什么是YOLO？RK3568+YOLOv5是如何实现物体识别的？一起来了解一下！

一、产品简介

TL3568-PlusTEB人工智能实验箱

国产高性能处理器

64 位 4 核低功耗

2.0 GHz超高主频

1T 超高算力 NPU

兼容鸿蒙等国产操作系统

二、实验目的

1、了解YOLOv5模型的用途及流程；

2、掌握基于YOLOV5算法实现物体识别的方法。

三、实验原理

YOLO

YOLO（You Only Look Once ）v5 是一种非常流行的实时目标检测模型，它提供了出色的性能和精度。YOLOv5可以分为三个部分，分别是：

主干特征提取网络(Backbone)

加强特征提取网络(FPN)

分类器与回归器(Yolo Head)。整个 YOLOv5 网络所作的工作就是

特征提取-特征加强-预测特征点对应的物体情况。

YOLOv5目标检测流程

YOLOv5 开发流程如下：

安装 YOLOv5 和相关依赖

确保安装了所有必要的依赖。这通常包括 torch、torchvision 和 opencv-python。

下载预训练模型

YOLOv5 提供了多个预训练模型，可以从官方仓库或相关资源中下载。

编写 Python 脚本进行目标检测

编写一个 Python 脚本来加载模型并对图像或视频进行目标检测。

四、实验设备

实验软件

本实验中使用的软件为.VMware17+Ubuntu18.04.4 和串口调试工具Xshell。

实验硬件

本实验中使用的是TL3568-PlusTEB实验箱，所需的配件为Micro SD卡、Type-C线、电源和网线。

五、实验步骤

硬件连接

（1）将Ubuntu系统启动卡插至Micro SD卡槽。

（2）使用Type-C线连接USB TO UART2调试串口到PC机。

（3）将实验箱ETH0 RGMII网口（COM21）通过网线连接至路由器。

（4）连接实验箱电源，先不要上电。

软件操作

（1）先在设备管理器查看串口的端口号；

（2）再设置串口调试工具，波特率设置为1500000，点击连接，在Xshell调试终端会显示连接成功。

（3）连接成功后，拨动实验箱的电源开关，将实验箱上电。

（4）系统启动成功后，输入账户密码登录即可（账密均为：tronlong）

（5）登录成功后，查询实验箱的网口地址。

拷贝文件

我们先打开Ubuntu，将Demo文件夹拷贝到RK3568目录下。

"Ctrl+Alt+T"打开控制台，执行命令将文件拷贝至实验箱文件系统（根据实验箱实际IP地址修改命令）。

运行程序

在串口调试窗口执行命令，启动开发环境

在网页输入地址，即可打开登录界面 （根据实际IP地址修改网页地址）。

输入密码：tronlong，登录。

在程序目录，双击打开程序，点击重新运行程序。

等待右上角的进度饼图变白，程序运行完成。

在程序最下方，会显示运行结果。程序对2张图片进行识别，会在蓝框上方标注识别的结果和识别率。