MaixPy (v4)

功能概览

MaixPy提供简洁的Python编程接口，结合强大的边缘计算硬件。它集成了硬件外设操作、视频流处理、AI视觉算法、音频算法以及LLM/VLM等功能。凭借即插即用的设计，MaixPy使您能够快速实现智能项目。

此外，MaixPy还提供了MaixVision IDE、MaixHub在线训练平台、详尽的文档，甚至拥有API完全一致的C/C++ SDK，确保开发与生产部署的无缝衔接。

以下是部分功能的视频演示。更多文档请访问官方网站：wiki.sipeed.com/maixpy/

如果您喜欢这个项目，请点击MaixPy项目页面右上角的“Star”按钮，以鼓励我们开发更多精彩内容！

简洁高效的代码（API）设计

使用MaixPy，您只需10行代码即可轻松创建一个AI视觉项目：

from maix import camera, display, image, nn

classifier = nn.Classifier(model="/root/models/mobilenetv2.mud")
cam = camera.Camera(classifier.input_width(), classifier.input_height(), classifier.input_format())
disp = display.Display()

while 1:
    img = cam.read()
    res = classifier.classify(img)
    max_idx, max_prob = res[0]
    msg = f"{max_prob:5.2f}: {classifier.labels[max_idx]}"
    img.draw_string(10, 10, msg, image.COLOR_RED)
    disp.show(img)

结果：

边缘（嵌入式）友好

只需使用串口等硬件外设即可：

from maix import uart

devices = uart.list_devices()

serial = uart.UART(devices[0], 115200)
serial.write_str("hello world")
print("received:", serial.read(timeout = 2000))

MaixVision工作站

我们还提供便捷的**MaixVision**工作站软件，让开发更加简单快捷：

MaixHub在线平台

MaixHub 提供免费的在线AI训练服务，无需任何AI知识和昂贵的训练设备，即可一键训练AI模型并部署到MaixCAM上。

硬件平台MaixCAM

我们还提供了两款强大的硬件平台**MaixCAM2、MaixCAM和MaixCAM-Pro**。

性能对比

K210和v831已经过时，在内存、性能以及NPU算子缺失等方面存在诸多限制。
无论您是仍在使用它们，还是刚刚入门，都建议升级到MaixCAM和MaixPy v4。

以下是它们之间的对比：

特性	Maix-I K210	MaixCAM	MaixCAM2
CPU	400MHz RISC-V x2	1GHz RISC-V(Linux) 700MHz RISC-V(RTOS) 25~300MHz 8051(Low Power)	1.2GHz A53 x2(Linux) RISC-V 32bit E907(RTT)
内存	6MB SRAM	256MB DDR3	1GB / 4GB LPDDR4
NPU	0.25Tops@INT8 官方称1T但…	1Tops@INT8	3.2Tops@INT8
编码器	❌	2880x1620@30fps H.254/H.265/JPEG	3840*2160@30fps H.254/H.265/JPEG
解码器	❌	2880x1620@30fps H.264/JPEG	1080p@60fps H.264/JPEG
屏幕	2.4" 320x240	2.3" 552x368(MaixCAM) 2.4" 640x480(MaixCAM-Pro) 5" 1280x720 7" 1280x800 10“ 1280x800	2.4" 640x480 5" 1280x720 7" 1280x800 10“ 1280x800
触摸屏	❌	2.3" 552x368/2.4" 640x480	2.4" 640x480
摄像头	30W	500W(5M)	800W(8M)
AI ISP	❌	❌	✅
WiFi	2.4G	WiFi6 2.4G/5G	WiFi6 2.4G/5G
BLE	❌	BLE5.4	BLE5.4
USB	❌	USB2.0	USB2.0
以太网	❌	100M(Optional)	100M(on board FPC, can convert to RJ45 module)
SD卡	SPI	SDIO	SDIO
操作系统	RTOS	Linux(BuildRoot) + RTOS	Linux(Ubuntu) + RTT
编程语言	C / C++ / MicroPython	C / C++ / Python3	C / C++ / Python3
SDK	MaixPy-v1	MaixCDK + MaixPy v4 + opencv + numpy + ... Pure Python package or cross-compile manually	MaixCDK + MaixPy v4 + opencv + numpy + scipy + ... Many AArch64 pre-compiled packages, and support compile on board
PC软件	MaixPy IDE	MaixVision Workstation	MaixVision Workstation
文档	⭐️⭐️⭐️⭐️	🌟🌟🌟🌟🌟	🌟🌟🌟🌟🌟
在线AI训练	⭐️⭐️⭐️	🌟🌟🌟🌟🌟	🌟🌟🌟🌟🌟
官方APPs	⭐️	🌟🌟🌟🌟🌟	🌟🌟🌟🌟🌟
易用性	⭐️⭐️⭐️⭐️	🌟🌟🌟🌟🌟	🌟🌟🌟🌟🌟
AI分类(224x224)	MobileNetv1 50fps MobileNetv2 ❌ Resnet ❌	MobileNetv2 130fps Resnet18 62fps Resnet50 28fps	MobileNetv2 1218fps Resnet50 200fps
AI检测 仅前向部分 / [包含预后处理(Python)] / [双缓冲模式(Python)]	YOLOv2: 224x224: 15fps	YOLOv5s: 224x224: 100fps 320x256 70fps 640x640: 15fps YOLOv8n: 640x640: 23fps YOLO11n: 224x224: 175fps 320x224: 120fps 320x320: 95fps 640x640: 23fps	YOLOv5s: 224x224: 495fps 320x256: 400fps 640x640: 80fps YOLO11n: 224x224: 1214fps 640x480: 168fps / 77fps / 143fps 640x640: 113fps / 56fps / 98fps YOLO11s: 640x480: 87fps / 53fps / 83fps 640x640: 62fps / 39fps / 59fps YOLO11l: 640x640: 19fps / 16fps / 19fps
LLM	❌	❌	Qwen/DeepSeek 0.5B(fftf: 640ms, 9 tokens/s) Qwen/DeepSeek 1.5B(fftf: 1610ms, 4 tokens/s) VLM(InterVL 1B) Mode models
OpenMV算法	测试图片参考Benchmark APP	测试图片参考Benchmark APP 测试日期：2025.8.22，更新可能有优化	测试图片参考Benchmark APP 测试日期：2025.8.22，更新可能有优化
二值化	灰度320x240: 7.4ms (135fps) 灰度640x480: ❌ RGB 320x240: 11.3ms (88.5fps) RGB 640x480: ❌	灰度320x240: 3.1ms (326fps) 灰度640x480: 11ms (90fps) RGB 320x240: 13.2ms (75fps) RGB 640x480: 52.8ms (18fps)	灰度320x240: 1.3ms (799fps) 灰度640x480: 4.8ms (206fps) RGB 320x240: 3.4ms (294fps) RGB 640x480: 13.3ms (75fps)
寻找斑点	320x240: 8.8ms (114fps) 640x480: ❌	320x240: 7ms (143fps) 640x480: 20ms (50fps)	320x240: 3.7ms (271fps) 640x480: 11.1ms (89fps)
单通道直方图	320x240: 7.7ms (130fps) 640x480: ❌	320x240: 10.9ms (91fps) 640x480: 42.8ms (23fps)	320x240: 1.5ms (661fps) 640x480: 5.9ms (168fps)
QR码	320x240: 130.8ms (7.6fps) 640x480: ❌	640x480: 136.9ms (7fps) NPU加速：   320x240: 22.1ms (45fps)   640x480: 57.6ms (17fps)	640x480: 57.9ms (17fps) NPU加速：   320x240: 9.2ms (109fps)   640x480: 23.2ms (43fps)
OpenCV算法		测试图片参考Benchmark APP 测试日期：2025.8.22，更新可能有优化	测试图片参考Benchmark APP 测试日期：2025.8.22，更新可能有优化
二值化	❌	灰度320x240: 2.2ms (463fps) 灰度640x480: 7.1ms (140fps)	灰度320x240: 0.1ms (8174fps) 灰度640x480: 0.3ms (2959fps)
灰度自适应二值化	❌	320x240: 5.8ms (171fps) 640x480: 21.3ms (46fps)	320x240: 1.6ms (608fps) 640x480: 6.3ms (159fps)
单通道直方图	❌	320x240: 1ms (1000fps) 640x480: 6.2ms (160fps)	320x240: 0.4ms (2308fps) 640x480: 1.7ms (604fps)
寻找轮廓	❌	320x240: 2.8ms (351fps) 640x480: 8.6ms (116fps)	320x240: 0.4ms (2286fps) 640x480: 1.4ms (692fps)

Maix 生态系统

MaixPy 不仅是一个 Python SDK，更拥有完整的生态系统，涵盖硬件、软件、工具、文档，甚至云平台等。 请参阅下图：

谁在使用 MaixPy？

• AI 算法工程师，希望将 AI 模型部署到嵌入式设备上。

MaixPy 提供简单易用的 API 来访问 NPU，并配有文档帮助您开发 AI 模型。

• STEM 教师，希望向学生教授 AI 和嵌入式知识。

MaixPy 提供易于使用的 API、PC 工具以及在线 AI 训练服务……让您专注于教授 AI，而无需纠结于硬件和复杂的软件操作。

• 创客，想制作一些酷炫的项目，但又不想学习复杂的硬件和软件。

MaixPy 提供 Python API，您只需掌握基本的 Python 语法即可。MaixPy 的 API 非常简单易用，几分钟内就能完成一个项目。

• 工程师，希望快速实现项目原型。

MaixPy 构建项目非常便捷，并提供相应的 C++ SDK，因此您可以直接使用 MaixPy 将 Python 代码部署或转换为 C++，只需几分钟即可完成。

• 学生，希望学习 AI 和嵌入式开发。

我们提供了丰富的文档和教程，以及大量的开源代码，帮助您找到合适的学习路径，逐步成长。从简单的 Python 编程到 视觉、AI、音频、Linux、RTOS 等领域。

• 企业，希望开发 AI 视觉产品，但缺乏时间和专业工程师来构建复杂的嵌入式系统。

您可以使用 MaixPy，甚至通过图形化编程来开发产品，无需额外的人力和时间。例如，根据需求为生产线添加 AI 质量检测系统，或为办公室配备 AI 安全监控设备。

• 竞赛选手，希望在比赛中取得好成绩。

MaixPy 集成了多种功能且易于使用，能够加快您的工作进度，在有限的时间内助您赢得比赛。已有许多参赛者凭借 MaixPy 在各类竞赛中脱颖而出。

编译源代码

如果您希望从源代码编译 MaixPy 固件，请参考 编译 MaixPy 源代码 页面。

许可证

本仓库中的所有文件均遵循 Apache License 2.0 Sipeed Ltd. 协议，第三方库除外，这些库可能有各自的许可证。

社区

• 项目分享：maixhub.com/share
• 应用分享：maixhub.com/app
• 讨论区：maixhub.com/discussion
• QQ 群：862340358
• Telegram：t.me/maixpy
• Github 问题：github.com/sipeed/maixpy/issues

MaixPy v4 快速上手指南

MaixPy (v4) 是一款专为边缘计算设备设计的 Python 开发框架，结合强大的硬件（如 MaixCAM 系列），可轻松实现 AI 视觉、音频处理及大模型应用。

1. 环境准备

硬件要求

推荐使用以下官方硬件平台以获得最佳体验：

• MaixCAM2: 高性能首选（1.2GHz A53, 3.2Tops NPU, 支持运行 LLM/VLM）。
• MaixCAM / MaixCAM-Pro: 高性价比选择（1GHz RISC-V, 1Tops NPU, 运行 Linux/RTOS 双系统）。
• 注：旧的 K210 和 V831 芯片因内存和性能限制，建议升级至 MaixCAM 系列。

软件要求

• 操作系统: Windows 10/11, macOS, 或 Linux (Ubuntu 推荐)。
• 开发工具:
  • MaixVision IDE (推荐): 官方集成开发环境，提供一键烧录、调试和模型部署功能。
  • 或任意支持串口通信的文本编辑器 + 终端。
• 网络: 用于下载模型和连接 MaixHub 在线训练平台。

2. 安装步骤

方式一：使用 MaixVision IDE（推荐新手）

1. 访问 MaixVision 下载页面 下载并安装最新版软件。
2. 通过 USB 线将 MaixCAM 设备连接至电脑。
3. 打开 MaixVision，软件会自动识别设备。
4. 在 IDE 中直接编写代码或打开示例项目，点击“运行”即可将脚本下发至设备执行。

方式二：通过 PyPI 安装核心库（适用于高级用户/自定义构建）

如果你需要在本地构建固件或使用纯 Python 包管理：

pip install maixpy

国内用户若下载缓慢，可使用清华源加速：

pip install maixpy -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：对于嵌入式设备端的完整系统镜像（包含 OS、驱动和运行时），通常直接使用官方提供的固件烧录工具（集成在 MaixVision 中）进行刷写，而非单纯通过 pip 安装。

3. 基本使用

MaixPy 的核心优势在于极简的 API 设计。以下是一个经典的 AI 图像分类 示例，仅需约 10 行代码即可实现摄像头采集、AI 推理和屏幕显示。

示例：10 行代码实现 AI 物体识别

确保设备已烧录包含 mobilenetv2.mud 模型的固件，或将模型文件上传至设备 /root/models/ 目录。

from maix import camera, display, image, nn

# 1. 加载预训练模型
classifier = nn.Classifier(model="/root/models/mobilenetv2.mud")

# 2. 初始化摄像头，分辨率自动匹配模型输入
cam = camera.Camera(classifier.input_width(), classifier.input_height(), classifier.input_format())

# 3. 初始化显示屏
disp = display.Display()

while 1:
    # 4. 读取图像
    img = cam.read()
    
    # 5. 执行 AI 推理
    res = classifier.classify(img)
    max_idx, max_prob = res[0]
    
    # 6. 绘制结果并显示
    msg = f"{max_prob:5.2f}: {classifier.labels[max_idx]}"
    img.draw_string(10, 10, msg, image.COLOR_RED)
    disp.show(img)

外设控制示例：串口通信

MaixPy 同样简化了底层硬件操作，例如使用 UART 串口：

from maix import uart

# 列出可用串口设备
devices = uart.list_devices()

# 初始化第一个串口，波特率 115200
serial = uart.UART(devices[0], 115200)

# 发送数据
serial.write_str("hello world")

# 接收数据（超时 2000ms）
print("received:", serial.read(timeout=2000))

进阶资源

• 在线模型训练: 访问 MaixHub 无需本地显卡即可一键训练并部署 AI 模型。
• 完整文档: 查阅 官方 Wiki 获取 API 详解和更多硬件教程。