【工作内容】
1. 在PC端使用RKNN Toolkit2将YOLOv8n模型从PyTorch格式转换为RKNN格式(.pt → .onnx → .rknn)
2. 执行INT8量化,使用校准集进行量化校准
3. 在RK3588开发板上实现单路1080P摄像头的实时推理
4. 输出可运行的推理Demo程序
【技术要求】
- 硬件平台:RK3588开发板(香橙派5/5B、Radxa Rock 5B或等同)
- 软件环境:RKNN Toolkit2 v2.3.2,Ubuntu 20.04/22.04
- 模型:YOLOv8n,输入640×640
- 量化方式:INT8
【验收标准】
1. ✅ YOLOv8n INT8量化后在RK3588上单路1080P摄像头实时推理 FPS ≥ 30(参考行业标准:RK3588上YOLOv8n INT8量化整机实测稳定45帧左右 )
2. ✅ INT8量化精度损失 ≤ 2%(mAP@0.5下降不超过2%)
3. ✅ 提供完整源代码、模型转换脚本、.rknn模型文件
4. ✅ 提供技术文档(环境搭建、编译、部署步骤)
5. ✅ 连续运行24小时无内存泄漏
【交付物】
- 完整的模型转换脚本(PT→ONNX→RKNN)
- 校准集(100-200张图片)
- .rknn模型文件
- 板端推理Python源码
- 技术文档
基于第一阶段的RK3588+YOLOv8技术验证成果,现需进行工程化封装,形成可产品化的工业安全视觉系统。
【工作内容】
1. 基于第一阶段验证通过的模型,进行C++工程化封装
2. 封装为C++动态库(.so),提供C接口供上位机(C#)调用
3. 实现多线程流水线:图像采集 → 预处理 → NPU推理 → 后处理 → 结果输出
4. 实现双RK3588异构冗余架构,满足ISO 13849 PL d Cat 3要求的交叉校验
5. INT8量化精度调优,确保精度损失 ≤ 2%
6. 提供Modbus TCP协议接口,输出检测结果给PLC
【技术要求】
- 硬件平台:双RK3588开发板
- 软件环境:RKNN Toolkit2 v2.3.2,C++ API,aarch64交叉编译工具链
- 模型:YOLOv8n/s,INT8量化
- 性能要求:单路1080P摄像头推理 FPS ≥ 30
【验收标准】
1. ✅ C++动态库(.so)提供标准C接口
2. ✅ 单路1080P实时推理FPS ≥ 30
3. ✅ INT8量化精度损失 ≤ 2%
4. ✅ 双板交叉校验架构实现,单板故障不影响系统安全输出
5. ✅ 连续运行72小时无内存泄漏、无崩溃
6. ✅ 提供Modbus TCP接口,输出标准检测结果JSON
7. ✅ 提供完整C++源码、CMake工程、技术文档
8. ✅ 提供2小时技术移交会议(面向我司上位机工程师)
【交付物清单】
- 完整C++工程源码(CMake构建)
- 编译好的动态库文件(.so)
- C接口头文件
- .rknn模型文件
- 模型转换脚本(全链路)
- INT8量化校准集(100-200张图片)
- 技术文档(环境搭建、编译、部署、API说明、架构设计)
- 双板冗余架构设计方案