下拉查看上一篇

树莓派 5 AI 项目实战：2026 年最值得尝试的创意玩法

2026/03/18 22:187 min read0

树莓派DIY教程实战入门指南

树莓派（Raspberry Pi）自 2012 年诞生以来，一直是全球 Maker 社区最受欢迎的单板计算机。2026 年，随着树莓派 5 的全面铺货和 Raspberry Pi 500+ 桌面套件的上市，这块信用卡大小的电路板已经具备了运行实时 AI 推理的能力。官方推出的 AI HAT+（搭载 Hailo-8L 加速芯片）可以提供高达 13 TOPS 的 AI 算力，让物体检测、图像分类、语音识别等任务在本地即可流畅运行。官方新发布的《Raspberry Pi Handbook 2026》长达 200 页，覆盖了从入门到进阶的完整教程。无论你是刚接触树莓派的新手，还是想要挑战更复杂项目的老玩家，这份指南都将为你提供清晰的实战路线图。

硬件准备与环境搭建

在动手做项目之前，先确保你的硬件和软件环境就绪。以下是 2026 年推荐的 AI 开发基础配置。

推荐硬件清单

组件 推荐型号 参考价格
主板 Raspberry Pi 5（8GB RAM） ¥550
AI 加速模块 AI HAT+（Hailo-8L） ¥350
存储 64GB microSD（A2 级别） ¥60
电源 官方 27W USB-C 电源适配器 ¥80
散热 官方主动散热器 ¥50
摄像头 Raspberry Pi Camera Module 3 ¥200

系统安装步骤

  1. 烧录系统：下载最新的 Raspberry Pi OS（64-bit，基于 Debian Bookworm），使用 Raspberry Pi Imager 烧录到 microSD 卡。
  2. 首次启动：插入 SD 卡、连接显示器和键盘，接通电源。按照向导完成 Wi-Fi 连接和系统更新。
  3. 安装 AI HAT+ 驱动：
sudo apt update && sudo apt upgrade -y
sudo apt install hailo-all -y
sudo reboot
  1. 验证安装：重启后运行以下命令确认 Hailo 加速器被正确识别：
hailortcli fw-control identify

如果看到设备信息输出（包含 Hailo-8L 型号和固件版本），说明硬件已就绪。

树莓派 5 主板与 AI HAT+ 模块

项目一：实时物体检测摄像头

计算机视觉是树莓派 AI 项目中最热门的方向。借助 AI HAT+ 的硬件加速，树莓派 5 可以实现 30fps 的实时物体检测，识别人、车、动物等 80 多种目标。

搭建步骤

  1. 连接摄像头：将 Camera Module 3 的排线插入树莓派 5 的 CSI 接口，注意排线金属触点朝向接口一侧。

  2. 安装依赖：

sudo apt install python3-picamera2 python3-opencv -y
pip install hailo-platform
  1. 运行示例检测：树莓派官方提供了基于 YOLOv8 的物体检测 Demo：
git clone https://github.com/raspberrypi/picamera2.git
cd picamera2/examples/hailo
python detection.py --model yolov8s
  1. 自定义检测规则：修改 detection.py 中的置信度阈值和目标类别过滤，实现特定场景的检测需求。例如，只检测宠物：
DETECT_CLASSES = ["cat", "dog", "bird"]
CONFIDENCE_THRESHOLD = 0.6

进阶玩法

  • 接入 RTSP 流，将树莓派变成网络摄像头服务器
  • 检测到特定目标时通过 MQTT 发送通知到手机
  • 结合 GPIO 控制继电器，实现检测到入侵者时自动开灯

AI 视觉检测系统

项目二：Frigate 本地 AI 视频监控

如果你需要更完整的视频监控方案，Frigate 是 2026 年最受欢迎的开源本地 NVR（网络视频录像机）系统。它原生支持 Hailo-8L 加速器，可以同时处理多路摄像头的 AI 物体检测，所有数据完全在本地处理，无需上传云端。

搭建步骤

  1. 安装 Docker：
curl -fsSL https://get.docker.com | sh
sudo usermod -aG docker $USER
  1. 创建配置文件 config.yml：
mqtt:
  host: localhost

cameras:
  front_door:
    ffmpeg:
      inputs:
        - path: rtsp://192.168.1.100:554/stream
          roles:
            - detect
            - record
    detect:
      width: 1280
      height: 720
      fps: 10

detectors:
  hailo:
    type: hailo8l
    device: PCIe
  1. 启动 Frigate：
docker run -d \
  --name frigate \
  --restart=unless-stopped \
  --privileged \
  -v /path/to/config.yml:/config/config.yml \
  -v /media/frigate:/media/frigate \
  -p 5000:5000 \
  -p 8554:8554 \
  ghcr.io/blakeblackshear/frigate:stable
  1. 访问 Web 界面：打开浏览器访问 http://<树莓派IP>:5000，即可看到实时监控画面和 AI 检测结果。

核心优势

  • 隐私优先：所有视频处理和 AI 推理都在本地完成
  • 事件回放：只录制检测到运动/物体的片段，节省存储空间
  • Home Assistant 集成：可直接将检测事件推送到智能家居系统

项目三：Home Assistant 智能家居中枢

树莓派 5 是运行 Home Assistant 的理想硬件。这个开源智能家居平台可以集成超过 2,000 种设备，从灯泡、门锁到空调、扫地机器人，全部通过一个统一的界面控制。

搭建步骤

  1. 安装 Home Assistant OS：下载 Home Assistant OS 镜像（专为树莓派 5 优化），用 Raspberry Pi Imager 烧录到 SD 卡（建议使用单独的 SD 卡或 SSD）。

  2. 首次配置：启动后访问 http://homeassistant.local:8123，按向导创建账户。

  3. 添加设备：Home Assistant 会自动发现局域网中的智能设备。常见集成包括：

    • 米家/Aqara：通过 Xiaomi Miot Auto 插件接入
    • 涂鸦（Tuya）：官方集成，支持大部分涂鸦系 Wi-Fi 设备
    • Zigbee：搭配 Sonoff ZBDongle-P 或 ConBee II 接入 Zigbee 设备

  4. 创建自动化规则：在"设置 → 自动化"中创建规则，例如：

# 当 Frigate 检测到门口有人时，打开走廊灯
trigger:
  - platform: mqtt
    topic: frigate/events
    payload: 'person'
condition:
  - condition: sun
    after: sunset
action:
  - service: light.turn_on
    target:
      entity_id: light.hallway

智能家居控制面板

项目四：本地 LLM 聊天机器人

2026 年，在树莓派上运行本地大语言模型（LLM）已经从"勉强能跑"进化到"实用可用"。借助量化技术和针对 ARM 架构优化的推理引擎，你可以在树莓派 5（8GB）上运行 3B-7B 参数的语言模型。

搭建步骤

  1. 安装 llama.cpp：
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
make -j4
  1. 下载模型：推荐从 Hugging Face 下载 GGUF 格式的量化模型：
# 推荐 Qwen2.5-3B-Instruct 的 Q4_K_M 量化版本
wget https://huggingface.co/Qwen/Qwen2.5-3B-Instruct-GGUF/resolve/main/qwen2.5-3b-instruct-q4_k_m.gguf
  1. 启动聊天服务：
./llama-server \
  -m qwen2.5-3b-instruct-q4_k_m.gguf \
  -c 2048 \
  -ngl 0 \
  --host 0.0.0.0 \
  --port 8080
  1. 访问 Web 界面：打开 http://<树莓派IP>:8080，即可开始与本地 AI 对话。

性能参考

模型 参数量 量化 生成速度
Qwen2.5-3B-Instruct 3B Q4_K_M ~5 tokens/s
Phi-3-mini 3.8B Q4_K_M ~4 tokens/s
Llama-3.2-3B 3B Q4_K_S ~5.5 tokens/s

虽然生成速度不算快，但对于个人笔记助手、代码补全、翻译辅助等轻量场景已经完全够用，而且所有数据都留在本地，隐私无忧。

树莓派 AI 项目硬件

项目五：家庭信息仪表盘

将树莓派 5 连接到一块 HDMI 显示屏，打造一个全天候运行的家庭信息仪表盘，是最实用且最有成就感的项目之一。

搭建步骤

  1. 安装 MagicMirror²：
curl -sL https://raw.githubusercontent.com/sdeber/MagicMirror-Installer/master/install.sh | bash
  1. 配置模块：编辑 config/config.js，添加你需要的信息模块：
  • 天气预报：接入 OpenWeatherMap API，显示未来 7 天天气
  • 日历：同步 Google Calendar 或 iCal
  • 新闻：RSS 订阅自定义新闻源
  • 交通：显示上班通勤的实时路况
  • 智能家居状态：通过 Home Assistant API 显示设备状态
  1. 设置开机自启：
# 创建 systemd 服务
sudo tee /etc/systemd/system/magicmirror.service << 'EOF'
[Unit]
Description=MagicMirror
After=network.target

[Service]
User=pi
WorkingDirectory=/home/pi/MagicMirror
ExecStart=/usr/bin/npm start
Restart=always

[Install]
WantedBy=multi-user.target
EOF

sudo systemctl enable magicmirror
sudo systemctl start magicmirror
  1. 硬件安装：将显示屏安装在墙壁或桌面支架上，树莓派固定在显示屏背面。搭配 PIR 红外传感器可以实现人来亮屏、人走熄屏的效果。

总结

树莓派 5 在 2026 年已经是一台名副其实的"口袋 AI 工作站"。AI HAT+ 带来的硬件加速能力让实时视觉推理成为可能，而活跃的开源社区持续提供高质量的项目模板和教程。本文介绍的五个项目覆盖了 AI 视觉、智能家居、本地 LLM、视频监控和信息仪表盘五大方向，难度从入门到进阶递进。

建议的学习路径是：先从家庭仪表盘或 Home Assistant 入手体验树莓派的基本玩法，再挑战物体检测和 Frigate 监控感受 AI 加速的威力，最后尝试本地 LLM 探索边缘 AI 的前沿。

值得一提的是，Raspberry Pi Foundation 主办的 Coolest Projects 2026 比赛已于 1 月开放报名，新增了 AI 类别。2025 年有来自 41 个国家的 11,980 名年轻创作者参与，同比增长 57%。如果你完成了本文的项目，不妨考虑报名参赛，展示你的创意。

参考来源

评论

上滑查看下一篇