热门文章
实测45fps！6T算力NPU，RK3576让Yolov5在边缘端丝滑运行
时间：2026-08-05
编辑者：创龙科技
你还在为设备跑不动Yolov5而发愁吗？今天分享一个基于RK3576国产平台的图像采集处理综合方案，利用其6TOPS算力NPU，基于Yolov5模型实现流畅的目标识别功能。
▍6T超强算力NPU
RK3576内部已集成神经网络处理器NPU，支持神经网络推理硬件加速，能够流畅运行AI算法。主要参数及测试数据如下：
（1）6TOPS高性能算力。
（2）支持INT8/INT16/FP16/BF16等。
（3）支持多种框架，如TensorFlow、MXNet、PyTorch、Caffe等。
▍三步实现AI部署
RK3576 NPU开发依托瑞芯微官方RKNN-Toolkit2工具链，打通模型训练、模型转换、应用开发全流程，无需复杂底层改造，三步即可完成AI落地：
（1）模型训练：用户根据需求自行训练模型或使用官方提供的模型。
（2）模型转换：使用RKNN-Toolkit2将预训练模型转换为RK3576 NPU可使用的RKNN模型。
（3）应用开发：基于RKNN API开发应用程序。
▍全链路图像处理
本方案通过软硬件协同，构建了一条高效的全链路图像处理流程。
采集图像：通过V4L2框架，从MIPI摄像头实时获取高清图像数据。
图像处理：采集到的图像交给独立的RGA(2D硬件加速器)进行裁剪和缩放，不占用CPU资源，保证了处理速度。
AI推理：处理好的图像被送入NPU，运行Yolov5模型进行高速推理，快速输出识别到的物体坐标和标签。
画面显示：通过Qt将识别框和标签叠加在原始视频流上，并利用DRM实现GPU加速，最后输出到HDMI显示屏，实现流畅的实时画面展示。
▍Yolov5方案演示
我们基于创龙科技瑞芯微RK3576工业评估板以及OV13855摄像头进行实测。
执行对应程序，显示屏实时展示摄像头采集画面，自动对目标物体绘制检测框并标注类别。
程序运行稳定、识别精度高，推理与画面输出同步无延迟，适配机器视觉应用场景。画面中FPS为显示帧率，TIME为模型处理耗时及推理帧率。
客服
提交成功