一、產品簡介

TL3568-PlusTEB人工智能實驗箱

國產高性能處理器

64 位 4 核低功耗

2.0 GHz超高主頻

1T 超高算力 NPU

兼容鴻蒙等國產操作系統(tǒng)

二、實驗目的

1、了解YOLOv5模型的用途及流程；

2、掌握基于YOLOV5算法實現物體識別的方法。

三、實驗原理

YOLO

YOLO（You Only Look Once ）v5 是一種非常流行的實時目標檢測模型，它提供了出色的性能和精度。YOLOv5可以分為三個部分，分別是：

主干特征提取網絡(Backbone)

加強特征提取網絡(FPN)

分類器與回歸器(Yolo Head)。整個 YOLOv5 網絡所作的工作就是

特征提取-特征加強-預測特征點對應的物體情況。

YOLOv5目標檢測流程

YOLOv5 開發(fā)流程如下：

安裝 YOLOv5 和相關依賴

確保安裝了所有必要的依賴。這通常包括 torch、torchvision 和 opencv-python。

下載預訓練模型

YOLOv5 提供了多個預訓練模型，可以從官方倉庫或相關資源中下載。

編寫 Python 腳本進行目標檢測

編寫一個 Python 腳本來加載模型并對圖像或視頻進行目標檢測。

四、實驗設備

實驗軟件

本實驗中使用的軟件為.VMware17+Ubuntu18.04.4 和串口調試工具Xshell。

實驗硬件

本實驗中使用的是TL3568-PlusTEB實驗箱，所需的配件為Micro SD卡、Type-C線、電源和網線。

五、實驗步驟

硬件連接

（1）將Ubuntu系統(tǒng)啟動卡插至Micro SD卡槽。

（2）使用Type-C線連接USB TO UART2調試串口到PC機。

（3）將實驗箱ETH0 RGMII網口（COM21）通過網線連接至路由器。

（4）連接實驗箱電源，先不要上電。

軟件操作

（1）先在設備管理器查看串口的端口號；

（2）再設置串口調試工具，波特率設置為1500000，點擊連接，在Xshell調試終端會顯示連接成功。

（3）連接成功后，撥動實驗箱的電源開關，將實驗箱上電。

（4）系統(tǒng)啟動成功后，輸入賬戶密碼登錄即可（賬密均為：tronlong）

（5）登錄成功后，查詢實驗箱的網口地址。

拷貝文件

我們先打開Ubuntu，將Demo文件夾拷貝到RK3568目錄下。

"Ctrl+Alt+T"打開控制臺，執(zhí)行命令將文件拷貝至實驗箱文件系統(tǒng)（根據實驗箱實際IP地址修改命令）。

運行程序

在串口調試窗口執(zhí)行命令，啟動開發(fā)環(huán)境

在網頁輸入地址，即可打開登錄界面 （根據實際IP地址修改網頁地址）。

輸入密碼：tronlong，登錄。

在程序目錄，雙擊打開程序，點擊重新運行程序。

等待右上角的進度餅圖變白，程序運行完成。

在程序最下方，會顯示運行結果。程序對2張圖片進行識別，會在藍框上方標注識別的結果和識別率。