Skip to main content

在搭载 Hailo-8L 的 reComputer R 系列上进行 YOLOv8 目标检测

介绍​

YOLOv8（You Only Look Once 第 8 版）是 YOLO 系列中最流行的一款实时目标检测模型。它在前代模型优势的基础上，在速度、精度和灵活性方面引入了多项改进。Raspberry-pi-AI-kit 用于加速推理速度，内置基于 Hailo-8L 芯片的 13 TOPS 神经网络推理加速器。

本维基演示了在 R 系列上使用和不使用 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，并释放其在人工智能和机器学习应用中的潜力，例如智慧零售、智慧交通等。尽管 Raspberry AI Kit 是为 Raspberry Pi 5 设计的，我们已经在基于 CM4 的边缘网关上进行了实验。非常期待将我们的边缘设备变成智能物联网网关！

准备硬件​

reComputer r1000Raspberry Pi AI Kit
立即获取 🖱️
立即获取 🖱️
reComputer AI Industrial R2100reComputer Industrial R20xxreComputer Industrial R21xxreComputer AI R2100
立即获取 🖱️
立即获取 🖱️
立即获取 🖱️
立即获取 🖱️

运行本项目​

步骤 1：安装 AI kit​

如果你使用的是内置 AI 加速的 R2000 系列设备，可以跳过此步骤。

pir

步骤 2：更新系统并将 pcie 设置为 gen3​

更新系统​

在 reComputer R1000 上打开终端，输入如下命令来更新系统。

sudo apt update
sudo apt full-upgrade

将 pcie 设置为 gen3​

在 reComputer R1000 上打开终端，输入如下命令来配置 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 "Yes" 以启用 PCIe Gen 3 模式

pir

点击 "Finish" 退出

pir

步骤 3：安装 Hailo 软件并验证安装​

安装 Hailo 软件​

在 reComputer R1000 上打开终端，输入如下命令来安装 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，输入如下命令来检查是否已安装 hailo-all。

hailortcli fw-control identify

正确的结果如下所示：

pir

在 reComputer R1000 上打开终端，输入如下命令来检查是否已连接 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，输入如下命令来运行 YOLOv8。

注意：运行时必须通过 HDMI 线连接外接显示器，否则可视化界面将无法加载。

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

注意​

如果你是通过 SSH 或其他方式进行远程连接且没有可用的外接显示器，可以修改代码中的图像渲染方式，使可视化界面在不依赖外接显示器的情况下完成渲染。

打开推理代码文件 object-detection-hailo.py，修改第 165 行，并将整行替换为以下代码：

        pipeline_string += f"fpsdisplaysink video-sink=ximagesink name=hailo_display sync={self.sync} text-overlay={self.options_menu.show_fps} signal-fps-measurements=true "

结果​

我们对使用 AI kit 加速前后，在输入分辨率为 640*640 时 YOLOv8 进行目标检测的推理速度进行了对比。结果显示，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，我们对比测试了在有和没有 AI 套件的情况下，YOLOv8 在目标检测任务中的运行速度。结果表明，AI 套件可以大幅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，包括在加速后的语义分割和姿态估计 AI 套件中的表现。

技术支持与产品讨论​

感谢您选择我们的产品！我们将为您提供多种支持，确保您在使用我们产品的过程中尽可能顺畅。我们提供多种沟通渠道，以满足不同的偏好和需求。

Loading Comments...