Jetson Orin Nano vs Raspberry Pi 5

Сравнение двух частых SKU из каталога SBC: Jetson Orin Nano и Raspberry Pi 5 для edge AI в антидроновых проектах. Обе платы — популярный выбор в пилотах, но решают принципиально разные задачи.

Краткий вывод

Таблица

Jetson Orin Nano — плюсы и минусы

Плюсы:

• GPU + TensorRT даёт стабильный inference на YOLOv8 без просадок FPS при параллельных потоках
• Поддерживает 2–4 RTSP-потока одновременно: несколько камер периметра на одном устройстве
• Зрелая экосистема NVIDIA: готовые Docker-образы для CV-задач, документация, примеры под антидрон
• Dry contact и GPIO для интеграции с РЭБ по тревоге без дополнительного контроллера

Минусы:

• Выше CAPEX: на крупном проекте с десятками постов это ощутимо
• Требует активного охлаждения на объекте: уличный шкаф с термостатом обязателен
• Более сложный пайплайн для команды без опыта CUDA/TensorRT

Raspberry Pi 5 — плюсы и минусы

Плюсы:

• Низкий CAPEX: доступна команде для параллельных экспериментов
• Огромное community, простой старт с Python + OpenCV — прототип за день
• Низкое потребление: подходит для автономных точек с ограниченным питанием
• Удобен как MQTT-шлюз, журнал событий или контроллер периферии рядом с Jetson

Минусы:

• CPU inference: при более тяжёлых моделях (YOLOv8n и выше) FPS падает ниже комфортного порога
• Один поток 1080p — потолок для большинства задач классификации в реальном времени
• Не подходит как основной inference-узел на объекте с требованием SLA по latency

Антидроновый сценарий

Pi 5: одна камера на воротах, оператор подтверждает тревогу RF-детектора. Пилот — проверить гипотезу, что CV-классификация снижает ложные тревоги. Бюджет пилота — минимальный.

Orin Nano: две камеры + авто-фильтр птиц, dry contact на РЭБ по регламенту без оператора в контуре. Стабильный 24/7 на пост периметра.

Типовая эволюция проекта: Pi 5 в пилоте → подтверждение гипотезы → масштабирование на Orin Nano с TensorRT.

Комбо на одном объекте

Иногда Pi 5 не конкурирует с Orin, а дополняет: Jetson делает inference, Pi 5 ведёт журнал событий, отправляет MQTT-уведомления, управляет реле питания камер. Такая схема разгружает Orin от периферийной логики.

Контекст — Edge AI и SBC в антидроне, выбор платформ — Выбор SBC-платформы. Охлаждение на объекте — thermal guide. Кейс пилота — Пилот AI-классификации на периметре.