CV / YOLOv10

YOLOv10

reComputer R Series (CM5 + Hailo-8)

YOLOv10n/s/b/x objectdetectiemodellen voor reComputer RK3588/RK3576 (RKNN) en reComputer R Series met Hailo-8 of Hailo-10H.

14 downloads

Grootte

7.36 MB

Geheugen

4GB+

Precisie

RKNN / Hailo HEF

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Platform

Grootte

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm \
  --name cm5-hailo-yolov10n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-r20-cv/yolov10:latest \
  python web_detection.py --model_path model/yolov10n.hef --video_path video/test.mp4

Modeldetails

reComputer R Series (CM5 + Hailo-8)

YOLOv10 op reComputer R Series (CM5 + Hailo)

YOLOv10 objectdetectie-assets en Docker-workflow voor reComputer R Series met Hailo-8.

Deze pagina is gebaseerd op rpi5_hailo8_yolov10/README.md uit reComputer-R20-CV. Het is bedoeld voor de reComputer R Series (CM5 + Hailo) met een PCIe Hailo-8 accelerator.

Hardware- en hostconfiguratie

Item	Waarde
Board	reComputer R Series met Raspberry Pi CM5
Accelerator	Hailo-8 M.2 over PCIe, beschikbaar als `/dev/hailo0`
OS	Raspberry Pi OS Bookworm, aarch64
Host-driver	`hailo-all` apt-pakket
Gevalideerde HailoRT	4.23.x; host-driver, firmware, native library en Python wheel moeten dezelfde major.minor delen

bash

sudo apt update
sudo apt install hailo-all
sudo reboot

# Na herstart
hailortcli fw-control identify
ls /dev/hailo0

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

Uitvoeren met demovideo

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-r20-cv/yolov10:latest \
  python web_detection.py --model_path model/yolov10n.hef --video_path video/test.mp4

Open http://<R20_IP>:8000 om het webvoorbeeld te bekijken. De image bevat de modulebroncode, demovideo, HailoRT Python wheel en de onderstaande HEF-bestanden.

De libhailort.so bind mounts komen bewust van de host. Als jouw firmware niet 4.23.0 is, vervang dan beide paden door de versie die wordt gerapporteerd door hailortcli fw-control identify; herbouw de image als de major.minor-versie afwijkt.

USB-cameramodus

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-r20-cv/yolov10:latest \
  python web_detection.py --model_path model/yolov10n.hef --camera_id 0

Wisselen tussen HEF-varianten

Overschrijf de standaard van de image door een ander --model_path mee te geven:

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-r20-cv/yolov10:latest \
  python web_detection.py --model_path model/yolov10b.hef --video_path video/test.mp4

HEF-bestanden

HEF	Grootte	Opmerkingen
`yolov10n.hef`	7.36 MB	Nano-detector
`yolov10b.hef`	28.42 MB	Balanced-detector
`yolov10x.hef`	33.26 MB	Large-detector

REST API

Predictie-eindpunt:

text

POST http://<R20_IP>:8000/api/models/yolov11/predict

Let op: De huidige lokale YOLOv10-broncode registreert de predictieroute als /api/models/yolov11/predict; werk web_detection.py bij als je wilt dat de runtime-API /api/models/yolov10/predict gebruikt.

Voorbeeld van een afbeeldingsverzoek:

bash

curl -X POST "http://<R20_IP>:8000/api/models/yolov11/predict" \
  -F "file=@test.jpg"

Algemene service-eindpunten:

Endpoint	Methode	Doel
`/`	GET	Webvoorbeeld-UI
`/api/models/yolov11/predict`	POST	Single-frame inferentie van geüploade afbeelding/video of huidig frame
`/api/video_feed`	GET	MJPEG-voorbeeldstream
`/api/config`	GET / POST	Runtime-drempels uitlezen of bijwerken
`/api/video/upload`	POST	Een video uploaden voor offline analyse
`/api/video/analyze`	POST	Offline analyse starten
`/api/video/status`	GET	Analysevoortgang opvragen
`/api/video/list`	GET	Geüploade en verwerkte video's weergeven
`/api/video/download/{filename}`	GET	Verwerkte uitvoer downloaden

Ontwikkelnotities

Bronmodule: src/rpi5_hailo8_yolov10/
Dockerfile: docker/hailo8/yolov10.dockerfile
Hoofdservice: web_detection.py omvat HailoRT-inferentie, nabewerking, MJPEG-voorbeeld, REST-predictie en offline video-analyse.
Wanneer je een eigen HEF gebruikt, zorg dan dat de uitvoerlay-out compatibel is met de nabewerkingscode van de module of werk post_process_hailo() bij.

Invoer en uitvoer

Invoer: afbeelding, video of USB-cameraframe. Uitvoer: detectieboxen, klassen, betrouwbaarheidsscores en geannoteerde MJPEG-preview.