AI模型部署指南

1. 模型部署概要

本文档说明如何将 YOLOv5 模型部署到 RK1126B 开发板，并在开发板上运行演示程序。本模型是用于示例的简易训练模型，不保证实际识别精度。

2. 准备工作

请准备开发板、连接线缆、网络连接以及 PC 端编译环境。

可使用 MobaXterm 等工具通过 SSH 远程登录或串口调试，在开发板上进行操作。

2.1 硬件准备

请准备 RV1126B 开发板、Type-C 线缆和 LAN 网线。将千兆以太网端口连接到路由器或交换机，并根据需要连接串口。

网络连接：

串口连接：

2.2 开发环境准备

首次执行本步骤时，请按照入门指南搭建 RV1126B 编译环境。在 PC 端 Ubuntu 环境中执行 run 脚本，进入编译环境。

cd ~/develop_environment
./run.sh 2204

如果通过有线 LAN 与开发板连接（本手册需要在开发板上执行程序），请确认开发板的 IP 地址。

开发板 IP 地址：192.168.11.85

load_rootfs 192.168.11.85

developer@easyeai-compiler-2204:/opt/linuxshare/work/rv1126b/jp/AI/demo/yolov5_detect_C_demo$ ls /mnt
bin boot dev etc freq_set_status home lib lost+found media mnt oem opt proc root run sbin srv sys tmp userdata usr var

如果不连接开发板，请挂载用于写入的 rootfs.img。

写入用固件下载链接：

https://dl.dragonwake.com/download/rv1126b/embedded/images/CSUN-RV1126B_gstreamer-Ubuntu22.04-firmware_20260110.7z

解压后，可以看到 rockdev/rootfs.img 镜像文件。

developer@easyeai-compiler-2204:/opt/linuxshare/work/rv1126b/jp/embedded/images/CSUN-RV1126B_gstreamer-Ubuntu22.04-firmware_20260110/rockdev$ load_rootfs rootfs.img

3. 源代码编译

下载 YOLOv5 C Demo 示例文件，移动到 Ubuntu 环境并解压。解压后，在 RK1126B 编译环境中进入对应目录，执行构建脚本。

YOLOv5 Demo 下载链接：

https://dl.dragonwake.com/download/rv1126b/AI/demo/yolov5_detect_C_demo.tar.bz2

cd /opt/linuxshare/work/rv1126b/jp/AI/demo
tar -xvf yolov5_detect_C_demo.tar.bz2
cd yolov5_detect_C_demo
./build.sh
cp yolov5_detect_demo_release/ /mnt/userdata/ -rf

注意

编译时，相关依赖库位于开发板 OS 侧。请参考入门指南，将 rootfs.img 挂载到 /mnt。如果没有完成挂载，编译时会出现错误。

4. 在开发板上运行 YOLOv5 Demo

通过串口或 SSH 登录开发板，进入演示程序所在目录。赋予执行权限后运行演示程序。执行完成后，会生成检测结果图像 result.jpg。

cd /userdata/yolov5_detect_demo_release/
chmod 777 yolov5_detect_demo
sudo ./yolov5_detect_demo

通过 SSH 使用 MobaXterm 登录开发板后的执行结果如下图所示。算法执行时间为 49 ms。

在 PC Ubuntu 的 RV1126B Docker 开发环境中确认测试结果图像。

1. 将测试图像从开发板取回到 Docker 开发环境。

cp /mnt/userdata/yolov5_detect_demo_release/result.jpg .

2. 测试结果如下图所示。