边缘AI开发，从一块板子开始

边缘计算与AI视觉的融合正在重塑无数行业——从智能安防到工业质检，从自动驾驶到智慧零售。而在边缘端部署AI模型，核心痛点无非两个：算力够不够，以及开发门槛高不高。

瑞芯微RK3576的6TOPS NPU给出了算力答案，而迅为iTOP-RK3576开发板则试图解决第二个问题。今天这篇文章，就手把手带大家走一遍完整的YOLOv8部署流程。

硬件平台：迅为iTOP-RK3576开发板（四核Cortex-A72 + 四核Cortex-A53，6TOPS NPU）
 

7.9 yolov8 目标检测 

编译好的 yolov8 例程已经放在了“iTOP-3576 开发板\02_【iTOP-RK3576 开发板】开发资料\05_NPU例程测试配套资料\09_支持USB摄像头的NPU例程\08_rknn_yolov8_demo”目录下， 如下图所示：

将该文件拷贝到开发板上，并解压，解压完成如下图所示：

然后进入该文件夹，使用以下命令运行可执行文件，实现图片的位置和种类识别，如下图 

所示： 

export LD_LIBRARY_PATH=./lib 

./rknn_yolov8_demo model/yolov8.rknn /dev/video25

最后会在桌面上显示推理之后的摄像头显示图像，如下图所示：

推理原视频如下所示：

可以看到不同的物体就被识别和标注出来，证明模型推理成功。

迅为iTOP-RK3576开发板的6TOPS算力足以支撑YOLOv8模型的实时推理，配合完善的外设接口（双千兆网口、PCIe、CAN总线等），是边缘AI视觉项目从原型验证到小批量产的高性价比选择。