NVIDIA Jetson 指南

Chloros 在 NVIDIA Jetson 上支持边缘端的多光谱图像处理——无论是现场、无人机还是远程安装环境。Chloros 会自动检测您的 Jetson 型号，并针对您的硬件优化其处理策略。

---

支持的 Jetson 型号

型号	内存	处理策略	推荐用途
Jetson AGX Orin	32-64GB 共享内存	GPU_PARALLEL（4 个工作线程）	极致性能，适用于大型数据集
Jetson Orin NX	8-16GB 共享内存	GPU_PARALLEL (3 个工作进程，16GB) / GPU_SINGLE (8GB)	主要推荐用于机载和现场部署
Jetson Orin Nano	8GB 共享	GPU_SINGLE (1 个工作进程)	入门级边缘计算
Jetson Nano	4-8GB 共享	GPU_SINGLE (1 个工作节点)	入门级，内存受限

旧款 Jetson 型号（TX2、TX1、Xavier NX）可能不受支持。性能将根据可用 GPU 内存和 CUDA 功能而有所不同。

---

系统要求

• JetPack 6.x（建议使用最新版本）

• NVIDIA CUDA（随 JetPack 附带）

• Chloros+ 许可证（访问 CLI/SDK 所需）

安装

# Install the JetPack 6 .deb package
sudo dpkg -i chloros-arm64-jp6.deb

# Verify installation
chloros-cli --version

# Install Python SDK (optional)
pip install chloros-sdk

# Run system diagnostics
chloros-cli selftest

有关 Linux 的常规安装详情，请参阅 Linux 安装指南。

---

Jetson 上的动态计算适配

Chloros 会自动检测您的 Jetson 型号并选择最佳处理策略。无需手动调整。

工作原理

启动时，Chloros 会对您的系统进行分析：

1. 通过 /proc/device-tree/model 检测 Jetson 型号

2.读取可用 GPU/共享内存

3.选择处理策略（GPU_PARALLEL、GPU_SINGLE 或 CPU_PARALLEL） 4. 自动设置工作线程数、流水线类型和内存分配

按模型的行为

Jetson 模型	策略	工作线程	流水线	并发数
Jetson Nano 8GB	GPU_SINGLE	1	tiled_gpu (内存高效)	串行化
Jetson Orin Nano 8GB	GPU_SINGLE	1	tiled_gpu	串行化
Jetson Orin NX 8GB	GPU_SINGLE	2	tiled_gpu	序列化
Jetson Orin NX 16GB	GPU_PARALLEL	3	fused_gpu (完整 GPU 路径)	并发
Jetson AGX Orin 32-64GB	GPU_PARALLEL	4	fused_gpu	并发

Jetson Orin NX 16GB 是边缘部署的理想选择——它采用 GPU_PARALLEL 策略，支持 3 个并发工作进程，在紧凑的机身内实现了真正的并行 GPU 处理。

各平台之间的关键区别在于 内存。 配备 8GB 共享内存的 Jetson Nano 必须采用内存高效的切片处理方式逐张处理图像，而配备 16GB 内存的 Orin NX 则可利用高吞吐量的融合管道，让 3 张图像同时通过 GPU 进行处理。

完整的计算适配参考请参阅 动态计算适配。

---

热管理

Jetson 设备具有有限的热余量，尤其是在封闭或机载部署环境中。Chloros 包含自动热监测和限速功能：

温度	操作
< 70°C	正常运行 — 全速处理
70°C (警告)	自动减少批处理大小
80°C (危急)	激进限速 — 降低并发度
90°C (关机)	完全停止 GPU 处理 — 需冷却

确保充足的通风和散热，以维持持续处理，特别是在封闭的现场机箱或机载系统中。热限速会降低处理吞吐量以保护硬件。

---

内存管理

Jetson 设备采用 统一内存 —— GPU 和 CPU 共享同一块物理 RAM。这意味着报告的 VRAM（例如 Orin NX 16GB 上的 15.3GB）并非专用的 GPU 内存；它是与操作系统及其他进程共享的。

交换空间建议

对于大型数据集或支持纹理感知去拜耳处理的场景，Chloros 可能会建议创建交换空间：

# Check current memory and swap
free -h

# Create a swap file (example: 8GB)
sudo fallocate -l 8G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

# Make persistent across reboots
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

每张图像的内存估算：

• 标准去拜耳处理：每张图像约 10 MB

• 纹理感知去拜耳处理：每张图像约 15 MB

Chloros 会根据您的数据集大小自动计算所需内存，并在建议使用交换空间时发出警告。

OOM（内存不足）备用方案

如果在处理过程中检测到内存不足的情况：

1. Chloros 会自动减少 GPU 工作线程数

2. 从 fused_gpu 管道回退至 tiled_gpu 管道（内存利用率更高）

3. 以降低的吞吐量继续处理，而非崩溃

---

现场部署

功耗注意事项

Jetson 型号	典型功耗	备注
Jetson Nano	5-10W	USB-C 或桶形插头
Jetson Orin Nano	7-15W	DC 桶形插头
Jetson Orin NX	10-25W	DC 桶形插头
Jetson AGX Orin	15-60W	USB-C PD 或桶形插头

请为持续处理规划电源预算——峰值功耗出现在 GPU 密集型线程 3（处理）期间。

存储建议

• 强烈建议在 arm64 部署中使用NVMe SSD

• SD 卡速度过慢，不适合处理任务 — 仅用作启动介质

• 处理后的输出数据量通常是原始图像数据量的 2-3 倍，请预留相应空间

通过 SSH 实现无显示器运行

Chloros CLI 非常适合无头 Jetson 部署：

# SSH into the Jetson
ssh user@jetson-hostname

# Process a dataset
chloros-cli process /data/datasets/flight001 --format tiff-32

# Monitor export progress
chloros-cli export-status

使用 systemd 进行自动化处理

创建一个 systemd 服务以实现自动化处理：

# /etc/systemd/system/chloros-process.service
[Unit]
Description=Chloros Automated Processing
After=network.target

[Service]
Type=oneshot
User=chloros
ExecStart=/usr/bin/chloros-cli process /data/incoming --output /data/processed
StandardOutput=append:/var/log/chloros-process.log
StandardError=append:/var/log/chloros-process.log

[Install]
WantedBy=multi-user.target

配合 systemd 定时器实现定时处理：

# /etc/systemd/system/chloros-process.timer
[Unit]
Description=Run Chloros Processing Every Hour

[Timer]
OnCalendar=hourly
Persistent=true

[Install]
WantedBy=timers.target

sudo systemctl enable chloros-process.timer
sudo systemctl start chloros-process.timer

---

示例工作流

基础 Jetson 处理

#!/bin/bash
# Process a drone flight dataset on Jetson
chloros-cli process /data/flights/flight_042 \
    --output /data/processed/flight_042 \
    --format tiff-32 \
    --indices NDVI NDRE GNDVI

Jetson 上的 Python SDK

from chloros_sdk import ChlorosLocal

with ChlorosLocal() as chloros:
    chloros.create_project("field_survey_042")
    chloros.import_images("/data/flights/flight_042")
    chloros.configure(
        indices=["NDVI", "NDRE", "GNDVI"],
        export_format="TIFF (32-bit, Percent)",
        reflectance_calibration=True
    )
    chloros.process(mode="parallel")

print("Processing complete!")

批量处理多个飞行任务

#!/bin/bash
# Process all flight datasets in a directory
for flight in /data/flights/*/; do
    name=$(basename "$flight")
    echo "Processing $name..."
    chloros-cli process "$flight" \
        --output "/data/processed/$name" \
        --format tiff-32 \
        --indices NDVI NDRE
    echo "Completed $name"
done

---

推荐的现场使用 Jetson 系统

针对野外及机载部署，请考虑以下 Jetson Orin NX 16GB 载板选项：

• 机载/无人机：具备抗振等级（MIL-STD）、轻量化（低于 300 克）及被动散热的系统

• 坚固型野外：配备 IP67/IP69K 防水外壳，支持 PoE GigE 摄像头连接

• 精简/经济型：配备扩展外壳的开发套件

如需针对您的部署场景获取具体的硬件建议，请联系 MAPIR 技术支持。

---

后续步骤

• Linux 安装 — Linux 安装的通用细节

• 动态计算适配 — 完整的计算策略参考

• 处理管道 — 了解 4 线程管道

• CLI : 命令行 — 完整的 CLI 参考

• API : Python SDK — SDK 完整参考