Yolov8在RK3588上进行自定义目标检测(四)

参考

Yolov8在RK3588上进行自定义目标检测(一)

Yolov8在RK3588上进行自定义目标检测(二)

Yolov8在RK3588上进行自定义目标检测(三)

YOLOV8火灾检测模型的边缘端推理

验证rknn模型

1.将转换好的rknn模型上传到板子上，再在板子上安装rknn-toolkit-lite2,在home/wyx/Projects/rknn-toolkit2/rknn-toolkit-lite2/packages/rknn_toolkit_lite2-2.0.0b0-cp38-cp38--linux_aarche64.whl下载下来上传到板子的某个（任意）目录下。执行以下命令进行下载：

# 安装 RKNN-Toolkit2 pip install rknn_toolkit_lite2-2.0.0b0-cp38-cp38-linux_aarch64.whl

下载rknn-toolkit--lite2的过程同下载RKNN-Toolkit2的过程相同，但在验证安装成功的命令不一样。验证rknn-toolkit-lite2是否安装成功：在终端输入以下内容不报错代表成功。

# 进入 Python 交互模式 python # 导入 RKNNLite 类 from rknnlite.api import RKNNLite

因为rknn-toolkit-lite2其实是在home/wyx/Projects/rknn-toolkit2目录下,所以和rknn-toolkit2的下载很类似。

2.在rk3588上修改/rknn_model_zoo/examples/yolov8/model/coco_80_labels_list.txt为自己的标签种类；修改同目录下的dataset.txt为自己数据集中的一张图片；

在home/DiTing/Projects /rknn_model_zoo/目录下执行以下代码。

./build-linux.sh -t rk3588 -a aarch64 -d yolov8

3.执行后会在home/DiTing/Projects/rknn_model_zoo/install/rk3588_linux_aarch64/rknn_yolov8_demo/下生成验证rknn模型程序:rknn_yolov8_demo。

执行该程序验证rknn模型：

./rknn_yolov8_demo model/yolov8.rknn model/1.jpg

4.运行完成后，会在rknn_yolov8_demo下生成out.png文件。

推理结果

参考链接：

YOLOv8部署在RK3588上_rk3588 yolov8部署-CSDN博客

yolov8目标检测 部署瑞芯微rk3588记录_yolov8 rknn-CSDN博客

https://download.csdn.net/blog/column/12698056/139685411