RV1106开发板YOLOv5 RKNN模型图像识别推理实测教程

本文介绍在RV1106开发板上使用YOLOv5转换的RKNN模型进行图像识别推理的实测过程。首先，注意事项：镜像使用Buildroot版本，交叉工具链为uClibC版本，因此编译后的程序不能直接运行在Ubuntu根文件系统上。

参考官方文档：RKNN模型推理测试 | LUCKFOX WIKI。

下载对应的rknpu2仓库，如果GitHub访问困难，可以使用Gitee镜像：

git clone git@github.com:rockchip-linux/rknpu2.git
git clone git@gitee.com:zjulkw/rknpu2.git

配置交叉工具链环境变量：

export RK_RV1106_TOOLCHAIN=/path/to/toolchain/bin/arm-rockchip830-linux-uclibcgnueabihf

进入示例目录，使用编译脚本：

cd rknpu2/examples/RV1106_RV1103/rknn_yolov5_demo
chmod +x build-linux_RV1106.sh
./build-linux_RV1106.sh

编译完成后，install目录下会生成rknn_yolov5_demo_Linux目录。将该目录复制到Luckfox板子中：

scp -r rknn_yolov5_demo_Linux/ root@板子IP:~

在板子上，设置第三方库路径：

export LD_LIBRARY_PATH=/root/rknn_yolov5_demo_Linux/lib

运行推理demo，使用转换后的RKNN模型和测试图片：

./rknn_yolov5_demo model/RV1106/yolov5s-640-640.rknn model/bus.jpg

输出推理结果，包括检测到的对象和置信度。例如：

person @ (208 244 286 506) 0.884136
person @ (479 238 560 526) 0.863766
...（省略部分结果）

接下来，可以使用标记工具对结果进行可视化。将推理结果保存到data.txt文件，并运行标记脚本生成标记后的图像。

由于本文省略了图像和视频内容，如需查看具体图像和演示视频，请参考原帖子。

想了解更多详细步骤、图像展示和视频演示，请阅读原帖：rv1106开发板上使用yolov5转换rknn模型进行图像识别的推理实测。

原帖子内容来源：https://bbs.eeworld.com.cn/thread-1270648-1-1.html