实战：基于迅为iTOP-RK3576开发板跑通yolov5目标检测

迅为iTOP-RK3576开发板内置6 TOPS NPU，支持常见的AI模型硬件加速部署。本文手把手带您快速体验NPU例程：yolov5目标检测 ，适合快速验证和二次开发。

硬件准备

1.迅为iTOP-RK3576开发板

2.摄像头

3.显示器

编译好的 yolov5 例程已经放在了“iTOP-3576 开发板2_【iTOP-RK3576 开发板】开发资料5_NPU 例程测试配套资料9_支持 USB 摄像头的 NPU 例程4_rknn_yolov5_demo”目录下， 

将该文件拷贝到开发板上，并解压，解压完成如下图所示： 

然后进入该文件夹，使用以下命令运行可执行文件，实现图片的位置和种类识别，如下图 所示：

export LD_LIBRARY_PATH=./lib

./rknn_yolov5_demo model/yolov5.rknn /dev/video25 

最后会在桌面上显示推理之后的摄像头显示图像，如下图所示：

推理原视频如下所示：

可以看到不同的物体就被识别和标注出来，证明模型推理成功。

7.6 yolov5_seg 语义分割 

编译好的 yolov5-seg 例程已经放在了“iTOP-3576 开发板2_【iTOP-RK3576 开发板】开发 

资料5_NPU 例程测试配套资料9_支持 USB 摄像头的 NPU 例程5_rknn_yolov5_seg_demo” 

目录下，如下图所示：

将该文件拷贝到开发板上，并解压，解压完成如下图所示：

然后进入该文件夹，使用以下命令运行可执行文件，实现图片的位置和种类识别，如下图 

所示： 

export LD_LIBRARY_PATH=./lib

./rknn_yolov5_seg_demo model/yolov5_seg.rknn /dev/video25

最后会在桌面上显示分割之后的摄像头显示图像，如下图所示：

推理原视频如下所示：

可以看到不同的车辆就被分割了出来，证明模型推理成功。

核心亮点总结

即拿即用：迅为已提供NPU 例程。

NPU加速：借助RK3576内置6 TOPS NPU，目标检测和分割均流畅运行。

易于二次开发：例程源码开放，方便集成到您的项目中。

通过上述例程，您可以快速验证迅为iTOP-RK3576开发板的AI推理能力，为边缘计算、智能安防、自动驾驶仪等场景打下基础。