A_l_b_ert的博客

小白博主，第一次写博客记录自己YOLOv8n部署RK3588开发板的全流程，记录下踩的所有坑，欢迎交流。本篇主要参考博主@山水无移-ZhangQian的文章，如有需要，可自行查看参考。欢迎各位小伙伴评论交流。

近期需要做一个针对图像目标检测的模型，并部署到RK3588公版的开发板上，可选择的有YOLOv5、YOLOv8、YOLOv10、YOLO11、YOLOv5等，其他算法都已经部署过了，目前还没有部署过YOLOv7，因此准备出一篇YOLOv,7的全流程部署教程，以此文记录，相互学习，诸君共勉。

近期需要做一个针对图像目标检测的模型，并部署到RK3588公版的开发板上，可选择的有YOLOv5、YOLOv8、YOLOv10、YOLO11等，其他算法都已经部署过了，博主其实最早接触到的算法就是YOLOv5，但后续新YOLO算法层出不穷，大家也都转向了YOLOv8、11等算法，也就冷落了YOLOv5，但仍不能否认其价值，因此准备出一篇YOLOv5的全流程部署教程，以此文记录，相互学习，诸君共勉。

最近清华发布了不需要NMS的YOLO检测算法：YOLOv10，感觉挺新奇，准备尝试一下，并部署到国产RK3588开发板测试下效果。此前博主已经发布过YOLOv8n的相关内容，，其实具体实现方法都是差不多的，所以内容直接从YOLOv8中copy过来，具体不同细节再详细论述。

最近，原YOLOv8团队发布了新的检测算法：YOLO11，算是和YOLOv10前后脚了，v10最大的特点是去除了NMS处理，YOLO11的亮点则是采用了全新的C3k2模块与C2PSA层，因此想从模型训练开始试试其最终部署效果，以下为正文。

之前博主发布过YOLOv8转RKNN模型并在开发板上部署的流程，但是遇到了许多问题，发现很难修补，遂决定在官方项目下进行模型转换与部署（之前的转换是在Github个人博主的项目下进行的）OK，进入正题，模型转换需要以下工具：ultralytics_yolov8、rknn_model_zoo、rknn-toolkit2，现在详细介绍这三者的关系。以上三个文件均与模型训练无关，而是用于模型转换的，其中，ultralytics_yolov8文件不是必需的，但最好还是下载一份，原因后面会讲；。