كيفية تشغيل Ultralytics YOLO26 على Raspberry Pi باستخدام Coral Edge TPU#

يُعد Raspberry Pi منصة موفرة للطاقة وبأسعار معقولة لتشغيل الرؤية الحاسوبية على الحافة، لكن الاستدلال على الجهاز بطيء حتى مع التنسيقات المحسّنة مثل ONNX أو OpenVINO. يؤدي إقران Pi بمعالج Coral Edge TPU مشترك إلى تفريغ الاستدلال إلى أجهزة مخصصة وتسريعه بدرجة كبيرة. يوضح هذا الدليل كيفية تثبيت وقت التشغيل، وتصدير نموذج Ultralytics YOLO26 إلى تنسيق Edge TPU، وتشغيل الاستدلال المُسرَّع.

لماذا تستخدم Coral Edge TPU؟#

جهاز Coral Edge TPU هو جهاز مدمج يضيف معالج Edge TPU مشتركًا إلى نظامك، ما يتيح استدلالًا منخفض الطاقة وعالي الأداء لنماذج TensorFlow Lite. وهو مناسب جدًا لعمليات النشر المضمنة والمتنقلة التي لا يستطيع فيها CPU وحده مواكبة الأداء:

• استدلال أسرع — يعمل Edge TPU على تسريع النماذج المُكمَّمة بما يتجاوز كثيرًا ما يحققه CPU في Raspberry Pi بمفرده.
• استهلاك منخفض للطاقة — يوفر معدل نقل بيانات مرتفعًا لكل واط، ما يجعله مثاليًا لعمليات النشر التي تعمل بالبطاريات أو بالطاقة الشمسية.
• التوصيل والتشغيل — يتصل USB Accelerator عبر USB 3.0، لذا لا حاجة إلى دمج أجهزة إضافية.

المتطلبات الأساسية#

• Raspberry Pi 4B (يوصى بسعة 2GB أو أكثر) أو Raspberry Pi 5 (موصى به)
• Raspberry Pi OS Bullseye/Bookworm (إصدار 64-bit) مع سطح المكتب (موصى به)
• Coral USB Accelerator
• منصة غير ARM (مثل Google Colab أو جهاز Linux بمعمارية x86_64 أو حاوية Ultralytics Docker) لتصدير النموذج، لأن مترجم Edge TPU غير متاح على ARM

يفترض هذا الدليل أن لديك بالفعل تثبيتًا عاملًا لنظام Raspberry Pi OS مع تثبيت ultralytics وتبعياته. وإذا لم يكن الأمر كذلك، فاتبع دليل البدء السريع أولًا.

بعد تجهيز المتطلبات الأساسية، تتكون سير العمل من ثلاث خطوات: تثبيت وقت تشغيل Edge TPU على Pi، وتصدير نموذجك على جهاز غير ARM، ثم تشغيل الاستدلال مجددًا على Pi.

تثبيت وقت تشغيل Edge TPU#

يتوفر وقت التشغيل في عدة إصدارات، لذا اختر الإصدار المتوافق مع نظام التشغيل لديك. يعمل إصدار التردد العالي على تشغيل Edge TPU بسرعة ساعة أعلى لتحقيق أداء أفضل، لكنه قد يسبب خنقًا حراريًا — استخدم نوعًا من التبريد إذا اخترته.

نزّل أحدث إصدار من هنا، ثم ثبّت حزمة .deb:

sudo dpkg -i path/to/package.deb

بعد تثبيت وقت التشغيل، وصّل Coral Edge TPU بمنفذ USB 3.0 في Raspberry Pi حتى تصبح قاعدة udev الجديدة سارية المفعول.

# If you installed the standard version
sudo apt remove libedgetpu1-std

# If you installed the high-frequency version
sudo apt remove libedgetpu1-max

تصدير نموذجك إلى تنسيق Edge TPU#

لاستخدام Edge TPU، حوّل نموذجك إلى تنسيق متوافق. نفّذ التصدير على منصة غير ARM — مثل Google Colab أو جهاز Linux بمعمارية x86_64 أو حاوية Ultralytics Docker الرسمية أو Ultralytics Platform — لأن مترجم Edge TPU غير متاح على ARM. راجع وضع التصدير لمعرفة الوسائط المتاحة.

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/model.pt")  # Load an official model or custom model

# Export the model
model.export(format="edgetpu")

يُحفظ النموذج المُصدَّر في مجلد <model_name>_saved_model/ باسم <model_name>_full_integer_quant_edgetpu.tflite.

تشغيل الاستدلال على Edge TPU#

قبل تشغيل النموذج، ثبّت المكتبات الصحيحة على Raspberry Pi. إذا كان TensorFlow مثبتًا بالفعل، فأزله أولًا:

pip uninstall tensorflow tensorflow-aarch64

بعد ذلك ثبّت tflite-runtime أو حدّثه:

pip install -U tflite-runtime

يمكنك الآن تشغيل الاستدلال:

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/yolo26n_full_integer_quant_edgetpu.tflite")  # Load an official model or custom model

# Run Prediction
model.predict("path/to/source.png")

يمكنك العثور على التفاصيل الكاملة لوضع التنبؤ في صفحة Predict.

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/yolo26n_full_integer_quant_edgetpu.tflite")  # Load an official model or custom model

# Run Prediction
model.predict("path/to/source.png")  # Inference defaults to the first TPU

model.predict("path/to/source.png", device="tpu:0")  # Select the first TPU

model.predict("path/to/source.png", device="tpu:1")  # Select the second TPU

المعايير المرجعية#

قِيست الأرقام أدناه باستخدام Raspberry Pi OS Bookworm ‏64-bit وUSB Coral Edge TPU. وهي تعرض زمن الاستدلال فقط (مع استبعاد المعالجة المسبقة واللاحقة)، وتُستخدم مرجعًا نسبيًا للتسريع الذي يوفره Edge TPU عبر طرز Pi وأوضاعها.

في المتوسط:

• يكون Raspberry Pi 5 أسرع بنسبة 22% في الوضع القياسي من Raspberry Pi 4B.
• يكون Raspberry Pi 5 أسرع بنسبة 30.2% في وضع التردد العالي من Raspberry Pi 4B.
• يكون وضع التردد العالي أسرع بنسبة 28.4% من الوضع القياسي.

الخلاصة#

يحوّل Coral Edge TPU جهاز Raspberry Pi إلى جهاز استدلال قادر ومنخفض الطاقة لتشغيل Ultralytics YOLO26. صدّر نموذجك على جهاز غير ARM، وحافظ على اللاحقة _edgetpu.tflite، وشغّله باستخدام tflite-runtime على Pi للحصول على استدلال مُسرَّع على الحافة. لمزيد من خيارات النشر، راجع دليل Raspberry Pi.

الأسئلة الشائعة#