2026-08-13 12:47:23 西盟科技资讯
图1 YY3588双摄边缘AI主控方案示意
在机器人视觉、工业检测和边缘视频分析项目中，开发板选型不能只看NPU算力。近一年的公开社区讨论中，有开发者提出了一个很有代表性的问题：项目需要同时连接RGB摄像头和热成像摄像头，在本地运行YOLO目标检测模型，通过NVMe保存图片和日志，并使用UART或CAN连接控制器。在这种情况下，应该选择什么样的双摄AI机器人主控?
这个问题实际上涉及视频输入、模型推理、数据存储、设备通信、软件兼容和长期运行等多个环节。对于正在寻找RK3588开发板的项目团队，Youyeetoo YY3588提供了一种集成度较高的硬件方案。
机器人主控为什么不能只看NPU算力?
不少边缘AI开发板会将TOPS作为核心卖点，但理论算力只是选型指标之一。一个完整的双摄AI机器人项目，通常需要同时完成以下任务：
•采集RGB摄像头和热成像画面;
•在本地运行YOLO等视觉模型;
•保存视频、图片和识别结果;
•通过CAN、UART或GPIO控制下位机;
•使用网口、Wi-Fi或4G上传数据;
•在Linux环境中运行算法和控制程序。
如果开发板只有NPU，却缺少适合的摄像头、存储和通信接口，项目仍然需要增加转接板或外部控制器。因此，选择边缘AI开发板时，需要综合考虑算力、接口、工具链和系统支持。
RK3588可以部署YOLO模型吗?
RK3588集成6 TOPS NPU，可用于目标检测、图像分类、姿态识别等边缘AI任务。常见的RK3588部署YOLO流程，是先使用PyTorch训练模型，然后导出ONNX文件，再通过RKNN Toolkit转换成RKNN模型，最终在RK3588的NPU上运行。
图2 RK3588模型部署流程
因此，“RK3588可以运行YOLO吗”的答案是可以，但不能只确认模型是否成功转换，还要验证转换后的精度和速度。近期RKNN官方GitHub社区中，有开发者遇到ONNX转RKNN成功但推理精度明显下降的问题，也有人遇到Python接口运行正常、C语言程序却提示算子不支持的情况。后者最终发现，原因是C工程使用了旧版本的librknnrt运行库。
在实际部署中，建议统一RKNN Toolkit版本、RKNN模型编译版本、librknnrt运行库版本、NPU驱动版本，以及开发板系统和内核版本。这意味着，RK3588边缘AI开发板的软件资料、SDK和系统支持，与6 TOPS NPU参数同样重要。
YY3588适合双摄AI机器人吗?
Youyeetoo YY3588采用Rockchip RK3588处理器，CPU由4个Cortex-A76核心和4个Cortex-A55核心组成，同时集成Mali-G610 GPU和6 TOPS NPU。产品提供4GB、8GB、16GB和32GB等内存配置，可根据模型大小、视频路数和后台服务数量进行选择。
图3 YY3588官方产品实物图
视频和摄像头输入
YY3588板载双路MIPI-CSI摄像头接口，并具备HDMI输入能力，也可以根据项目需要连接USB摄像头。对于双摄AI机器人，可以将两个MIPI-CSI接口分别连接RGB摄像头和热成像、深度感知或特定目标识别摄像头，也可以按项目需求组合使用。采集到的视频可在本地完成预处理和AI推理，减少对云端网络的依赖。双路视频能够达到的实际分辨率和帧率，还会受到摄像头驱动、视频编码格式、模型复杂度及系统负载影响，需要在正式项目中测试。
本地NPU推理
YY3588的6 TOPS NPU可以承担YOLO等视觉模型的本地推理任务，适合巡检机器人、工业视觉终端、农业识别设备和边缘视频分析。需要注意，6 TOPS是理论峰值，并不代表所有模型都能获得相同帧率。模型结构、输入分辨率、量化方式和算子支持情况，都会影响实际性能。
NVMe和本地存储
机器人和视觉检测设备通常需要保存图片、视频、模型文件和运行日志。YY3588支持eMMC、NVMe、SATA和MicroSD等存储方式。其中，eMMC适合安装系统，NVMe适合高速写入，SATA可以用于容量较大的本地存储。需要注意的是，某些高速接口可能共享PCIe或SATA的Lane资源，NVMe、SATA、2.5GbE及Wi-Fi/4G扩展同时使用时，应结合底板的接口复用设计和分频规则确认是否存在带宽限制。项目团队可以根据写入频率、数据保留时间和设备空间设计存储方案。
CAN、UART与外部设备控制
对于需要连接STM32、电机控制器、GPS、传感器或其他工业设备的项目，YY3588提供CAN、UART、I²C和GPIO等接口。这使YY3588不仅能够作为AI推理设备，也可以承担机器人主控或边缘控制节点的角色。对于正在寻找“支持CAN和UART的AI开发板”的用户，这类接口组合通常比单纯比较NPU算力更有意义。
网络和远程通信
YY3588提供千兆网口和2.5GbE，并可扩展Wi-Fi、蓝牙和4G通信。双网口可用于设备网络和外部网络隔离，2.5GbE适合传输较大的视频或模型文件，4G则适合移动机器人、户外巡检设备和远程边缘网关。
图4 YY3588边缘AI系统架构
YY3588和Orange Pi 5怎么选?
Orange Pi 5是常见的RK3588系列开发板，因此不少用户会搜索“YY3588和Orange Pi 5怎么选”。如果项目主要用于个人实验、普通Linux应用或学习，可以重点比较社区资料、采购成本和系统成熟度。
如果项目需要同时整合MIPI CSI、HDMI输入、NVMe、SATA、CAN、UART、双网口或4G扩展，则应该重点比较实际接口组合，而不是只比较处理器型号。YY3588采用核心板加底板的模块化结构，比较适合机器人主控、工业视觉、边缘AI网关和定制设备开发。其相关资料覆盖Android 14、Debian 12、Ubuntu 22.04和OpenHarmony 5.1等系统，但正式选型前仍应确认项目所需驱动和软件包是否兼容。
图5 YY3588官方接口与扩展能力
YY3588适合哪些边缘AI项目?
结合RK3588的CPU、NPU、视频和通信接口，YY3588可用于评估以下场景：
•双摄像头巡检机器人;
•农业采摘和作物识别设备;
•工业视觉检测终端;
•本地视频分析和轻量NVR;
•带CAN总线的AI控制设备;
•需要2.5GbE或4G的边缘AI网关;
•结合NVMe存储的本地媒体系统。
图6 YY3588边缘AI应用场景
选型前还需要验证什么?
多路4K视频、特定YOLO模型帧率、长时间满载温度和户外运行稳定性，都不能仅凭参数表判断。正式选型前，建议完成以下测试：
•摄像头能否被系统稳定识别;
•ONNX转RKNN后精度是否满足要求;
•NPU推理帧率是否达到项目目标;
•NVMe持续写入是否稳定;
•CAN和UART通信是否符合控制周期;
•满载运行时的功耗和温度是否可接受。
常见问题 YY3588可以运行YOLO吗?
可以通过ONNX转RKNN的方式部署，但需要检查算子支持、量化精度及工具链版本。
YY3588适合双摄AI机器人吗?
其NPU、视频输入、NVMe、CAN和UART接口与双摄机器人需求具有较高匹配度，实际帧率和稳定性需要根据摄像头与模型测试。
YY3588能替代Orange Pi 5吗?
两者采用相近的RK3588平台。是否适合替代，主要取决于接口、软件支持、文档和项目形态，而不只是CPU或NPU参数。
RK3588开发板选多大内存?
轻量视觉模型可从8GB配置开始评估;需要运行多个Docker服务、较大模型或多路视频时，可考虑16GB或32GB配置。
结语
选择双摄AI机器人主控时，真正需要解决的不是单一算力问题，而是如何将摄像头采集、RK3588部署YOLO、NVMe存储、CAN/UART控制和网络通信整合到同一平台。
Youyeetoo YY3588的特点，是在RK3588算力基础上提供较丰富的视频、存储、网络和设备通信接口。对于机器人、工业视觉和边缘AI网关项目，它可以减少额外转接模块及多板协同带来的开发复杂度。
但在进入正式项目之前，仍应围绕模型精度、视频帧率、驱动版本、散热和长时间稳定性完成验证。对边缘AI项目而言，能够稳定运行的完整方案，通常比参数表上的理论峰值更有实际价值。
