Rockchip · AI & Linux Hub

AI-инференс

Периферийный ИИ и мультимедиа на RK3588S: проектирование с CM7S и Sige7S

Планирование машинного зрения, дисплеев и устройств на RK3588S: ускорение, модели и критерии приёмки.

· ArmSoM · 3 мин чтения

Эффективная система на RK3588S распределяет задачи между аппаратными блоками и избегает лишних копирований. CM7S и Sige7S могут стать её основой. Ниже описаны направления разработки, а не подтверждённые внедрения клиентов или результаты тестов.

Локальный анализ изображения

Типичный тракт: камера или поток → захват/декодирование → масштабирование и преобразование формата → NPU → постобработка → экран или отправка результата. CPU выполняет прикладную логику, аппаратный кодек обрабатывает поддерживаемое видео, RGA — подходящие операции с изображением, NPU — преобразованные совместимые модели.

Аппаратные блоки RK3588S

Начните прототип Sige7S с проверенного источника изображения. Собственная плата для CM7S нужна, когда сенсор, изоляция или корпус требуют иной аппаратуры. Одного успешного захвата недостаточно: экспозиция, баланс белого, искажения объектива и IQ влияют на качество распознавания.

Интерактивные экраны и мультимедиа

Интегрированные графика, декодирование и вывод позволяют рассматривать RK3588S для информационных терминалов. Поддержка декодирования 8K не означает вывод 8K в любом браузере, проигрывателе и разъёме. Должны соответствовать формат, путь ускорения, кабель и дисплей.

Тестируйте реальные материалы: глубина цвета, кодек, субтитры и композиция UI меняют нагрузку. При параллельном ИИ измеряйте использование памяти, температуру и полную задержку, а не только максимум одного блока.

Интеграция в специализированное устройство

CM7S позволяет спроектировать носитель с нужными разъёмами и коммуникациями. CAN или RS485 на системном уровне требуют трансиверов, защиты и иногда изоляции. Внутренний контроллер не равен готовому порту полевой шины.

ПО и критерии приёмки

RKNN-Toolkit2 от Rockchip содержит инструменты преобразования и развёртывания. Старый RKNN-Toolkit несовместим с Toolkit2. Для языковых моделей отдельно оценивайте RKNN-LLM. Проверяйте операторы и примеры выбранной версии: поддержка фреймворка не гарантирует поддержку любой модели.

Этап Что записать
Преобразование Версия инструмента, хеш модели, форма входа, калибровочные данные
Точность Результаты до/после на одинаковом наборе
Развёртывание Ревизия платы, образ, ядро, драйвер, runtime
Производительность Полная задержка, пропускная способность, CPU, температура, мощность
Надёжность Длительная работа, восстановление питания, неверные входы, ресурс хранения

Начните с воспроизводимого примера, затем вводите свои данные и модель. Документация ArmSoM и статьи RKNN помогают выстроить процесс. Частоту кадров, энергопотребление и точность указывайте как свойства продукта только после измерений на целевом устройстве.

Материалы и продукты

Продукты и разработка

Другие статьи по теме → · Учебные маршруты →