メインコンテンツまでスキップ

モデル互換性と出力フォーマット

このページでは、reCamera Pro の NPU（Rockchip RV1126B、3 TOPS、混在 INT8/INT16）上で動作する内容と、推論パイプラインが出力する内容をまとめています。モデルの変換や学習に時間をかける前のクイックチェックとして利用してください。

サポートされるモデル形式​

項目値
デバイス上のモデル形式RKNN (.rknn)、RV1126B 向けにコンパイル
必要なターゲットプラットフォームRKNN-Toolkit2 でビルドする際は target_platform='rv1126b'
変換ツールキットRKNN-Toolkit2 2.3.2、ホスト側（x86_64 Linux または WSL 2、Python 3.6–3.12）
ランタイムの整合性使用する Toolkit のバージョンを、reCamera Pro ファームウェアに同梱されている RKNN Runtime と揃えてください
精度FP16（非量子化のベースライン）および INT8（キャリブレーションデータセットを用いた量子化）
ソース形式ONNX（RKNN-Toolkit2 または SenseCraft 変換経由）；Ultralytics YOLO チェックポイント（.pt）は RKNN へ直接エクスポート可能
  • 変換には rknn-toolkit-lite2 を使用しないでください。これはデバイス側のランタイムライブラリであり、コンバータではありません。
  • 別の Rockchip SoC（例：RK3566/RK3588）向けにビルドされたモデルは、RV1126B 上では動作しません。

変換手順の解説： RKNN-Toolkit2 Conversion（ホスト側、スクリプト対応）および SenseCraft ONNX-to-RKNN（ブラウザベース、コード不要）。

ビルトインおよびテスト済みモデルファミリ​

ファームウェアにはビルトインの検出モデルが同梱されており、Web UI の Model Management リストでは、モデルごとに次の属性が表示されます：

フィールド代表的な値
FrameworkRKNN
AlgorithmYOLO, nanodet
TypeDetection

テスト済み／同梱ユースケースには、人検出、安全ヘルメット検出、建設現場の安全検出、車両検出などが含まれます。

入力コントラクト要件​

ONNX モデルは、変換前に既知かつ静的な入力コントラクトを持っている必要があります。RKNN は (input − mean) / std を 1 回だけ適用します — すでに ONNX グラフ内に正規化が含まれている場合は、恒等値（mean=[0,0,0], std=[1,1,1]）を使用してください。

項目要件
入力形状静的、バッチサイズ 1 推奨（例：[1, 3, 640, 640]）
レイアウトエクスポートされたグラフに合わせて NCHW または NHWC
チャンネル順序RGB と BGR は学習時と一致している必要があります — 入れ替わると精度が大きく低下します
リサイズポリシー伸縮、クロップ、レターボックスのいずれであっても、実行時と完全に一致している必要があります
非サポート演算子ONNX モデルを再エクスポートするか、意味的に同等なサポート済み演算子を使用してください

変換前に Netron や model-inspect を使ってコントラクトを確認してください。詳細とトラブルシューティングは RKNN-Toolkit2 Conversion を参照してください。

カスタムクラスと後処理​

アップロードしたモデルは Web UI で設定します（Upload and Configure an RKNN Model、Configure Detection）：

  • Detection Categories — 出力クラス名を手動で設定するか、TXT ファイルからカテゴリリストを一括インポートします。推論結果には、設定したラベルが表示されます
  • Post-processing parameters — IOU（NMS しきい値）、Confidence（検出しきい値）、max_obj（フレームあたりの最大オブジェクト数）

推論出力フォーマット​

リアルタイム推論出力（Web UI モニタリング、ログ）では、次のフィールドが使用されます：

フィールド説明
timestamp推論結果のタイムスタンプ
task_type現在のタスク種別
class_id検出クラス ID
class_name検出クラス名
score検出の信頼度
bboxバウンディングボックス座標
detection_count現在のフレームで検出されたオブジェクト数

結果は、出力テンプレートとタスク種別を設定したうえで、次の 3 チャネル経由で外部システムへ送信できます：

チャネルガイド
HTTPSend Detection Results over HTTP/UART
UARTSend Detection Results over HTTP/UART
MQTTSend Detection Results over MQTT

録画は、推論結果（カテゴリ、信頼度レンジ、トリガーエリア）によって直接トリガーすることもできます：Configure Event Recording。

ネイティブ（C/C++）推論​

Web UI の外で動作するカスタムアプリケーション向けには、RKNN Runtime C API を通じてモデルをロードします。クロスコンパイル環境のセットアップと最小アプリケーションについては SDK Setup、Native Development を参照してください。C++ テンプレートを用いた AI エージェント支援ワークフローについては Develop with AI Coding Agents を参照してください。

サウンドモデル​

サウンドイベント検出は別のパイプラインを使用します。モデルは Sound Lab（Web UI）で可視化・学習・切り替えが行え、選択したサウンドカテゴリによって録画をトリガーできます。Train a Sound Model および Sound-Triggered Capture を参照してください。

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。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ご用意しています。お好みやニーズに合わせて選べる複数のコミュニケーションチャネルを提供しています。

Loading Comments...