LCAR_Opencv

本项目是 LCAR 项目的一部分，代号为 LCAR_Opencv，用于在 RK3588 平台上基于 RKNN 和 OpenCV 实现水果目标检测推理。适用于边缘侧部署场景，支持实时摄像头采集与识别显示。

项目简介

运行于 鲁班猫4 RK3588 (8GB+64GB)，采用 RKNN SDK + YOLOv11n 模型 实现水果识别，使用 C++ 单线程配合 OpenCV 进行画面采集与渲染。 模型经过轻量化处理（去除后处理模块），经 RKNN 工具链优化后部署，兼容 RK3588 NPU 推理。

项目特点

• 支持实时摄像头图像识别（640x640）
• 初步估计单帧推理时间约为 20ms
• 轻量 YOLOv11n 模型，适用于近距离识别
• 模型输入输出自定义后处理流程
• 数据集包含约 1000+ 张水果图像，涵盖 7 类水果

模型与数据

• 模型：YOLOv11n，去除后处理模块
• 格式：RKNN，适用于 RK3588
• 输入张量：
  • shape: [1, 640, 640, 3]
  • format: NHWC
  • dtype: INT8
  • quant: scale=0.003922, zero_point=-128
• 输出张量：共 9 个，需结合后处理解码

依赖环境

• RKNN-Toolkit-Lite2
• OpenCV
• C++17 或更高
• CMake 构建工具

快速开始

1. 克隆项目：

git clone https://github.com/linglitel/LCAR_Opencv.git
cd LCAR_Opencv

2. 编译项目：

mkdir build && cd build
cmake ..
make -j$(nproc)

3. 运行摄像头推理：

./build/fruit_detector

项目结构

LCAR_Opencv/
├── include/            # 头文件（后处理接口等）
├── lib/                # RKNN SDK 库文件
├── model/              # YOLOv11n.rknn 模型文件
├── src/                # 核心代码逻辑（main.cpp, postprocess.cpp）
├── build/              # 构建输出目录（可忽略）
├── CMakeLists.txt      # 构建配置
└── README.md           # 项目说明

注意事项

• 模型精度受限于训练数据，仅用于演示用途
• 摄像头采集建议分辨率为 640x480 或 1280x720（需 resize）
• 数据集较小，适合做样例或测试用途
• 若用于量产或商用，请使用更大规模数据集进行完整训练

开发者信息

由 linglitel 开发维护，隶属于 ZeroForm 工作室。
项目部分代码来源自 rknn_model_zoo，归属于 Rockchip 所有，已根据需要适配与修改。

如有侵权问题，请及时联系，我们将依法删除。

协议

本项目基于 MIT License 开源。

---