6T算力NPU！基于RK3588國產平臺的YOLOv5目標識別案例，真的強！
發布時間：2025-4-11 08:45
發布者：Tronlong--
|
方案亮點 極致算力：瑞芯微RK3588國產平臺，6TOPS高性能NPU，支持復雜神經網絡推理； 實時檢測：YOLOv5s模型，輕松實現640x640分辨率，49fps檢測速度； 多場景適配：工業/醫療/安防等應用領域。 技術原理解析 YOLO簡介 YOLO（You Only Look Once）是一種基于深度學習的目標檢測算法。YOLO把目標檢測轉變為一個回歸問題，通過一次遍歷即可同時預測圖像中物體的位置和類別。相較與傳統的目標檢測方法，YOLO的主要特點是速度快且準確度較高，能夠在實時場景下實現快速的目標檢測，適用于目標識別跟蹤、自動駕駛、工業質檢等需要實時處理的場景。 圖1 YOLOv5優勢YOLOv5代碼開源，可在多種操作系統和硬件平臺上運行，并且支持深度學習框架，這使得其更易于使用和部署。 （1）高檢測速度：由于YOLOv5采用了單階段的目標檢測架構，它能夠在保證一定檢測精度的前提下，實現非常高的檢測速度。 （2）高精度檢測：通過不斷優化網絡結構和訓練方法，YOLOv5在模型的感知能力和對小尺寸目標的檢測準確性上有了很大的提升。它能夠準確地定位目標的邊界框，并正確地識別目標的類別。 （3）多目標檢測能力：YOLOv5可以同時檢測圖像中的多個目標，并且能夠處理不同大小、不同形狀和不同類別的目標。 實測性能數據 圖2 RK3588 NPU典型工業應用場景 圖3 RK3588 NPU開發案例開發環境 本文主要介紹基于RK3588J的NPU開發案例，適用以下開發環境： Windows開發環境：Windows 7 64bit、Windows 10 64bit Linux開發環境：VMware16.2.5、Ubuntu22.04.5 64bit U-Boot：U-Boot-2017.09 Kernel：Linux-5.10.209 LinuxSDK：LinuxSDK-[版本號]（基于rk3588_linux_release_v1.5.0） 硬件平臺：創龍科技RK3588J工業評估板（TL3588-EVM） 案例說明 本案例通過V4L2采集MIPI攝像頭圖像，利用RGA硬件協處理器進行裁剪和縮放，經YOLOv5模型識別目標坐標和標簽，最后通過Qt將識別結果疊加到圖像上，并輸出至HDMI顯示。 圖4 案例測試請使用FFC軟排線將MIPI攝像頭模塊連接至評估板CAMERA2接口，將評估板HDMI OUT接口連接至HDMI顯示屏。 圖5 參考產品資料，完成替換內核鏡像、IQ參數文件等環境搭建后，執行如下命令，將采集并識別后的圖像顯示到顯示屏上。 Target#./v4l2_yolov5_detect -M rockchip -i /dev/video-camera0 -S 1920x1080 -f NV12 -F BG24 -b 4 -o 208:71:1920x1080 -m ./model/yolov5s-640-640_rk3588.rkn 圖6 顯示屏上顯示1920x1080@30fps畫面。將攝像頭朝向模型中已有可識別的物體，可看到圖像上被識別物體位置出現標記框，如下圖所示。 圖7 本程序能夠支持識別的目標數據集類型說明位于案例目錄“binmodel”目錄下的coco_80 _labels_list.txt文件，用戶可根據相關目標類型進行測試驗證。 圖8 獲取更多RK3588相關的開發手冊和案例代碼 ，可前往創龍科技官網或微信公眾號。 |
網友評論