hhh__xmr__的博客

第二章节通过我们的不断训练，在模型训练完成后，将 ONNX 模型转换为RKNN模型（ RKNN 模型已经被编译进了 pt 权重文件），RKNN 模型是设备运行的最终模型文件，用于最新图片推理。本人的设备是一个基于嵌入式 Linux 系统的开发板（ MYIR 核心模块），以下是设备的具体信息：NAME=（轻量级嵌入式 Linux 生成工具）那么在 RK3568 设备上如何使用 RKNN 模型来推理验证新的图片或者视频呢？

上一篇文章我们已经部署了环境，接下来我们就要开始进行模型训练了自定义训练。

最近在研究车辆老化测试，发现在检测过程中强依赖于人工记录，所以为了我想到使用来分析车辆老化测试（如开关车门）和车座舱域变化（如座椅调整、内饰件装配、车机页面变化）：YOLOv5 是一种单阶段目标检测算法，推理速度快（在嵌入式设备上可达 30 FPS），能够实时监控车门开关状态或座舱内物体变化。：传统人工检查效率低且易疲劳，YOLOv5 可自动识别车门是否完全闭合、座椅位置是否正确，提高检测一致性。：YOLOv5 结合数据增强（如直方图均衡化）可应对老化测试中不同光照条件下的检测需求。