在全志R329 板子上跑mobilenetv2的流程介绍

1、opencv 交叉编译

R329 是 aarch64 的，所以用到的 opencv 也需要交叉编译，完了把头和库拷到板子上，板子上的文件传输可以采用 scp，scp 的使用方法类似这样：

2、板子跑 opencv 抓图

写这个模块，主要目的是用简单的 opencv 工程验证下板子的摄像头是否正常。

2.1 工程目录结构

搭建cmake工程，结构如下：

2.2 CMakeLists.txt

2.3 main.cpp

2.4 aarch64-linux-gnu.toolchain.cmake

2.5 编译

完了把编译生成的可执行程序用 scp 拷贝到 板子上

在开发板上运行程序：

 正常会生成一张 test.png 的图片，这是你板子摄像头现拍的图像。

3、板子跑 mobilenetv2 检测

3.1 转换 mobilenetv2 模型

 此步骤是为了将深度学习训练框架（前端）产生的模型（支持 tensorflow pb、tflite、caffemodel、onnx），选择还是挺多的，我这里用的是 tflite 来转换板子可支持运行的模型格式。

转换方法还是可参考这篇 《【嵌入式AI】周易 AIPU 算法部署仿真测试》，这篇里写的前端是来自 tensorflow 的，相比 from_tensorflow，from_tflite 的过程少了模型 export 和 freeze 的过程，所以相对简单一些。

模型转换的关键是 model_build.cfg 配置文件，这里给出 modilenetv2 的 mobilenetv2_build.config。

 然后执行：

正常情况会生成 aipu.bin 模型文件，这个文件是后面板子上执行的时候调用的。多说一句，个人理解这个 aipu.bin 里面应该是记录了模型的推理执行 flow，就像 tensorrt 的 engine 一样，不知道理解是否有问题。

3.2 zhouyi_cam 交叉编译

交叉编译 zhouyi_cam，工程代码在这里 ，工具链在这里，提取码都是：6666。

把工程 和 工具链 下载下来后，交叉编译很简单。

需要改 CMakeList.txt 里的几个地方：

开始编译吧

大功告成后会生成 zhouyi_demo，将其和 3.1 生成的 aipu.bin 拷贝到板子上。

3.3 mobilenetv2 跑起来

目光转到板子上。

差不多可以跑 20 帧，接近实时了~


审核编辑：刘清