所属分类：AI大模型与智能应用 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

RK3588机器视觉工业缺陷检测模型NPU部署

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · RK3588平台与NPU部署的整体流…
课程导入学习目标
02
工业缺陷检测基础
常见缺陷类型（划痕 · 污渍 · 裂纹等）
工业缺陷检测基础常见缺陷类型
03
RK3588硬件与NPU架构
CPU/GPU/NPU协同工作原理 · NPU算力指标 · 内存带宽对推理的影响
RK3588NPU
04
开发环境搭建
RKNN-Toolkit2安装 · 交叉编译工具链 · 板端系统镜像烧写与网络配置
开发环境搭建RKNN-Toolkit…
05
深度学习模型选型
适合工业缺陷检测的轻量级网络（YOL… · YOLOv8n · MobileNet-SSD等）对比与…
深度学习模型选型YOL
06
数据集准备与标注
缺陷样本采集 · 数据增强策略 · 标注格式（VOC/COCO）转换与清…
数据集准备标注
07
模型训练基础
PyTorch训练流程 · 损失函数选择 · 超参数调优
模型训练基础PyTorch
08
模型轻量化技术
剪枝 · 量化（PTQ/QAT） · 知识蒸馏在缺陷检测模型中的应用
模型轻量化技术剪枝
09
RKNN模型转换入门
ONNX导出 · RKNN-Toolkit转换流程 · 量化精度分析
RKNN模型转换入门
10
RKNN模型转换进阶
自定义算子支持 · 多输入/多输出处理 · 动态形状配置
RKNN模型转换进阶
11
NPU推理代码开发
RKNN Python/C API调… · 输入输出张量处理 · 推理性能优化
NPU推理代码开发
12
图像预处理与后处理
Resize · 归一化 · NMS
图像预处理后处理
13
多线程与流水线设计
摄像头/图像采集 · NPU推理 · 结果展示的并行架构
多线程流水线设计
14
实时性优化
帧率提升技巧 · 内存复用 · 零拷贝
实时性优化帧率提升技巧
15
精度与速度平衡
量化损失分析 · 混合量化 · 敏感层保留策略
精度速度平衡
16
案例实战一
PCB板表面缺陷检测——从数据集到R…
案例实战一PCB
17
案例实战二
金属表面划痕检测——小目标缺陷的模型…
案例实战二金属表面划痕检测
18
案例实战三
纺织物瑕疵检测——多类别不平衡处理与…
案例实战三纺织物瑕疵检测
19
案例实战四
电池极片缺陷检测——高分辨率图像切分…
案例实战四电池极片缺陷检测
20
常见问题排查
模型转换失败 · 精度下降 · 推理崩溃
常见问题排查模型转换失败
21
性能分析工具使用
RKNN Profiler · Perfetto · 板端日志分析定位瓶颈
性能分析工具使用RKNN
22
模型版本管理与迭代
模型仓库 · A/B测试 · 在线更新策略
模型版本管理迭代
23
系统集成
与PLC/机械臂通信 · 缺陷报警 · 数据上报至MES系统
系统集成PLC
24
边缘计算与云协同
端侧推理+云端训练 · 模型远程更新 · 联邦学习概念
边缘计算云协同
25
安全性与可靠性
模型鲁棒性测试 · 异常输入处理 · 系统看门狗与容错设计
安全性可靠性
26
项目部署实战
从需求分析 · 硬件选型 · 软件开发到现场调试的完整项目流程
项目部署实战从需求分析
27
综合提升
如何针对特定产线定制缺陷检测方案 · 成本控制与ROI分析
综合提升如何针对特定产线…
28
前沿拓展
Transformer模型（DETR · Swin）在缺陷检测中的NPU部署可…
前沿拓展Transformer
29
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议与资源推荐
课程总结核心知识点回顾
30
结业项目
独立完成一个RK3588缺陷检测系统 · 包含训练 · 转换
结业项目RK3588