OPi 5实战经典案例合集：入门、AI、LLM、NAS、FydeOS

OrangePi 5基于瑞芯微RK3588S芯片（与RK3588相比，封装更紧凑，并移除了一些如PCIe 3.0 x4、SATA等接口，更适合小型开发板与消费电子场景），拥有四核Cortex-A76与四核Cortex-A55处理器、6 TOPS算力NPU以及丰富的外设接口，是嵌入式开发、边缘计算与家庭服务器场景中的高性价比利器。本文精选五个经典使用场景——新手入门、边缘AI、本地大语言模型、家庭服务器及FydeOS特色系统，每个案例均附核心步骤大纲。教程来源可靠、步骤清晰，适合开发者、极客及DIY爱好者快速上手与项目复现。

一、新手入门与系统配置（2个）
案例1：OrangePi 5 系统烧录（Linux/Ubuntu）
https://blog.csdn.net/m0_73773941/article/details/149514645
一篇系统烧录教程，为你的OrangePi 5安装Ubuntu操作系统，适合零基础开发者。
步骤1：硬件准备
准备一张≥32GB的MicroSD卡（推荐A2级别）、读卡器、电源适配器和网线。
步骤2：下载镜像
访问香橙派官网，下载适用于 OrangePi 5 的 Ubuntu 桌面版镜像（.7z格式）。
步骤3：解压镜像
使用 7-Zip 或 WinRAR 将下载的 .7z 文件解压，得到 .img 光盘映像文件。
步骤4：烧录镜像
打开 BalenaEtcher 工具，选择解压后的 .img 文件和目标 SD 卡，点击 "Flash!" 开始烧录并等待校验完成。
步骤5：启动系统
将烧录好的 SD 卡插入 OrangePi 5，连接 HDMI 显示器和键盘，通电开机。

案例2：OrangePi 5 SSH远程连接
https://blog.csdn.net/m0_73773941/article/details/149581242
一篇实战教程，教你如何通过 MobaXterm 实现无显示器远程管理 OrangePi 5。
步骤1：网络连接
用网线将 OrangePi 5 连接到路由器，并在路由器后台查询其 IP 地址。
步骤2：启用 SSH（可选）
确保系统已安装并启用 SSH 服务；Ubuntu 桌面版通常默认开启 SSH。
步骤3：下载 SSH 工具
在电脑上下载并安装 MobaXterm（Windows）或其他支持 SSH 协议的客户端。
步骤4：建立连接
在 MobaXterm 中新建 SSH Session，输入 OrangePi 5 的 IP 地址，用户名填入 orangepi。
步骤5：输入密码
接受密钥后输入密码 orangepi（Linux 下输入密码时不显示），验证无误后即可成功登录。

二、边缘AI与计算机视觉（1个）
案例：YOLOv5 模型在 OrangePi 5 NPU 上的全流程部署
https://blog.csdn.net/m0_73773941/article/details/160447713
一篇高质量教程，完整讲解 YOLOv5 模型从 PyTorch 训练到 ONNX 导出，最终在 OrangePi 5 上利用 NPU 进行高速推理的核心流程，包括了每一步的代码和避坑指导。
步骤1：环境准备
在 OrangePi 5 上安装 Ubuntu（推荐服务器或桌面版），并确保 NPU 驱动和 RKNN-Toolkit2 工具链正确安装。
步骤2：模型训练
在 PC 上使用 export.py 导出已训练的 YOLOv5 模型，通过 pip install onnx onnxruntime 安装依赖库，并运行导出命令生成 best.onnx。
步骤3：格式转换
将 best.onnx 文件拷贝至 OrangePi 5。编写 convert.py 脚本，配置 target_platform='rk3588'，调用 RKNN-Toolkit2 将其转换为 RKNN 格式文件 best.rknn。
步骤4：部署验证
在 OrangePi 5 上编写推理脚本，加载 best.rknn 模型，传入测试图片或视频帧进行推理，验证 NPU 加速是否生效。
步骤5：性能调优
根据官方文档尝试开启 INT8 量化以降低推理延迟，或优化内存与 I/O 数据传输以提升实际处理速度。

三、本地大语言模型（LLM）与AI（1个）
案例：利用 GPU 加速，在 OrangePi 5 上运行大语言模型（LLM）
https://zhuanlan.zhihu.com/p/650110025
一个震撼的项目，展示了如何通过机器学习编译（MLC）技术，利用 OrangePi 5 的 Mali-G610 GPU，将 Llama 2 和 RedPajama 等大语言模型运行在嵌入式设备上，实现了可用的推理速度。
步骤1：驱动安装
在 OrangePi 5 上安装支持 RK3588 开发板的 OpenCL 驱动程序。
步骤2：源码下载
从 GitHub 上克隆 MLC-LLM 的官方代码仓库。
步骤3：权重获取
下载社区构建好的适用于 GPU 部署的预编译模型权重文件（如 RedPajama-3B 或 Llama-2-7B）。
步骤4：模型编译
根据本地的 OpenCL 和 GPU 架构配置，对 MLC 项目进行编译和配置。
步骤5：运行推理
使用 MLC 提供的命令行界面（CLI）或 Python API，调用模型权重进行离线推理。

四、家庭服务器与NAS（2个）
案例1：OrangePi 5 家用服务器搭建
https://jishuzhan.net/article/1901468502710628354
一篇详细的图文教程，手把手教你如何将 OrangePi 5 打造成一台低成本的 Web 服务器。
步骤1：系统烧录
下载 OrangePi 5 专用 Ubuntu 镜像，使用 BalenaEtcher 烧录至 SD 卡。
步骤2：系统登录
将烧录好的 SD 卡插入开发板，通电启动，通过路由器 IP 结合 SSH 客户端（如 Putty）登录系统。
步骤3：安装宝塔面板
在 SSH 终端中运行宝塔面板官方安装脚本：curl -sSO https://download.bt.cn/install/install_panel.sh; sudo bash install_panel.sh。
步骤4：记录面板信息
保存安装完成后终端输出的面板登录地址、用户名和密码。
步骤5：配置 Web 环境
通过浏览器登录宝塔面板，一键部署 LAMP/LNMP 环境或 Docker，开始发布网站或搭建个人博客。

案例2：无需云服务的家庭相册系统
https://blog.csdn.net/ChailangCompany/article/details/153884603
一个很酷的综合项目，通过 Rust 编程语言在 OpenHarmony 系统上构建一个完全私有的家庭智能相册。
步骤1：系统烧录
在 OrangePi 5 上安装 OpenHarmony 标准系统镜像（或临时使用 Ubuntu）。
步骤2：环境配置
在开发板上安装 Cargo 包管理工具和标准 Rust 环境（std 环境）。
步骤3：Rust 编码
编写核心架构代码，主要利用 axum 处理 Web 请求，sqlx 操作 SQLite 数据库，以及 image 库处理照片元数据和缩略图。
步骤4：系统编译
交叉编译或直接在 OrangePi 5 上编译 Rust 代码生成可执行文件。
步骤5：服务部署
将编译好的程序设置为系统服务开机自启，通过浏览器访问 80 或指定端口，上传照片并体验智能相册功能。

五、特色系统：FydeOS（1个）
案例：在 OrangePi 5 上安装 FydeOS
https://fydeos.com/help/knowledge-base/installation-guides/fydeos-for-sbc/orange-pi-5/
来自官方 FydeOS 的权威安装指南，通过 .run 安装器为 OrangePi 5 生成镜像并完成系统写入。
步骤1：下载文件
访问 FydeOS for SBC 页面，为 OrangePi 5 下载专属的安装文件。
步骤2：赋予执行权限
在 Linux 终端中使用命令 chmod a+x FydeOS_for_SBC_OrangePi5family_*.run 赋予 .run 文件可执行权限。
步骤3：运行生成镜像
使用命令 sudo ./FydeOS_for_SBC_OrangePi5family_*.run 运行安装程序，按照终端引导选择生成镜像文件（如选择存储设备类型）。
步骤4：刷写镜像
使用 dd 命令或 BalenaEtcher 工具，将步骤3生成的镜像文件写入 SD 卡或板载 eMMC。
步骤5：启动运行
从新写入的存储介质启动 OrangePi 5，即可首次运行 FydeOS。

OrangePi 5 的魅力远不止本文所列举的五个场景。从个人云存储、智能家居中枢、游戏模拟器到工业数据采集，它的可能性正由无数开发者和极客不断拓展。如果你已经用它完成了某个很酷的项目，或者正在酝酿一个脑洞大开的创意，欢迎在评论区晒出你的案例、代码仓库或心得感悟。无论是踩坑经验还是突破性进展，你的分享都可能成为他人灵感的起点。让我们一起把这块小橙板玩出更多花样！

你用Orange Pi 5做过什么？遇到了哪些问题？想用它实现什么？评论区等你来聊～

审核编辑 黄宇