低成本AI边缘计算盒子DIY：基于迅为RK3568和开源模型，轻松玩转智能识别

低成本AI边缘计算盒子DIY：基于迅为RK3568和开源模型，轻松玩转智能识别

    各位工程师朋友们，不知道大家有没有发现，现在AI项目的门槛正在飞速降低？曾经需要昂贵计算卡的AI应用，现在用一块几百块钱的开发板就能跑起来！

    今天，我就手把手带大家DIY一个超高性价比的AI边缘计算盒子，核心就是 迅为的RK3568开发板。我们将利用其强大的NPU和CPU，部署YOLO等轻量级模型，实现实时的物体识别和人脸识别。所有代码、模型和工具，都已在迅为的资料包中为你备好！

一、为什么选择RK3568做AI边缘盒子？

1.性价比高：一颗1Tops算力的NPU，应对轻量级AI模型绰绰有余，价格却非常亲民。
2.完整的生态支持：迅为提供的资料包，直接包含了RKNN-Toolkit2、Android/Linux SDK、编译工具链，省去了我们最头疼的环境搭建时间。
3.丰富的接口： 双网口、多USB、GPIO等，可以轻松连接摄像头、传感器，满足各种物联网场景。
4.低功耗：非常适合7x24小时运行的边缘场景。

 

核心装备清单：

· 迅为iTOP-RK3568开发板/核心板
· 摄像头模块（USB或MIPI接口均可）
· 最重要的：迅为一站式AI开发资料包

 

二、实战开始
项目一：实时物体识别（yolov8 目标检测）

我们的目标是：连接摄像头，实时识别并框出画面中的物体。

步骤简述：

环境准备： 按照迅为的《NPU测试手册》，在板子上配置好rknn-toolkit-lite2环境搭建和使用等。

 

编译好的 yolov8 例程已经放在了“iTOP-3568 开发板\02_【iTOP-RK3568 开发板】开发资 

料\15_NPU 例程测试配套资料\08_rknn_model_zoo 测试\16_ yolov8”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_yolov8_demo model/yolov8.rknn model/bus.jpg

最后会在当前目录下生成推理完成的图片，如下图所示：

 

 

 

可以看到不同的人以及公交车就被识别了出来，证明模型推理成功。

 

三、进阶玩法：打造你的专属AI应用

有了上面的基础，你就可以大展拳脚了：

· 安全监控： 部署在门口，识别到人时自动拍照并发送通知。
· 智能垃圾分类： 训练一个识别不同垃圾的模型，让你的垃圾桶拥有“火眼金睛”。
· 工业质检： 对产品进行缺陷检测。

 

通过这个DIY项目，我们可以深刻感受到：

· RK3568 NPU 让低成本、高性能的AI边缘计算成为现实。
· 迅为的一站式资料包 是成功的关键，它提供了从模型、工具到代码的完整闭环，让我们避免了“从零造轮子”的痛苦，能把精力完全集中在创意和应用本身。

别再让你的RK3568吃灰了！ 赶紧翻出你的板子，打开迅为的资料包，跟随上面的步骤，见证AI的魅力。

所有用到的代码和模型，均可在迅为官方提供的RK3568开发资料中找到！

期待看到大家更多有趣的AI项目分享！