YOLOv10

Schnellstart

1. Docker installieren

Führen Sie auf dem Entwicklungsboard die folgenden Befehle aus, um Docker zu installieren:

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
# Aliyun
sudo sh get-docker.sh --mirror Aliyun
# systemd
sudo systemctl enable docker
sudo systemctl start docker

2. Projekt ausführen (ein Befehl, Vorschau in zwei Modi)

Diese RKNN-Bereitstellung stammt aus den YOLOv10-Modulen in reComputer-RK-CV. Sie implementiert die zweistufige End-to-End-Top-K-Nachverarbeitung ohne NMS.

Modellinformationen

Schritt A: Images abrufen

sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov10:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov10:latest

Schritt B: Mit einem Klick ausführen

Für RK3576:

sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov10:latest \
  python3 web_detection.py --platform rk3576 \
  --model_path model/yolov10n.rknn --video_path video/test.mp4

Für RK3588:

sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov10:latest \
  python3 web_detection.py --platform rk3588 \
  --model_path model/yolov10n.rknn --video_path video/test.mp4

Wählen Sie YOLOv10s mit --model_path model/yolov10s.rknn. Ersetzen Sie für reinen Uploadbetrieb das Videoargument durch --camera_id -1.

🔌 API-Dokumentation

1. Modellinferenz-Schnittstelle (Predict)

Endpunkt: POST /api/models/yolov10/predict

Anfrageparameter (Multipart/Form-Data):

Verfügbar sind file, video, timestamp, realtime, conf und iou; die Standardschwellen sind 0.25 und 0.45.

Anwendungsbeispiele:

curl -X POST "http://<BOARD_IP>:8000/api/models/yolov10/predict" \
  -F "file=@bus.jpg" -F "conf=0.25"

Beispielantwort:

Antwortformat (JSON):

{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.91,
      "box": {"x1": 100, "y1": 120, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

2. Schnittstelle zur Systemkonfiguration (Config)

Die API akzeptiert iou zur Kompatibilität mit dem Standarddienst, nutzt es aber nicht in der NMS-freien YOLOv10-Nachverarbeitung. Die globale Konfidenz aus GET/POST /api/config gilt für Vorschau und Offlineanalyse.

Der Dienst bietet außerdem Zustands-, MJPEG-, Upload-, asynchrone Analyse-, Status-, Listen- und Download-Endpunkte. Dateien werden standardmäßig unter workspace/ geschrieben. Ein Ersatzmodell muss Eingabegröße und Ausgabetensoren des NMS-freien Decoders in web_detection.py beibehalten.

3. Befehlszeilenargumente

Echtzeit-Videostream (Video Feed)

Rufen Sie den neuesten annotierten MJPEG-Stream für die Browservorschau ab:

• Endpunkt: GET /api/video_feed
• Beispiel: <img src="http://<BOARD_IP>:8000/api/video_feed">

🛠️ Entwicklerleitfaden (Empfehlungen für den Produktionseinsatz)

Lokal bauen

docker build -f docker/rk3576/yolov10.dockerfile \
  -t rk3576-yolov10:local src/rk3576_yolov10

docker build -f docker/rk3588/yolov10.dockerfile \
  -t rk3588-yolov10:local src/rk3588_yolov10