想要在嵌入式邊緣設(shè)備上實(shí)現(xiàn)實(shí)時的AI視覺分析？面對復(fù)雜的模型轉(zhuǎn)換和部署是否感到無從下手？本文將手把手帶你完成YOLOv8目標(biāo)檢測與語義分割模型在迅為RK3588開發(fā)板上的無縫部署與推理實(shí)戰(zhàn)。依托迅為RK3588內(nèi)置的強(qiáng)大NPU，我們無需深入底層代碼，即可快速驗(yàn)證AI模型性能，為智能監(jiān)控、機(jī)器人、工業(yè)質(zhì)檢等應(yīng)用開發(fā)鋪平道路。

1. 開發(fā)平臺簡介：為什么選擇迅為RK3588？
   
   工欲善其事，必先利其器。本次實(shí)戰(zhàn)的核心硬件平臺——迅為iTOP-RK3588開發(fā)板，是一款面向高端AIoT應(yīng)用的核心板。
   
   ·強(qiáng)大算力核“芯”：搭載瑞芯微RK3588旗艦級八核處理器，集成了6TOPs算力的NPU（神經(jīng)網(wǎng)絡(luò)處理單元），專為加速AI推理任務(wù)而生，能夠高效處理YOLOv8這類復(fù)雜的視覺模型。
   ·全流程開發(fā)支持：迅為提供了從硬件驅(qū)動、系統(tǒng)構(gòu)建到AI部署的完整資料包。本文使用的例程便來自于其豐富的NPU例程測試配套資料，開箱即用，極大降低了開發(fā)門檻。
   ·豐富生態(tài)與拓展性：板載豐富的接口（如MIPI-CSI、HDMI、以太網(wǎng)等）和強(qiáng)大的多媒體處理能力，使其不僅能跑通模型，更能輕松集成到真實(shí)的視頻流采集、分析和顯示系統(tǒng)中，完成從原型到產(chǎn)品的快速過渡。

二、實(shí)戰(zhàn)一：YOLOv8目標(biāo)檢測模型部署

目標(biāo)檢測是計算機(jī)視覺的基石任務(wù)，用于識別圖像中的物體并定位其位置。下面我們開始在RK3588上運(yùn)行YOLOv8檢測模型。

1. yolov8目標(biāo)檢測

編譯好的yolov8例程已經(jīng)放在了“iTOP-3588開發(fā)板\02_【iTOP-RK3588開發(fā)板】開發(fā)資

料\15_NPU例程測試配套資料\08_rknn_model_zoo測試\16_ yolov8”目錄下，如下圖所示：

將該文件拷貝到開發(fā)板上，并解壓，解壓完成如下圖所示：

然后進(jìn)入該文件夾，使用以下命令運(yùn)行可執(zhí)行文件，實(shí)現(xiàn)圖片的位置和種類識別，如下圖

所示：

export LD_LIBRARY_PATH=./lib

./rknn_yolov8_demo model/yolov8.rknn model/bus.jpg

最后會在當(dāng)前目錄下生成推理完成的圖片，如下圖所示：

可以看到不同的人以及公交車就被識別了出來，證明模型推理成功。

2.yolov8_seg語義分割

編譯好的yolov8_seg例程已經(jīng)放在了“iTOP-3588開發(fā)板\02_【iTOP-RK3588開發(fā)板】開發(fā)

資料\15_NPU例程測試配套資料\08_rknn_model_zoo測試\17_yolov8_seg”目錄下，如下圖所

示：

將該文件拷貝到開發(fā)板上，并解壓，解壓完成如下圖所示：

然后進(jìn)入該文件夾，使用以下命令運(yùn)行可執(zhí)行文件，實(shí)現(xiàn)圖片的位置和種類識別，如下圖

所示：

export LD_LIBRARY_PATH=./lib

./rknn_yolov8_seg_demo model/yolov8-seg.rknn model/bus.jpg

最后會在當(dāng)前目錄下生成推理完成的圖片，如下圖所示：

可以看到不同的人以及公交車就被分割了出來，證明模型推理成功。