ELF-RV1126B YOLOv8官方例程目标检测部署验证

flfsyj 2026-04-03 223

电子说

1.4w人已加入

描述

基于官方资料包例程完成图片或摄像头目标检测、结果显示和 FPS 记录。

1. 实验目的

• 验证 YOLOv8 官方例程能在 ELF-RV1126B 上正确启动并调用 NPU 推理。

• 验证摄像头节点、模型路径和例程关键参数配置是否正确。

• 记录目标检测效果和平均 FPS，形成可归档的 AI 部署验收结果。

2. 前置条件与目录要求

1）板端准备以下内容：main_camera_fps_v8.py、rknnpool 目录、func 目录、rknnModel/best.rknn。（注意所有文件夹创建在/dev/mmcblk0p8分区的/userdata下,默认安装路径是在/dev/root分区的home/elf下，会导致/dev/root的空间满了）

在大分区创建缓存目录

mkdir -p /userdata/.cache/pip

创建软链接，让系统以为它还在原位，其实存在了 49G 的分区里

ln -s /userdata/.cache/pip ~/.cache/pip

2）若使用摄像头，请先确认摄像头已经被系统识别：这里使用的是HIKVISION的USB摄像头。

无摄像头时的处理：如果暂时没有接摄像头，可以先把官方例程改为读取静态图片或视频文件，先验证“模型加载 + 前后处理 + 推理输出”链路；但正式验收时，仍建议补做摄像头路径测试。

步骤 2.1 激活 Python 环境并安装 OpenCV（接上一个实验）

cd /userdata/rknn_test
python3 -m venv venv
source venv/bin/activate
pip install rknn-toolkit-lite2==2.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

步骤 2.2 检查当前摄像头节点

v4l2-ctl --list-devices
v4l2-ctl --list-formats-ext -d /dev/video52

说明：请把 /dev/videoXX 替换为你的实际摄像头节点，这是video52。若是 UVC 摄像头，节点往往位于较靠后的 /dev/video 号；若是 OV13855，则可参考官方手册中的摄像头测试章节确认节点（这里使用的是HIKVISION的USB摄像头,1080p USB）。

3. 关键目录与参数检查

检查项	建议内容	备注
主程序	main_camera_fps_v8.py	建议直接使用官方资料包版本
模型目录	./rknnModel/best.rknn	模型路径要与脚本一致
依赖目录	rknnpool / func	保持与主程序在同一工程目录下
摄像头节点	/dev/videoXX	必须按实际节点修改
线程	TPEs = 1~2 初测，稳定后再提高	先求稳定，再追求 FPS

步骤 3.1 官方例程中的关键参数示例（按需修改，这里用X11转发至Mobaxterm进行显示）

import os
# 抑制 Qt 字体警告
os.environ["QT_LOGGING_RULES"] = "qt.qpa.fonts.warning=false"
import cv2
import time
from rknnpool.rknnpool_ld import rknnPoolExecutor
from func.func_yolov8_optimize import myFunc
# --------------- 性能采集工具函数 ---------------
def get_npu_load():
"""读取 RV1126B NPU 负载百分比，返回字符串如 '45%' 或 'N/A'"""
paths = [
"/sys/kernel/debug/rknpu/load",
"/sys/class/devfreq/ffbc0000.npu/load",
]
for p in paths:
try:
with open(p, "r") as f:
text = f.read().strip()
# 取第一行
first_line = text.split("n")[0].strip()
# 格式可能是 "NPU load: 4%" 或 "45%" 或 "45 / 100"
if "%" in first_line:
# 提取百分比数字，如 "NPU load: 4%" -> "4%"
import re
m = re.search(r'(d+)s*%', first_line)
if m:
return f"{m.group(1)}%"
return first_line
parts = first_line.replace("/", " ").split()
if len(parts) >= 2:
return f"{int(int(parts[0]) * 100 / int(parts[1]))}%"
return first_line
except (FileNotFoundError, PermissionError, ValueError):
continue
return "N/A"
def get_cpu_usage(prev_stat):
"""
通过 /proc/stat 两次采样差值计算 CPU 使用率。
prev_stat: 上次采样的 (idle, total) 元组，首次传 None。
返回 (cpu_percent_str, current_stat)
"""
try:
with open("/proc/stat", "r") as f:
line = f.readline() # 第一行 "cpu ..."
parts = [int(x) for x in line.split()[1:]]
idle = parts[3]
total = sum(parts)
if prev_stat is None:
return ("--", (idle, total))
d_idle = idle - prev_stat[0]
d_total = total - prev_stat[1]
if d_total == 0:
return ("0.0%", (idle, total))
usage = (1.0 - d_idle / d_total) * 100
return (f"{usage:.1f}%", (idle, total))
except (FileNotFoundError, PermissionError, ValueError):
return ("N/A", prev_stat)
def draw_osd(frame, fps_str, cpu_str, npu_str):
"""在帧左上角绘制半透明黑底 + 性能信息"""
lines = [
f"FPS : {fps_str}",
f"CPU : {cpu_str}",
f"NPU : {npu_str}",
]
font = cv2.FONT_HERSHEY_SIMPLEX
scale, thickness = 0.7, 2
y0, dy = 25, 30
# 半透明背景
overlay = frame.copy()
cv2.rectangle(overlay, (5, 5), (220, y0 + dy * len(lines) - 10), (0, 0, 0), -1)
cv2.addWeighted(overlay, 0.5, frame, 0.5, 0, frame)
for i, text in enumerate(lines):
cv2.putText(frame, text, (10, y0 + i * dy), font, scale, (0, 255, 0), thickness)
return frame
# --------------- X11 显示检测 ---------------
# 修复 sudo 下 X11 授权丢失问题:
# sudo 会切换到 root，但 root 没有原用户的 .Xauthority 令牌
sudo_user = os.environ.get("SUDO_USER")
if sudo_user:
# 从原用户的 home 目录继承 .Xauthority
sudo_home = os.path.expanduser(f"~{sudo_user}")
xauth_file = os.path.join(sudo_home, ".Xauthority")
if os.path.exists(xauth_file) and "XAUTHORITY" not in os.environ:
os.environ["XAUTHORITY"] = xauth_file
print(f"已设置 XAUTHORITY={xauth_file} (来自用户 {sudo_user})")
if "DISPLAY" not in os.environ:
print("警告: 未检测到 DISPLAY 环境变量")
print("请确保 MobaXterm 已开启 X11 转发 (ssh -X / -Y)")
print("尝试设置 DISPLAY=localhost:10.0 继续...")
os.environ["DISPLAY"] = "localhost:10.0"
# --------------- 初始化 ---------------
cap = cv2.VideoCapture("/dev/video52")
modelPath = "./rknnModel/best.rknn"
TPEs = 8
os.makedirs("output", exist_ok=True)
if not cap.isOpened():
print("错误: 无法打开摄像头 /dev/video52")
os.system("ls -l /dev/video*")
exit(-1)
print(f"摄像头已打开, 分辨率: {int(cap.get(3))}x{int(cap.get(4))}")
pool = rknnPoolExecutor(
rknnModel=modelPath,
TPEs=TPEs,
func=myFunc
)
# 预填充推理流水线
if cap.isOpened():
for i in range(TPEs + 1):
ret, frame = cap.read()
if not ret:
print(f"错误: 第 {i} 帧读取失败")
cap.release()
pool.release()
exit(-1)
pool.put(frame)
# --------------- X11 窗口 (带降级) ---------------
WINDOW_NAME = "YOLOv8 - RV1126B"
use_x11 = False
try:
cv2.namedWindow(WINDOW_NAME, cv2.WINDOW_NORMAL)
cv2.resizeWindow(WINDOW_NAME, 640, 480)
use_x11 = True
print("X11 显示窗口已创建")
except cv2.error as e:
print(f"警告: X11 窗口创建失败 ({e})")
print("将以无头模式运行 (仅保存图片到 output/)")
print("提示: 请尝试以下命令解决 X11 问题:")
print(f" 1. 用普通用户运行: python3 {os.path.basename(__file__)}")
print(f" (先执行: sudo chmod 666 /dev/video52)")
print(f" 2. 或传递 X11 授权: sudo -E XAUTHORITY=$HOME/.Xauthority ./venv/bin/python3 {os.path.basename(__file__)}")
print(f" 3. 或允许 root 访问 X11: xhost +local:root")
# --------------- 推理主循环 ---------------
# X11 转发带宽有限，跳帧显示以避免拖慢推理帧率
# 每 X11_SKIP 帧才做一次 imshow，其余帧只推理不显示
X11_SKIP = 10
print("开始推理循环, 按 'q' 或 Ctrl+C 停止...")
frames, loopTime, initTime = 0, time.time(), time.time()
fps_display = "..."
# 预采样 CPU 一次，使首次输出不是 "--"
cpu_display, cpu_stat = get_cpu_usage(None)
npu_display = get_npu_load()
last_good_frame = None
try:
while cap.isOpened():
ret, frame = cap.read()
if not ret:
print(f"第 {frames + 1} 帧读取失败, 退出")
break
pool.put(frame)
frame, flag = pool.get()
if not flag:
print(f"第 {frames + 1} 帧推理失败, 退出")
break
frames += 1
last_good_frame = frame
# 每30帧更新性能数据
if frames % 30 == 0:
elapsed = time.time() - loopTime
fps_val = 30 / elapsed if elapsed > 0 else 0
fps_display = f"{fps_val:.1f}"
npu_display = get_npu_load()
cpu_display, cpu_stat = get_cpu_usage(cpu_stat)
loopTime = time.time()
# 保存图片
save_path = f"output/result_{frames}.jpg"
cv2.imwrite(save_path, frame)
print(f"FPS: {fps_display} CPU: {cpu_display} NPU: {npu_display} | 已保存: {save_path}")
# OSD 叠加
draw_osd(frame, fps_display, cpu_display, npu_display)
# 通过 X11 显示 (跳帧以减少 X11 转发开销)
if use_x11 and frames % X11_SKIP == 0:
cv2.imshow(WINDOW_NAME, frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
print("按 'q' 退出")
break
except KeyboardInterrupt:
print("n手动停止")
finally:
if last_good_frame is not None:
cv2.imwrite("output/result_latest.jpg", last_good_frame)
print(f"最后一帧已保存: output/result_latest.jpg")
if frames > 0:
total_time = time.time() - initTime
print(f"总帧数: {frames} 总平均帧率: {frames / total_time:.2f}")
else:
print("未处理任何帧")
cap.release()
pool.release()
if use_x11:
cv2.destroyAllWindows()

步骤 3.2 运行 YOLOv8 官方例程

sudo ./venv/bin/python3 main_camera_fps_v8.py
可以设置跳帧X11_SKIP = 15（X11转发是瓶颈）

4. 预期结果与判定标准

检查项	成功标志	判定
程序启动	无 import 错误、无模型路径错误	通过 / 不通过
摄像头打开	可正常读取画面或至少确认节点可用	通过 / 不通过
目标检测	画面中能看到检测框 / 类别结果	通过 / 不通过
性能记录	能够记录平均 FPS 或等效性能指标	通过 / 不通过

5. 常见问题与排查

• 程序启动失败：先检查 main_camera_fps_v8.py、rknnpool、func 和 rknnModel 目录是否完整。

• 画面不出图：优先检查 /dev/videoXX 是否写对，摄像头是否被 v4l2-ctl 正确识别。

• SSH 下无窗口：这通常是显示环境问题，不一定是模型推理失败；建议接本地显示器，或改为保存图片/日志方式验证。

• FPS 偏低：先把 TPEs 调到 1~2 保证稳定，再逐步提升；同时避免在高分辨率显示输出下直接判断模型性能。

• 检测结果为空：检查 best.rknn 是否与当前前处理 / 后处理函数匹配，避免脚本模型版本不对应。

打开APP阅读更多精彩内容