前 言

本文主要介紹基于創(chuàng)龍科技TL3562-EVM評(píng)估板的NPU開發(fā)案例，適用開發(fā)環(huán)境如下。

Windows開發(fā)環(huán)境：Windows 7 64bit、Windows 10 64bit

虛擬機(jī)：VMware16.2.5

開發(fā)環(huán)境：Ubuntu20.04.6 64bit

U-Boot：U-Boot-2017.09

Kernel：Linux-5.10.209

LinuxSDK：rk3562-buildroot-2021.11-sdk-[版本號(hào)]（基于rk3562_linux_release_v1.2.0_20240620）

無(wú)特殊說(shuō)明情況下，本文默認(rèn)使用USB TO UART0作為調(diào)試串口，使用Linux系統(tǒng)啟動(dòng)卡（Micro SD方式）啟動(dòng)系統(tǒng)，通過(guò)路由器與PC機(jī)進(jìn)行網(wǎng)絡(luò)連接，請(qǐng)確保PC機(jī)、Ubuntu系統(tǒng)可正常訪問(wèn)互聯(lián)網(wǎng)。

NPU(Neural network Processing Unit)，即神經(jīng)網(wǎng)絡(luò)處理器。RK3562內(nèi)部已集成高能效神經(jīng)網(wǎng)絡(luò)處理器NPU，支持神經(jīng)網(wǎng)絡(luò)推理硬件加速，能夠流暢運(yùn)行AI算法。主要參數(shù)如下：

（1）支持INT4/INT8/INT16/FP16等；

（2）支持多種框架，如TensorFlow、MXNet、PyTorch、Caffe等；

（3）1TOPS算力。

備注：更多詳細(xì)信息請(qǐng)查看“6-開發(fā)資料數(shù)據(jù)手冊(cè)核心板元器件CPU”目錄下的文檔。

NPU開發(fā)流程如下：

（1）模型訓(xùn)練：用戶根據(jù)需求自行訓(xùn)練模型或使用官方提供的模型；

（2）模型轉(zhuǎn)換：使用RKNN-Toolkit2將預(yù)訓(xùn)練模型轉(zhuǎn)換為RK3562 NPU可使用的RKNN模型；

（3）應(yīng)用開發(fā)：基于RKNN API開發(fā)應(yīng)用程序。

圖 1 NPU開發(fā)流程圖

我司提供的NPU開發(fā)案例位于產(chǎn)品資料“4-軟件資料Demoplatform-demos”。其中，yolov5_object_detect案例為靜態(tài)演示案例（通過(guò)單張圖片進(jìn)行目標(biāo)識(shí)別），v4l2_yolov5_detect案例為動(dòng)態(tài)演示案例（通過(guò)攝像頭連續(xù)獲取圖像進(jìn)行目標(biāo)識(shí)別），具體說(shuō)明如下。

表 1

關(guān)于RKNN-Toolkit2環(huán)境搭建、模型轉(zhuǎn)換使用說(shuō)明、混合量化、精度問(wèn)題排查的詳細(xì)介紹，可查看yolov5_object_detect案例"toolrknn-toolkit2doc"目錄下的"02_Rockchip_RKNPU_User_Guide_RKNN_SDK_V2.0.0beta0_CN.pdf"文檔。

關(guān)于RKNN-Toolkit2模型轉(zhuǎn)換API接口說(shuō)明，可查看yolov5_object_detect案例"toolrknn-toolkit2doc"目錄下的"02_Rockchip_RKNPU_User_Guide_RKNN_SDK_V2.0.0beta0_CN.pdf"文檔。

關(guān)于RKNN API的詳細(xì)使用說(shuō)明，可查看yolov5_object_detect案例"toolrknn-toolkit2doc"目錄下的"04_Rockchip_RKNPU_API_Reference_RKNNRT_V2.0.0beta0_CN.pdf"文檔。

1yolov5_object_detect案例

案例說(shuō)明

本案例基于RKNN API實(shí)現(xiàn)對(duì)圖片中目標(biāo)對(duì)象的識(shí)別，并將識(shí)別結(jié)果以加水印的方式添加至圖像，并保存成圖片文件。案例循環(huán)測(cè)試10次，統(tǒng)計(jì)出推理的平均處理耗時(shí)。

備注：本案例基于瑞芯微官方例程實(shí)現(xiàn)，進(jìn)行了目錄的重構(gòu)及編譯的簡(jiǎn)化,功能邏輯未進(jìn)行修改。官方例程位于LinuxSDK源碼"/external/rknpu2/examples/rknn_yolov5_demo/"目錄下。

圖 2

程序處理流程圖如下：

圖 3

案例測(cè)試

請(qǐng)通過(guò)網(wǎng)線將評(píng)估板千兆網(wǎng)口ETH0 RGMII連接至路由器。

圖 4

請(qǐng)將案例bin目錄下的所有文件拷貝至評(píng)估板文件系統(tǒng)任意目錄下。

圖 5

在可執(zhí)行文件所在目錄，執(zhí)行如下命令，對(duì)圖片目標(biāo)對(duì)象進(jìn)行模型推理。

備注：模型運(yùn)行的時(shí)間會(huì)有抖動(dòng)。

Target# ./yolov5_object_detect yolov5s-640-640_rk3562.rknn car.jpg

圖 6

從輸出信息可知，本案例程序識(shí)別出測(cè)試圖片包含person、car、bus、truck等對(duì)象，運(yùn)行1次模型耗時(shí)為73.843000ms；循環(huán)運(yùn)行10次模型平均耗時(shí)為47.365303ms。

案例程序?qū)y(cè)試圖片的目標(biāo)對(duì)象標(biāo)記成功后將輸出名稱為out.jpg的標(biāo)記圖片至當(dāng)前目錄，請(qǐng)將out.jpg文件拷貝至Windows下，并使用PC端相關(guān)軟件對(duì)比查看car.jpg與out.jpg，測(cè)試結(jié)果如下所示。

圖 7 圖 8 car.jpg 圖 9 out.jpg

從out.jpg圖片可知，案例程序能正確框選出人物、汽車等物體，同時(shí)顯示person、car文字標(biāo)簽和置信度，標(biāo)記對(duì)象的數(shù)量及信息等與程序打印信息一致。

本程序能夠支持識(shí)別的目標(biāo)數(shù)據(jù)集類型說(shuō)明位于bin目錄下的coco_80_labels_list.txt文件，用戶可根據(jù)相關(guān)目標(biāo)類型進(jìn)行測(cè)試驗(yàn)證。

圖 10

案例編譯

將案例src源碼目錄拷貝至Ubuntu工作目錄下，進(jìn)入源碼目錄，執(zhí)行如下命令配置環(huán)境變量，并修改CMake配置文件CMakeLists.txt，請(qǐng)根據(jù)實(shí)際情況修改為L(zhǎng)inuxSDK源碼路徑。

Host# source /home/tronlong/RK3562/rk3562-buildroot-2021.11-sdk-v1.0/buildroot/output/rockchip_rk3562/host/environment-setup

Host# vim CMakeLists.txt

圖 11 圖 12

新建一個(gè)build目錄，用于存放編譯過(guò)程產(chǎn)生的相關(guān)文件。

Host# mkdir -p build

圖 13

進(jìn)入build目錄，執(zhí)行如下命令進(jìn)行案例編譯，編譯完成將會(huì)在build目錄下生成編譯過(guò)程產(chǎn)生的相關(guān)文件，并在src目錄下生成install目錄，該目錄下存放案例相關(guān)文件。

Host# cd build

Host# cmake -DCMAKE_C_COMPILER=aarch64-buildroot-linux-gnu-gcc -DCMAKE_CXX_COMPILER=aarch64-buildroot-linux-gnu-g++ ../

Host# make -j8

Host# make install

圖 14 圖 15

build目錄存放編譯過(guò)程產(chǎn)生的相關(guān)文件，install目錄存放案例相關(guān)文件，包括測(cè)試圖片car.jpg、類別數(shù)據(jù)集coco_80_labels_list.txt、RKNN模型yolov5s-640-640_rk3562.rknn和可執(zhí)行程序yolov5_object_detect等文件，如下圖所示。

圖 16

關(guān)鍵代碼

（1）加載圖片RGB數(shù)據(jù)。

圖 17

（2）加載模型并初始化RKNN。

圖 18

（3）前處理，對(duì)圖像進(jìn)行縮放和裁剪以適配模型輸入。

圖 19

（4）設(shè)置模型運(yùn)行輸入輸出參數(shù)，NPU運(yùn)行模型，獲取模型輸出，統(tǒng)計(jì)運(yùn)行耗時(shí)。

圖 20

（5）進(jìn)行后處理，得到目標(biāo)識(shí)別結(jié)果。

圖 21

（6）使用目標(biāo)識(shí)別結(jié)果給圖片添加水印，并保存為圖片文件。

圖 22

（7）重復(fù)運(yùn)行10次模型并統(tǒng)計(jì)平均耗時(shí)。

圖 23

由于篇幅過(guò)長(zhǎng)等原因，部分內(nèi)容均不逐一展示，如需獲取完整版詳細(xì)資料，請(qǐng)關(guān)注創(chuàng)龍科技微信公眾號(hào)或官網(wǎng)，或者評(píng)論區(qū)留言，感謝您的支持！

審核編輯 黃宇