开源地址如下https://gitee.com/ff94315/rk3588_yolo11n_demo演示视频https://www.bilibili.com/video/BV1aJTX6REnP/yolo11n的demo20W私有数据训练出来的模型包含的识别内容为 0 person 人员 1 personfight 打架 2 personsleep 睡觉 3 personplay_phone 玩手机 4 gun 5 knife 刀具 6 fire 火焰 7 smoke 烟雾YOLO11n RKNN 推理程序基于 RK3588 rknn-toolkit-lite2 的 YOLO11n 目标检测推理程序支持图片、视频和摄像头实时检测。内置 7 类自定义模型person, fight, sleep, play_phone, gun, knife, fire, smoke同时兼容 rknn_model_zoo 导出的 80 类 COCO 模型。环境要求硬件: RK3588 开发板系统: Linux (aarch64), Python 3.10依赖: numpy, opencv-python, rknn-toolkit-lite2环境安装安装 Python 依赖pip install numpy opencv-python安装 rknn-toolkit-lite2rknnlite2 不在 PyPI 上需要从瑞芯微官方仓库安装克隆仓库git clone rknn-toolkit2:基于 Rockchip NPU 的模型转换与部署工具项目 - AtomGitcd rknn-toolkit2/rknn-toolkit-lite2/packages/安装对应 Python 版本的 whl以 cp310 为例pip install rknnlite2-2.x.x-cp310-cp310-linux_aarch64.whl准备模型文件将 .rknn 模型文件放入 models/ 目录。本项目默认使用 models/yolo11n.rknn。运行命令图片检测使用默认模型python main.py —cli -i sample/fire.jpeg指定模型和输出路径python main.py —cli -m models/yolo11n.rknn -i sample/fire.jpeg -o output.jpg调整置信度和 NMS 阈值python main.py —cli -i sample/fire.jpeg —conf 0.5 —iou 0.3视频检测检测视频文件显示每帧耗时python main.py —cli -i sample/fire.mp4保存检测结果python main.py —cli -i sample/fire.mp4 -o output.mkv摄像头实时检测使用 /dev/video0python main.py —cli -i cam://0指定摄像头设备并保存python main.py —cli -i cam://0 -o record.mkvGUI 模式python main.pyCLI 输出示例加载模型: models/yolo11n.rknnImage: fire.jpeg | size2048x1536检测到 6 个目标 | 总耗时: 485.2ms预处理: 8.3ms | RKNN推理: 472.1ms | 后处理: 4.8ms[0] person 87% [ 562, 870, 744, 1411][1] person 77% [ 724, 875, 888, 1483]…模型说明文件 说明models/yolo11n.rknn 默认模型COCO 80 类DFL 多头输出models/yolo11n_7class_rk3588_int8.rknn 7 类自定义模型INT8 量化单输出 cxcywhorign_models/7class.yaml 7 类模型的数据集配置程序会自动检测输出格式兼容两种模型。7 类模型分类说明定义文件 orign_models/7class.yamlID 类别名 说明0 person 人员1 personfight 打架2 personsleep 睡觉3 personplay_phone 玩手机4 gun5 knife 刀具6 fire 火焰7 smoke 烟雾共 8 个类别使用 COCO 预训练模型做 teacher 进行人员检测蒸馏基于 20 万条专有数据训练。目录结构7class/├── main.py # 主程序CLI GUI├── test_rknn.py # 测试脚本├── debug_check.py # 后处理对比调试脚本├── run.sh # 一键启动脚本├── requirements.txt # Python 依赖├── models/ # 模型文件.rknn, .pt├── sample/ # 测试样本图片、视频└── rknn_model_zoo/ # 外部依赖模型转换用许可MIT License