Skip to main content

在搭载 Hailo-8L 的 reComputer R1000 上运行 YOLOv8 目标检测

简介

YOLOv8(You Only Look Once 第 8 版)是 YOLO 系列中最受欢迎的实时目标检测模型。它在前代模型的基础上,通过引入多项改进,在速度、精度和灵活性方面取得了显著提升。Raspberry-pi-AI-kit 用于加速推理速度,其核心是基于 Hailo-8L 芯片构建的 13 TOPS 神经网络推理加速器。

本文档展示了如何在 reComputer R1000 上使用和不使用 Raspberry-pi-AI-kit 加速运行 YOLOv8 进行目标检测。Raspberry Pi AI Kit 提升了 Raspberry Pi 的性能,并释放了其在人工智能和机器学习应用(如智能零售、智能交通等)中的潜力。尽管 Raspberry AI Kit 是为 Raspberry Pi 5 设计的,我们在基于 CM4 的边缘网关上进行了实验。让我们一起探索如何将边缘设备转变为智能物联网网关吧!

准备硬件

reComputer r1000Raspberry Pi AI Kit

运行项目

第 1 步:安装 AI Kit

pir

第 2 步:更新系统并将 PCIe 设置为 Gen3

更新系统

在 reComputer R1000 上打开终端,输入以下命令更新系统。

sudo apt update
sudo apt full-upgrade

将 PCIe 设置为 Gen3

在 reComputer R1000 上打开终端,输入以下命令配置 reComputer R1000。

sudo raspi-config

选择选项“6 Advanced Options”

pir

然后选择选项“A8 PCIe Speed”

pir

选择“是”以启用 PCIe Gen 3 模式

pir

点击“完成”以退出

pir

第 3 步:安装 Hailo 软件并验证安装

安装 Hailo 软件

在 reComputer R1000 上打开终端,输入以下命令安装 Hailo 软件。

sudo apt install hailo-all
sudo reboot

检查软件和硬件

在 reComputer R1000 上打开终端,输入以下命令检查是否已安装 hailo-all。

hailortcli fw-control identify

正确的结果如下所示:

pir

在 reComputer R1000 上打开终端,输入以下命令检查是否已连接 hailo-8L。

lspci | grep Hailo

正确的结果如下所示:

pir

运行 YOLOv8

在 reComputer R1000 上打开终端,输入以下命令运行 YOLOv8。

git clone https://github.com/Seeed-Projects/Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L.git
cd Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L
bash ./run.sh object-detection-hailo

结果

pir

结果

我们比较了使用 AI 套件加速前后,YOLOv8 在 640*640 分辨率输入下进行目标检测的推理速度。结果显示,在加速前,推理速度仅为 0.75 FPS,而加速后达到了 29.5 FPS。

项目展望

在本项目中,我们对比了 YOLOv8 在使用和不使用 AI 套件时的目标检测运行速度。结果表明,AI 套件可以显著提升边缘设备的性能。未来,我们还将对 YOLOv8 在不同场景下的运行速度进行基准测试,包括语义分割和姿态估计 AI 套件加速后的性能。

技术支持与产品讨论

感谢您选择我们的产品!我们致力于为您提供多种支持,确保您在使用我们的产品时获得尽可能顺畅的体验。我们提供多种沟通渠道,以满足不同的偏好和需求。

Loading Comments...