【Milk-V Duo S 开发板免费体验】使用YOLOv11进行目标检测

引言

前面已经完成了Milk-V Duo S开发板的基本功能测试，今天来尝试一下使用YOLOv11进行目标检测。

TDL-SDK

Cvitek 所提供的 TDL（Turnkey Deep Learning）集成算法，用以缩短应用程序开发所需的时间。此架构实现了 TDL 所需算法包含其前后处理提供统一且便捷的编程接口。目前 TDL SDK 包含移动侦测，人脸检测，人脸识别，人脸追踪，行人检测，语义分割，车牌辨识，车牌检测，活体识别，IR活体识别，婴儿检测，哭声检测，姿态检测，手势侦测，手势识别等算法。

我们要使用YOLOv11，首先要编译TDL-SDK

编译TDL-SDK

TDL-SDK一共有两个版本，其中V1的链接是：milkv-duo/cvitek-tdl-sdk-sg200x: TDL-SDK samples for SDK V1 Duo256M/DuoS(SG200X)，这个适用于使用SDK V1镜像的。[SDK V2镜像的源码包](milkv-duo/duo-buildroot-sdk-v2: Milk-V Duo Official buildroot SDK V2)中包括了TDL-SDK的新版本。按理说我使用的是SDK V2的镜像，应该下载这个新版本，无奈这几天不知道网络抽什么疯，无法下载SDK V2，只能先凑合用TDL-SDK V1。

下载工具链

使用下面的命令下载工具链，如果已经下载过，也可以简单的设置一下环境变量：

wget https://sophon-file.sophon.cn/sophon-prod-s3/drive/23/03/07/16/host-tools.tar.gz
tar xvf host-tools.tar.gz
cd host-tools
export PATH=$PATH:$(pwd)/gcc/riscv64-linux-musl-x86_64/bin

开始编译

使用下面的代码下载代码并进行SDK示例的编译。SDK V1中包括了编译好的so文件，所以仅编译例子就可以了。

git clone https://github.com/milkv-duo/cvitek-tdl-sdk-sg200x.git
cd cvitek-tdl-sdk-sg200x
cd sample
./compile_sample.sh

部署问题的解决

因为镜像是SDK V2的，直接在开发板上运行程序会导致错误：

Error loading shared library libvpu.so: No such file or directory (needed by ./videoRecorder)
Error relocating /mnt/system/usr/lib/libsample.so: CVI_VI_SetDevBindPipe: symbol not found
Error relocating /mnt/system/usr/lib/libsample.so: CVI_RGN_GetCanvasInfo: symbol not found

所以不能使用开发板自带的相关库文件，需要从TDL-SDK中拷贝so文件到开发板上，例如/root/lib目录中，然后执行命令：

export LD_LIBRARY_PATH=/root/lib

然后访问zwyzwm/yolo11-obiect-dection下载cvimodel文件，找一幅图片拷贝到开发板上，然后在开发板上进行测试。

下面是执行的结果：

[root@milkv-duo]~# ./sample_yolov8 yolo11n_cv181x_int8_sym.cvimodel test.jpg
enter CVI_TDL_Get_YOLO_Preparam...
asign val 0
asign val 1
asign val 2
setup yolov8 param
enter CVI_TDL_Get_YOLO_Preparam...
setup yolov8 algorithm param
yolov8 algorithm parameters setup success!
---------------------openmodel--------------------------------------------to do detection-----------------------
image read,width:2048
image read,hidth:1365
objnum:2
boxes=[[116.485,288.317,1494.3,1149.96,5,0.89229],[1456.2,683.29,1645.21,774.082,2,0.594712],]

一共检测出两个物体，一个是公共汽车（编号5），另一个是小汽车（编号是2），还是很准确的。