【嵌入式AI挑战营】04RKNN-MODEL-Zoo-YOLOv5测试

小火苗

【嵌入式AI挑战营】04RKNN-MODEL-Zoo-YOLOv5测试 [复制链接]

Rknn_Model_YOLO

简介

跟着教程学习RV1106的算法模型的开发与使用，那么今天学习的就是最终的YOLO算法模型的开发与使用。梳理下过程，前面的安装环境一步也不能少，少了后面就会一直报错，就需要在安装。1.需要下载模型算法（ONNX）2.将模型算法导出成RKNN，使用的工具和环境是RKNN-Toolkit2。3.使用交叉编译，编译出rv1106可以执行的文件。4.运行交叉编译的可执行文件，该文件再去调用.RKNN算法模型去进行图像的识别。

https://wiki.luckfox.com/zh/Luckfox-Pico/Luckfox-Pico-RKNN-Test/#63-%E8%BF%90%E8%A1%8C%E7%A8%8B%E5%BA%8F

一、导出 RKNN 模型

1.下载 rknn_model_zoo

git clone https://github.com/airockchip/rknn_model_zoo.git

2.获取 Yolov5 ONNX模型文件

cd <rknn_model_zoo Path>/rknn_model_zoo/examples/yolov5/model chmod a+x download_model.sh
./download_model.sh

3.执行 rknn_model_zoo/examples/yolov5/python 目录下的模型转换程序 convert.py，使用方法：

conda activate RKNN-Toolkit2
cd <rknn_model_zoo Path>/rknn_model_zoo/examples/yolov5/python
python3 convert.py ../model/yolov5s.onnx rv1106

二、编译和构建

1.设置如下环境变量：

下载SDK

链接已隐藏，如需查看请登录或者注册

export PATH=/home/buildroot/luckfox-pico/tools/linux/toolchain/arm-rockchip830-linux-uclibcgnueabihf/bin:$PATH

蓝色字部分根据自己放置的文件位置进行更改。

2.执行 rknn_model_zoo 目录下的 build-linux.sh 脚本。该脚本将编译例程：

chmod +x ./build-linux.sh
./build-linux.sh -t rv1106 -a armv7l -d yolov5

编译过程：

3.交叉编译完成后在 rknn_model_zoo 目录下会生成一个 install 目录，包含编译出来的程序和库文件。
lib model rknn_yolov5_demo

三、运行程序

1.先将整个 rknn_yolov5_demo 目录传输至开发板，然后执行下面指令运行程序：

cd /root/rknn_yolov5_demo/
./rknn_yolov5_demo model/yolov5.rknn model/bus.jpg

2.推理完成后生成图片 out.png

# ls
lib model out.png rknn_yolov5_demo

四、实验结果

图片测试

水果推理测试

动物识别测试

Jacktang

在进行编译和构建如何设置环境变量这个有什么注意事项呢