yolov5部署rk3588 摄像头

### YOLOv5 部署于 RK3588 设备并集成摄像头教程 #### 准备工作 为了成功部署YOLOv5模型到RK3588开发板，并实现与摄像头的无缝对接，需完成如下准备工作： - 安装Linux操作系统至RK3588设备。建议采用Ubuntu LTS版本以获得更好的兼容性和稳定性[^1]。 - 更新系统软件包列表并通过APT安装必要的依赖项，如`build-essential`, `cmake`, 和其他编译工具链。 #### 环境配置 构建适合YOLOv5运行环境的关键在于设置Python虚拟环境以及安装PyTorch框架及其扩展库torchvision: ```bash sudo apt-y sudo apt install python3-pip virtualenv virtualenv venv --python=python3 source ./venv/bin/activate pip install torch torchvision torchaudio ``` #### 获取YOLOv5源码及预训练权重文件 访问官方GitHub仓库下载最新版YOLOv5项目代码，并获取对应的预训练参数文件用于后续推理测试： ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5/ wget https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt ``` #### 摄像头驱动程序安装与验证 针对RK3588平台特性，可能需要额外加载特定型号USB相机或MIPI接口传感器的支持模块；通过命令行工具检查连接状态确保正常识别外部视频输入源： ```bash ls /dev/video* ffplay /dev/video0 ``` #### 接口编程实例 编写简单的Python脚本读取实时图像帧送入神经网络处理流程中，最后显示检测结果框选目标物体位置坐标信息： ```python import cv2 from pathlib import Path import torch model = torch.hub.load('ultralytics/yolov5', 'custom', path='yolov5s.pt') cap = cv2.VideoCapture(0) while cap.isOpened(): ret, frame = cap.read() results = model(frame) df = results.pandas().xyxy[0] for _, row in df.iterrows(): label = f'{row["name"]} {int(row["confidence"]*100)}%' plot_one_box([row['xmin'], row['ymin'], row['xmax'], row['ymax']], im, color=color, label=label, line_thickness=3) cv2.imshow('YOLOv5 Detection', frame) if cv2.waitKey(10) & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release() ```