 上的 docker 镜像

现在 16GB EMMC 有足够空间安装更多系统工具，而 TF 卡上面大约还剩余20+GB 空间可以安装大部分的应用。

接下去就将我们在 EA-B100 上面执行的几个应用做个简单说明：

1. NGC的Docker 版 Jetson-pose 跑测试 Video

    （性能达15FPS）

2. github.com/NVIDIA-AI-IOT/trt_pose 的CSI摄像头测试

    （性能达 10FPS）

3. github.com/dusty-nv/Jetson-Inference的 Object Detection

    （性能达到 20+ FPS）

4. Deepstream 分别指向 Docker 版本与本地（local）版本，性能一样