|
RK3562J是瑞芯微最新推出的一款超高性價比工業處理器，四核Cortex-A53@1.8GHz + Cortex-M0@200MHz異構多核架構，并支持十路UART、兩路CAN、兩路網口、三種顯示、雙路Camera等，外設接口資源十分豐富，是RK3568J處理器降成本、降功耗的首選平臺，在工商業儲能EMS、通訊管理機、運動控制器、AGV機器人、車載數據網關等場景被廣泛應用。 近期，瑞芯微在RK3562J處理器上正式開放NPU功能，使RK3562J的應用領域進一步拓展到機器視覺、工業相機、目標識別等領域，性價比得到進一步提升。創龍科技RK3562核心板（商業級）含稅價格一片起僅168元，性價比還是蠻高的，并且此平臺目前已被超過500家工業客戶選用，得到了用戶的廣泛好評。RK3562J NPU簡介 瑞芯微RK3562J是一款超高性價比國產工業級處理器，內置超強算力NPU，算力高達1TOPS，能夠實現高效的神經網絡推理計算。RK3562J的NPU支持多種數據類型，包括INT4、INT8、INT16、FP16等，兼容TensorFlow、PyTorch、Caffe、MXNet等深度學習框架，能夠為開發者提供豐富的工具和庫，使他們能夠方便地進行模型訓練和推理，可輕松應對各種大數據運算場景。 圖 1 RK3562J 典型應用場景 圖 2 RK3562J NPU開發流程 第一步：模型訓練 首先需要收集并準備訓練數據，選擇適合的深度學習框架（如TensorFlow、PyTorch、Keras等）訓練模型或使用官方提供的模型。 第二步：模型轉換 完成模型訓練后，使用RKNN-Toolkit2將預訓練模型轉換為RK3562J NPU可使用的RKNN模型。這通常涉及到將模型中的計算圖進行適當的修改和優化，以適應NPU的硬件架構和指令集。 第三步：應用開發 基于RKNN API開發應用程序。開發階段需要根據具體需求，將轉換后的模型集成到應用程序中。 圖 3 RK3562J NPU開發案例 本文主要介紹基于RK3562J的NPU開發案例，適用開發環境如下。 Windows開發環境：Windows 7 64bit、Windows 10 64bit 虛擬機：VMware16.2.5 開發環境：Ubuntu20.04.6 64bit U-Boot：U-Boot-2017.09 Kernel：Linux-5.10.198 LinuxSDK：LinuxSDK-[版本號]（基于RK3562_LINUX_SDK_RELEASE_V1.1.0_20231220） 硬件平臺：創龍科技TL3562-EVM工業評估板（基于RK3562J） 為了簡化描述，本文僅摘錄部分方案功能描述與測試結果，詳細產品資料可以通過公眾號（Tronlong創龍科技）下載。 案例說明 案例基于RKNN API實現對圖片中目標對象的識別，并將識別結果以加水印的方式添加至圖像，然后保存成圖片文件。案例進行10次循環測試，統計出推理的平均處理耗時。 程序處理流程圖如下： 圖 4 案例演示通過網線將評估板千兆網口ETH0 RGMII連接至路由器。 圖 5 在可執行文件所在目錄，執行如下命令，對圖片bus.jpg目標對象進行模型推理。備注：模型運行的時間會有抖動。 Target#./yolov5_object_detect yolov5s-640-640_rk3562.rknn bus.jpg 圖 6 從輸出信息可知，本案例程序識別出測試圖片bus.jpg中包含person、car、bus、truck對象，運行1次模型耗時約為70.18ms；循環運行10次模型平均耗時約為54.56ms。案例程序對測試圖片bus.jpg的目標對象標記成功后將輸出標記圖片out.jpg至當前目錄，將out.jpg文件拷貝至Windows下，并使用PC端相關軟件對比查看bus.jpg與out.jpg，結果如下所示。 圖 7 bus.jpg 圖 8 out.jpg 不難看出，圖8的案例程序是能夠清晰準確地框選出人物、汽車、巴士、卡車，同時顯示person、car、bus、truck文字標簽和置信度，標記出對象的數量等信息。到這里，簡單的NPU開發演示案例就結束了，想要查看更多RK3562J相關的案例演示，歡迎各位工程師關注公眾號（Tronlong創龍科技）并下載，快來試試吧！ |
