Skip to main content

reComputer-RK上でのYOLOv11による物体検出

このプロジェクトは、Rockchipシリーズ開発ボード（RK3588 および RK3576）向けに、産業グレードで高性能なコンピュータビジョン（CV）アプリケーションソリューションを提供します。YOLOv11物体検出モデルを深く統合し、NPUアクセラレーションを活用することで、低レイテンシかつ高フレームレートのリアルタイム推論を実現します。

プロジェクト構成​

本プロジェクトは、RKNN-Toolkit2 の特定ドライバおよびランタイム要件を管理するため、プラットフォーム別に構成されています：

reComputer-RK-CV/
├── docker/                 # Environment setup files
│   ├── rk3576/             # Dockerfile for RK3576 (rknn-rt 2.1.0+)
│   └── rk3588/             # Dockerfile for RK3588 (rknn-rt 2.1.0+)
├── src/                    # Implementation logic
│   ├── rk3576/             # RK3576 source, models, and dependencies
│   └── rk3588/             # RK3588 source, models, and dependencies
└── .github/workflows/      # CI/CD for automated image building

ハードウェア互換性​

両方のチップは 6 TOPS のNPU性能を備えていますが、Docker 内で異なるハードウェアパスのマッピングが必要です。

プラットフォームSoCNPUノード推奨カメライメージタグ
RK3588RK3588/RK3588S/dev/dri/renderD129/dev/video1rk3588-yolo
RK3576RK3576/dev/dri/renderD128/dev/video0rk3576-yolo

はじめに​

Docker のインストール​

ボード上に標準の Docker エンジンをインストールします：

curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo systemctl enable --now docker

X11 フォワーディング（任意）​

ボードに直接接続されたモニタ上で検出ウィンドウを表示するには：

xhost +local:docker

検出プロジェクトの実行​

このアプリケーションには自動検出機能があります。ディスプレイが見つからない場合、自動的に MJPEG ストリームを起動し、ブラウザからアクセスできるようにします。

reComputer RK3588 の場合：​

sudo docker run --rm --privileged --net=host \
    -e DISPLAY=$DISPLAY \
    -v /tmp/.X11-unix:/tmp/.X11-unix \
    -e PYTHONUNBUFFERED=1 \
    --device /dev/video1:/dev/video1 \
    --device /dev/dri/renderD129:/dev/dri/renderD129 \
    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
    ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolo:latest \
    python web_detection.py --model_path model/yolo11n.rknn --camera_id 1

reComputer RK3576 の場合：​

sudo docker run --rm --privileged --net=host \
    -e DISPLAY=$DISPLAY \
    -v /tmp/.X11-unix:/tmp/.X11-unix \
    -e PYTHONUNBUFFERED=1 \
    --device /dev/video0:/dev/video0 \
    --device /dev/dri/renderD128:/dev/dri/renderD128 \
    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
    ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolo:latest \
    python web_detection.py --model_path model/yolo11n.rknn --camera_id 0

Web 連携とリアルタイムストリーミング​

このプロジェクトには、Ultralytics 標準と互換性のある RESTful API が含まれており、http://<Board_IP>:8000. からアクセスできます。

  • リアルタイム動画フィード： /api/video_feed にアクセスします。HTML に直接埋め込むことができます：
<img src="http://<IP>:8000/api/video_feed">.
  • 静止画像推論：
curl -X POST "http://localhost:8000/api/models/yolo11/predict" -F "file=@/home/user/test.jpg"
  • 動的設定：
# Modify confidence threshold without restarting
curl -X POST "http://localhost:8000/api/config" -d '{"obj_thresh": 0.5}'

開発者ガイド​

カスタムモデルのデプロイ​

  1. 変換済みの .rknn モデルをホスト側ディレクトリに配置します。
  2. クラス設定ファイル class_config.txt（例："person"、"car"）を作成します。
  3. -v でマウントし、起動コマンド内でパスを指定します：
sudo docker run ... \
    -v $(pwd)/my_model.rknn:/app/model/my_model.rknn \
    -v $(pwd)/class_config.txt:/app/class_config.txt \
    ... \
    python web_detection.py --model_path model/my_model.rknn --class_path class_config.txt

CLI 引数リファレンス​

web_detection.py は以下のパラメータをサポートします：

引数説明デフォルト
--model_pathRKNN モデルファイルへのパス（必須）
--camera_idカメラ ID（例：/dev/video0 の場合は 0）1
--class_pathカスタムクラス設定ファイルへのパスNone（デフォルトは COCO 80）
--portWeb サーバのポート8000

デモ動画​

Seeed の今後発売予定の Rockchip RK3576 Dev Kit の最新 EVT サンプル上で YOLOv11 が動作している様子をご覧ください：

技術サポートと製品ディスカッション​

弊社製品をお選びいただきありがとうございます。私たちは、製品をできるだけスムーズにご利用いただけるよう、さまざまなサポートを提供しています。お好みやニーズに応じてお選びいただけるよう、複数のコミュニケーションチャネルを用意しています。

Loading Comments...