RK3562J正式支持NPU，性价比再提升！

RK3562J是瑞芯微最新推出的一款超高性价比工业处理器，四核Cortex-A53@1.8GHz + Cortex-M0@200MHz异构多核架构，并支持十路UART、两路CAN、两路网口、三种显示、双路Camera等，外设接口资源十分丰富，是RK3568J处理器降成本、降功耗的首选平台，在工商业储能EMS、通讯管理机、运动控制器、AGV机器人、车载数据网关等场景被广泛应用。

近期，瑞芯微在RK3562J处理器上正式开放NPU功能，使RK3562J的应用领域进一步拓展到机器视觉、工业相机、目标识别等领域，性价比得到进一步提升。创龙科技RK3562核心板（商业级）含税价格一片起仅168元，性价比还是蛮高的，并且此平台目前已被超过500家工业客户选用，得到了用户的广泛好评。

RK3562J NPU简介

瑞芯微RK3562J是一款超高性价比国产工业级处理器，内置超强算力NPU，算力高达1TOPS，能够实现高效的神经网络推理计算。RK3562J的NPU支持多种数据类型，包括INT4、INT8、INT16、FP16等，兼容TensorFlow、PyTorch、Caffe、MXNet等深度学习框架，能够为开发者提供丰富的工具和库，使他们能够方便地进行模型训练和推理，可轻松应对各种大数据运算场景。

RK3562J NPU开发流程

第一步：模型训练

首先需要收集并准备训练数据，选择适合的深度学习框架（如TensorFlow、PyTorch、Keras等）训练模型或使用官方提供的模型。

第二步：模型转换

完成模型训练后，使用RKNN-Toolkit2将预训练模型转换为RK3562J NPU可使用的RKNN模型。这通常涉及到将模型中的计算图进行适当的修改和优化，以适应NPU的硬件架构和指令集。

第三步：应用开发

基于RKNN API开发应用程序。开发阶段需要根据具体需求，将转换后的模型集成到应用程序中。

图 3

RK3562J NPU开发案例

本文主要介绍基于RK3562J的NPU开发案例，适用开发环境如下。

Windows开发环境：Windows 7 64bit、Windows 10 64bit

虚拟机：VMware16.2.5

开发环境：Ubuntu20.04.6 64bit

U-Boot：U-Boot-2017.09

Kernel：Linux-5.10.198

LinuxSDK：LinuxSDK-[版本号]（基于RK3562_LINUX_SDK_RELEASE_V1.1.0_20231220）

硬件平台：创龙科技TL3562-EVM工业评估板（基于RK3562J）

为了简化描述，本文仅摘录部分方案功能描述与测试结果，详细产品资料可以通过公众号（Tronlong创龙科技）下载。

案例说明

案例基于RKNN API实现对图片中目标对象的识别，并将识别结果以加水印的方式添加至图像，然后保存成图片文件。案例进行10次循环测试，统计出推理的平均处理耗时。

程序处理流程图如下：

图 4

案例演示

通过网线将评估板千兆网口ETH0 RGMII连接至路由器。

图 5

在可执行文件所在目录，执行如下命令，对图片bus.jpg目标对象进行模型推理。

备注：模型运行的时间会有抖动。

Target#./yolov5_object_detect yolov5s-640-640_rk3562.rknn bus.jpg

图 6

从输出信息可知，本案例程序识别出测试图片bus.jpg中包含person、car、bus、truck对象，运行1次模型耗时约为70.18ms；循环运行10次模型平均耗时约为54.56ms。

案例程序对测试图片bus.jpg的目标对象标记成功后将输出标记图片out.jpg至当前目录，将out.jpg文件拷贝至Windows下，并使用PC端相关软件对比查看bus.jpg与out.jpg，结果如下所示。

图 7 bus.jpg 图 8 out.jpg

不难看出，图8的案例程序是能够清晰准确地框选出人物、汽车、巴士、卡车，同时显示person、car、bus、truck文字标签和置信度，标记出对象的数量等信息。

到这里，简单的NPU开发演示案例就结束了，想要查看更多RK3562J相关的案例演示，欢迎各位工程师关注公众号（Tronlong创龙科技）并下载，快来试试吧！

审核编辑 黄宇