从零开始：在RK3588上运行RKNN版YOLOv5目标检测（保姆级教程）
从零开始：在RK3588上运行RKNN版YOLOv5目标检测（保姆级教程）
RK3588作为Rockchip新一代旗舰级SoC，其内置的NPU模块为边缘计算场景提供了强大的AI推理能力。本教程将手把手带您完成YOLOv5目标检测模型在RK3588开发板上的完整部署流程，涵盖环境配置、交叉编译、模型部署等关键环节，特别针对实际开发中容易遇到的ADB连接、文件传输等问题提供解决方案。
1. 开发环境搭建
1.1 硬件准备清单
- RK3588开发板：建议使用官方Demo板或Firefly系列开发板
- Linux主机：推荐Ubuntu 18.04/20.04 LTS系统
- 连接设备：
- USB Type-C数据线（用于ADB调试）
- 网线（可选，用于网络传输）
- HDMI线（用于显示输出）
1.2 基础软件环境配置
首先在Linux主机上安装必要的开发工具：
sudo apt update sudo apt install -y git adb sshpass验证ADB连接状态：
adb devices注意：若设备未识别，需检查开发板的USB调试模式是否开启
2. RKNN工具链部署
2.1 获取RKNPU2开发套件
git clone --depth=1 https://github.com/rockchip-linux/rknpu2.git cd rknpu22.2 安装交叉编译工具链
针对RK3588的aarch64架构，需要安装特定版本的交叉编译器：
sudo apt install gcc-9-aarch64-linux-gnu g++-9-aarch64-linux-gnu验证编译器版本：
aarch64-linux-gnu-gcc-9 --version3. YOLOv5 Demo编译
3.1 准备编译环境
进入YOLOv5示例目录：
cd examples/rknn_yolov5_demo修改编译脚本build-linux_RK3588.sh关键参数：
export TOOL_CHAIN=/usr/bin/aarch64-linux-gnu- export CC=${GCC_COMPILER}-gcc-9 export CXX=${GCC_COMPILER}-g++-93.2 执行交叉编译
./build-linux_RK3588.sh成功编译后会在install/rknn_yolov5_demo_Linux目录生成以下文件：
rknn_yolov5_demo：可执行文件librknnrt.so：RKNN运行时库yolov5s-640-640.rknn：预编译模型
4. 开发板部署实战
4.1 开发板目录准备
通过ADB连接开发板并创建运行目录：
adb shell "mkdir -p /data/rknn_yolov5"4.2 文件传输关键步骤
使用ADB推送编译产物到开发板：
adb push install/rknn_yolov5_demo_Linux/rknn_yolov5_demo /data/rknn_yolov5/ adb push install/rknn_yolov5_demo_Linux/model/RK3588/yolov5s-640-640.rknn /data/rknn_yolov5/ adb push install/rknn_yolov5_demo_Linux/model/coco_80_labels_list.txt /data/rknn_yolov5/ adb push install/rknn_yolov5_demo_Linux/model/bus.jpg /data/rknn_yolov5/传输进度检查技巧：
adb shell "ls -lh /data/rknn_yolov5"5. 模型运行与性能测试
5.1 执行目标检测
在开发板终端运行：
cd /data/rknn_yolov5 ./rknn_yolov5_demo yolov5s-640-640.rknn bus.jpg典型输出解析：
person @ (114 235 212 527) 0.819099 # 检测到行人，置信度81.9% bus @ (99 141 557 445) 0.693320 # 检测到公交车，置信度69.3% average run 34.551800 ms # 平均推理耗时34.55ms5.2 性能优化建议
| 优化方向 | 具体措施 | 预期效果提升 |
|---|---|---|
| 模型量化 | 使用INT8量化替代FP32 | 2-3倍速度提升 |
| 输入分辨率调整 | 根据场景需求降低输入尺寸 | 减少计算量 |
| 多线程推理 | 启用RKNN的异步推理接口 | 提高吞吐量 |
6. 常见问题排查
6.1 ADB连接失败解决方案
- 现象：
adb devices显示空列表 - 排查步骤：
- 检查开发板USB调试模式
- 重新插拔USB线缆
- 重启ADB服务：
adb kill-server && adb start-server
6.2 模型运行报错处理
当出现Load RKNN model failed错误时：
- 确认模型路径是否正确
- 检查
librknnrt.so版本是否匹配 - 验证模型是否针对RK3588平台编译
7. 进阶开发指南
7.1 自定义模型部署
- 将PyTorch版YOLOv5模型导出为ONNX格式
- 使用RKNN-Toolkit2进行模型转换：
from rknn.api import RKNN rknn = RKNN() rknn.config(target_platform='rk3588') rknn.load_onnx(model='yolov5s.onnx') rknn.build(do_quantization=True) rknn.export_rknn('yolov5s.rknn')7.2 实时摄像头推理
修改Demo代码实现USB摄像头采集：
cv::VideoCapture cap(0); while(true) { cap >> frame; // 执行推理 inference(frame); }实际部署中发现，RK3588的NPU在640x640分辨率下可以稳定达到30FPS以上的处理性能，完全满足实时检测需求。建议首次运行时先使用静态图片验证流程，再逐步过渡到视频流处理