Realtek AMB82-mini Computer Plugin

Realtek AMB82-mini Computer Plugin 是一款 Windows 桌面工具，用來協助 Realtek AMB82-mini 開發者快速取得開發資源、設定 AMB UVC 格式、擷取相機畫面、進行物件偵測標註、批次轉換圖片、開啟模型轉換工具，並檢查軟體版本。

本專案由舊版 Python CLI 工具重構而來，保留原本的核心功能，但改以 Tauri + React 桌面介面重新設計。新版不再要求使用者安裝 Python、OpenCV 或其他開發環境，並把文字選單流程改成更直覺、可直接發佈的 Windows 應用程式。舊版程式碼仍保留在 legacy/v2 分支中。

主要功能

• 取得 CH340/CH341 驅動安裝檔。
• 取得手勢辨識、物件偵測、影像分類等範例程式碼與模型權重。
• 下載 Arduino IDE 與 VLC 安裝檔。
• 可選擇自動安裝 Arduino IDE / VLC。
• 安裝 Arduino IDE 後，可將內附的 Arduino CLI 加入目前使用者的 PATH；自動安裝會在完成後一併設定。
• 開啟本機 Realtek AmebaPro2 Arduino 套件資料夾。
• 複製 AMB Preference package URL。
• 切換 AMB Preference release / beta 版本來源。
• 設定 AMB UVC device 輸出格式：YUY2、NV12、MJPG、H264、H265。
• 從設定頁清除 AmebaPro2 範例中已安裝的影像分類與物件偵測權重。
• 使用 AMB82-mini UVC 相機進行即時預覽與定時擷取。
• 使用物件偵測標註工具建立 YOLO 格式資料集。
• 遞迴轉換 BMP、WebP、HEIC 與採 HEVC 編碼的 HEIF 圖片，相容常見 Apple／iPhone HEIC 的 EXIF 包裝資料，並將方向資訊寫入像素。
• 透過內建介面上傳模型、追蹤量化轉換進度並下載 .nb 模型，也可開啟外部轉換網站。
• 檢查 GitHub 上的最新版本。
• 在所有頁面左下角固定顯示並定期更新外網連線狀態；離線時會停用模型轉換與版本檢查，Arduino IDE／VLC 仍可重用已驗證快取，沒有有效快取時才需要網路下載。
• 支援繁體中文、英文、日文介面。

使用方式

Important

下載最新版請到 GitHub Releases： Realtek AMB82mini Plugin Releases

進入頁面後，請點開最新版本底下的 Assets，下載 amb82-mini-computer-plugin.exe 或安裝檔。

下載 release 版本後，直接執行：

amb82-mini-computer-plugin.exe

Warning

此工具會依照設定頁選擇修改使用者的 AMB UVC device 格式，預設為 MJPG。每次打開工具時，都會嘗試修正 Realtek AmebaPro2 套件中的 UVCD_pram.h。

功能說明

開發資源

程式內嵌並提供下列離線資源：

• CH341SER.EXE
• gesture_recognition/hand_code.txt
• gesture_recognition/yolov7_tiny.nb
• object_detection_box/code.txt
• object_detection_box/yolov7_tiny.nb
• image_classification_japan/img_class_cnn.nb
• image_classification_taiwan/img_class_cnn.nb
• image_classification_singapore/img_class_cnn.nb

檔案取得功能會開啟 Windows 存檔視窗，使用者可自行指定儲存位置。

首頁提供兩個可整張卡片點擊的獨立入口：01「安裝檔」與 02「程式碼與權重」。兩張入口卡與一般功能卡之間以分隔線區隔，進入後只會顯示該類別的資源；未來新增資源也會依類型放入對應頁面。

「程式碼與權重」頁面將原有資源卡片排成左側單欄，右側顯示目前所選資源的使用說明，進入時預設選取第一項。左右欄依內容自然伸展，共用單一整頁垂直捲動條；卡片增多或說明變長時，兩欄會一起捲動。點擊卡片或使用鍵盤選取，可切換各自的文字與圖片說明；「取得」按鈕仍會開啟原本的檔案另存流程。

01 手勢與 02 AMB 盒子資源皆提供八個段落的正式教學：在 ObjectDetectionLoop 選用 CUSTOMIZED_YOLOV7TINY，再切換至 ObjectClassList.h 設定辨識類別。01 使用 itemList[5]，類別 ID 0～4 依序對應 gesture1～gesture5；02 使用 itemList[1]，僅保留類別 ID 0、名稱為 box 的項目，各項啟用值均設為 1，並附上各自的類別設定截圖。接著透過主選單的「開啟AmebaPro2資料夾」進入 libraries → NeuralNetwork → examples → ObjectDetectionLoop，將取得的 yolov7_tiny.nb 放在與 ObjectDetectionLoop.ino、ObjectClassList.h 相同的資料夾。如需搭配自走車，01 使用 hand_code.txt、02 使用 code.txt 的全部內容取代 ObjectDetectionLoop.ino。兩項教學共用其他操作截圖、自走車接線圖與組裝影片連結；每項皆顯示六張隨程式打包的圖片（五張操作截圖與一張接線圖），可離線查看。影片連結會由預設瀏覽器開啟，觀看時需要網路連線。

03 日本、04 台灣與 05 新加坡影像分類資源共用五個操作步驟與五張截圖，使用相同的 box、money、mouse 類別名稱。box 均代表 AMB 盒子，mouse 均代表滑鼠；money 的訓練內容依權重分別為日本硬幣、台灣紙鈔與新加坡紙鈔。請在 Arduino IDE 開啟 File → AmebaNN → RTSPImageClassification，將約第 90 行 imgclass.modelSelect 的 DEFAULT_IMGCLASS 改為 CUSTOMIZED_IMGCLASS，再切換至 ClassificationClassList.h，將 imgclassItemList 中的類別 ID 0、1、2 依序設為 box、money、mouse，啟用值均設為 1。接著透過本工具開啟 AmebaPro2 資料夾，依序進入 libraries → NeuralNetwork → examples → RTSPImageClassification，將所選資源的 img_class_cnn.nb 放在與 RTSPImageClassification.ino、ClassificationClassList.h 相同的資料夾。三項教學的操作與截圖完全相同，僅訓練內容說明不同，圖片皆隨程式打包，可離線查看。「安裝檔」頁面維持原有排列與操作方式。

Arduino IDE 與 VLC

Arduino IDE 與 VLC 支援兩種方式：

• 下載安裝檔到使用者指定位置。
• 自動下載並啟動安裝流程。

Arduino IDE 或 VLC 第一次下載完成後，安裝檔會保留在應用程式的私有快取中。之後再次取得或安裝同一版本時，程式會先驗證快取檔案的 SHA-256；驗證通過便直接重用，不需重複下載，且可在離線時使用。若快取已損壞或遭修改，程式不會使用該檔案，並會在可連線時重新下載。

Arduino IDE 會透過官方 release metadata 解析最新版安裝檔及其 SHA-256；VLC 使用專案設定的固定版本與可信 SHA-256。CH340/CH341 驅動仍隨程式內嵌，不需網路下載。

下載來源、VLC 固定雜湊與 Arduino fallback 資訊定義在 src-tauri/endpoint_manifest.json。

自動安裝會等到安裝程式結束並確認成功後才顯示完成；安裝期間卡片會顯示「安裝中」，取消或失敗會顯示錯誤。若安裝程式要求重新啟動電腦，完成訊息也會提醒。

「安裝檔」頁另有「將 Arduino CLI 加入 PATH」卡片：

• 尚未安裝 Arduino IDE 或找不到內附 CLI：卡片為灰色，無法按下。
• 已安裝但尚未加入 PATH：可按下「加入 PATH」，離線也能操作。
• 已加入 PATH：顯示完成狀態，無需重複設定。

透過本工具自動安裝 Arduino IDE，安裝成功後會自動將 CLI 資料夾加入目前使用者的 PATH，並保留原有內容。手動安裝後可回到此頁，狀態會自動更新。若安裝成功但 PATH 設定失敗，畫面會說明原因，可透過獨立卡片重試。設定完成後，請關閉並重新開啟終端機，再執行 arduino-cli version；已開啟的終端機不會自動取得新 PATH。

AMB Preference 與 UVC 格式

設定頁可開啟或關閉「自動檢查更新」，預設為開啟。此選項儲存在 WebView local storage，不屬於下方的 settings.json。

設定頁可切換 AMB Preference 來源：

• Release version
• Beta version

設定頁也可切換 UVC device 格式：

• YUY2
• NV12
• MJPG
• H264
• H265

「重置設定」會將 Preference 恢復為 Beta version、UVC 恢復為 MJPG，並重新開啟自動檢查更新；不會改變介面語言。

設定頁也提供「清除權重紀錄」功能。按下後會立即執行，不會再顯示確認視窗，也沒有 Undo；程式只會刪除目前偵測到的 AmebaPro2 版本資料夾內這兩個固定相對路徑：

libraries\NeuralNetwork\examples\RTSPImageClassification\img_class_cnn.nb
libraries\NeuralNetwork\examples\ObjectDetectionLoop\yolov7_tiny.nb

若其中一個或兩個檔案原本就不存在，程式會視為已清除，不會回報失敗。操作不會搜尋其他位置，也不會刪除其他 .nb 檔案；找不到 AmebaPro2 資料夾或遇到檔案權限／I/O 錯誤時會顯示錯誤訊息。兩個檔案會分別嘗試刪除；若只有其中一個失敗，訊息會標明部分成功與失敗數量，已刪除的檔案不會自動復原。

Preference 與 UVC 設定會儲存在：

%LOCALAPPDATA%\AMB82 Mini Computer Plugin\settings.json

AMB 相機擷取

相機頁提供：

• 自動掃描本機可用鏡頭。
• 進入頁面後可重新偵測新接上的鏡頭，不需要離開相機頁。
• 下拉選單切換鏡頭。
• 即時預覽畫面。
• 定時擷取 JPEG 圖片。
• 選擇截圖輸出資料夾。
• AMB82-mini UVC 相機設定教學。

相機擷取預設會在程式執行位置建立或使用：

output/

也可以在相機頁按「選擇資料夾」指定 output/ 要建立在哪個位置。自訂輸出位置只在本次程式執行期間有效；重新啟動後會恢復使用程式執行位置下的預設 output/。截圖檔名會自動接續最大編號，避免覆蓋既有圖片：

image_00001.jpg
image_00002.jpg
image_00003.jpg

物件偵測標註

物件偵測標註工具可用來建立 YOLO 格式資料集：

Warning

載入資料夾時，含有需要處理的 EXIF Orientation 圖片會在完成寫入與驗證後就地取代原圖；JPEG 會以品質 95 重新編碼，可能再次產生有損壓縮。若需要保留完全相同的原始檔案，請先備份資料夾。

• 選擇或拖曳圖片資料夾。
• 支援 jpg、jpeg、png、bmp 圖片。
• 進入標註頁面前會逐張檢查圖片方向，並以進度條顯示目前處理進度，適合載入包含大量圖片的資料夾。
• 圖片具有 EXIF Orientation 2～8 時，會把相同的顯示方向寫入圖片像素並移除對方向標籤的依賴；沒有方向標籤或不需旋轉的圖片會直接略過。
• 單張圖片處理失敗時會保留原始檔案並繼續檢查其他圖片，完成後顯示失敗數量。
• 動畫 PNG（APNG）不會以單張圖片流程改寫；若它含有需要處理的方向標籤，程式會保留原檔並將它列入失敗摘要，避免遺失動畫幀。
• 建立、重新命名、刪除 class；class 名稱只能包含英文字母與數字，不支援空白、底線或中文。
• classes.txt 遺失時，會依現有標註自動建立 object1、object2 等暫用名稱並補回檔案。
• 在圖片上繪製 bounding box。
• 移動、縮放、刪除、重設目前圖片的標註框。
• 縮放圖片時，標註框維持固定的畫面線寬。
• 十字游標提供延伸至圖片邊緣的水平與垂直輔助虛線。
• 使用 A / D 切換上一張 / 下一張圖片。
• 右側圖片清單只會渲染當前可見範圍附近的項目，降低大型資料集的畫面負擔。
• 自動儲存標註結果。

標註輸出會建立在圖片資料夾旁邊：

<image-folder-name>_labels/

每張圖片會有一個同名 .txt 標註檔，classes.txt 則存放 class 名稱。標註列使用 YOLO normalized 格式：

<class_id> <x_center> <y_center> <width> <height>

圖片轉檔

圖片轉檔工具可選擇或拖入一個資料夾，並遞迴處理其中所有子資料夾：

Warning

BMP、WebP、HEIC、HEIF 會在新 JPG 完成寫入與驗證後移除原格式來源。若需要保留原始格式，請先備份資料夾。同名 JPG 已存在或處理失敗時，程式不會覆蓋檔案，來源也會保留。

• BMP、靜態 WebP、HEIC，以及採 HEVC（hvc1）編碼的 HEIF 會轉成同目錄、同檔名的 .jpg；單獨的容器鏡像或旋轉屬性也支援。
• 已相容常見 Apple／iPhone HEIC 所使用的 EXIF 包裝資料；程式會先驗證並正規化 EXIF，再套用圖片方向並移除 Orientation 標籤。EXIF 結構損壞或不受支援時，會保留來源並列入失敗摘要。
• JPG、JPEG、PNG 不會改變格式；只有存在 EXIF Orientation 2～8 時才會把方向寫入像素。
• 轉檔後的圖片維持原本顯示方向，EXIF Orientation 不會再控制圖片旋轉。
• 透明像素會合成在白色背景上，因為 JPEG 不支援透明度。
• 動畫 WebP 不會被轉成單一影格；程式會保留原檔並列入失敗摘要。
• 若同目錄已存在同名 .jpg，或多個來源會產生同一個 .jpg，程式不會覆蓋任何檔案。
• 程式不會跟隨 symbolic link、Windows junction 或其他 reparse point，避免處理到所選資料夾以外的圖片。
• 處理期間會阻止其他程式同時寫入該張來源圖；若圖片正被可寫入方式開啟，該檔會保留並列為失敗。
• 轉檔最多會使用 4 個 workers 同時處理不同圖片，以加速大型資料夾；實際 worker 數不會超過待處理檔案數量。
• 每張新 JPEG 都會先寫入同目錄暫存檔，完成解碼、尺寸、EXIF 與 ICC 驗證後才取代來源；JPG／PNG 也會以鎖定檔案身分的安全交易替換，失敗時復原或保留原圖並繼續處理其他檔案。

處理畫面會顯示總數、目前進度、轉檔／方向修正／略過／失敗數量。全部完成後會自動回到主選單並顯示摘要。

Note

HEIF 是容器格式；目前內建解碼器支援常見 HEVC hvc1 圖片，以及主要圖片單獨關聯的 imir 鏡像或 irot 旋轉。若主要圖片同時關聯 imir 與 irot，或重複關聯其中一種 transform，程式會安全保留原檔並列為失敗；僅屬於輔助圖片或 tile 的 transform 不受此限制。這是目前固定解碼器版本的組合方向限制。容器沒有方向 transform 時才會使用 EXIF Orientation 作為顯示方向備援，避免重複旋轉。

模型量化轉換

模型量化轉換頁面會從 model converter API 載入目前支援的模型類型與檔案限制。使用者可點擊或拖曳模型檔案、啟動遠端轉換、查看任務狀態，完成後將 .nb 模型下載到指定位置。頁面右上角也提供外部網站入口：

https://modelconverter.ntnu-aiot.com/

開發技術

• Tauri 2
• React 18
• TypeScript
• Vite
• Rust 1.97.0（由 rust-toolchain.toml 固定）
• lucide-react

開發環境需使用 Node.js ^20.19.0 或 >=22.12.0；CI 使用 Node.js 24。

安全性設定

• Tauri CSP 已限制 WebView 可連線來源。
• 外部網址開啟功能只允許預期 HTTPS 網域。
• Model converter 輪詢會在切頁、換檔、重新開始轉換或卸載時取消，避免舊任務覆蓋新狀態。

版本

目前版本：3.18.2

版本檢查來源：

https://raw.githubusercontent.com/breeze0305/Realtek_AMB82mini_plugin/main/version.txt

版本號由 repo 根目錄的 version.txt 統一管理。執行 build 前會自動同步到 package.json、Cargo.toml、tauri.conf.json 與相關文件。

開發指令

安裝依賴：

npm.cmd install

前端建置：

npm.cmd run build

版本一致性與 Windows 圖示檢查、前端 lint、格式檢查、測試與 production build：

npm.cmd run check

Rust 測試：

cargo test --manifest-path src-tauri\Cargo.toml --locked

產生 Windows release exe 與 NSIS installer：

npm.cmd run tauri build

輸出位置：

src-tauri/target/release/amb82-mini-computer-plugin.exe
src-tauri/target/release/bundle/nsis/AMB82 Mini Computer Plugin_<version>_x64-setup.exe

授權與注意事項

本工具用於輔助 Realtek AMB82-mini 開發流程。Arduino IDE、VLC、Realtek AmebaPro2 套件與相關第三方工具仍依各自官方授權與使用條款為準。隨安裝包提供的 THIRD_PARTY_NOTICES.txt 記載新增原生元件的第三方授權。

貢獻者

主要貢獻者

• NTNU Feng
• Email: benfeng99@gmail.com

共同貢獻者

• 賴彥廷
• 范哲瑋
• 陳柏序
• 李易修
• 黃琮善
• 陳品妤
• 余品誼
• 李鍇灝
• 吳祐安
• 王威達
• 吳子安