クイックスタートガイド：Raspberry PiでUltralytics YOLO26を使用する#

Raspberry Piは、小型で手頃な価格のコンピューターです。GPUがなくても、エッジでリアルタイムの物体検出を実行するUltralytics YOLO26を動作させられます。このガイドでは、Raspberry Pi 4と5にYOLO26をデプロイする手順として、OSの書き込み、Ultralyticsのインストール、ARMで最速の推論を実現するためのNCNNへのエクスポート、ライブカメラ映像での予測の実行を説明します。また、8種類のエクスポート形式のパフォーマンスベンチマークも紹介し、お使いのハードウェアに最適な速度と精度のバランスを選べるようにしています。

Ultralyticsのセットアップ、NCNNへのエクスポートと推論の実行、ベンチマーク、またはカメラ推論に移動します。

Raspberry Piとは何ですか？#

Raspberry Piは、小型で手頃な価格のシングルボードコンピューターです。趣味のホームオートメーションから産業用途まで、幅広いプロジェクトやアプリケーションで人気を集めています。Raspberry PiボードはさまざまなOSを実行でき、センサー、アクチュエーター、その他のハードウェアコンポーネントと簡単に連携できるGPIO（汎用入出力）ピンを備えています。仕様の異なる複数のモデルがありますが、低コスト、小型、多用途という共通の設計思想を持っています。

Raspberry Piシリーズの比較#

Raspberry Pi OSとは何ですか？#

Raspberry Pi OS（旧称Raspbian）は、Raspberry Pi Foundationが配布するRaspberry Piシリーズの小型シングルボードコンピューター向けに、Debian GNU/Linuxディストリビューションをベースとして開発されたUnix系オペレーティングシステムです。Raspberry Pi OSはARM CPUを搭載したRaspberry Pi向けに高度に最適化されており、Raspberry Pi 4および5ではデフォルトでWayland上で動作する軽量なデスクトップ環境を使用します。Raspberry Pi OSは現在も活発に開発されており、Raspberry Pi上で可能な限り多くのDebianパッケージの安定性とパフォーマンスを向上させることに重点を置いています。

Raspberry Pi OSをRaspberry Piに書き込む#

Raspberry Piを入手したら、まずmicro-SDカードにRaspberry Pi OSを書き込み、デバイスに挿入してOSを起動します。初回使用に向けたデバイスの準備については、Raspberry Piの詳細なスタートガイドに従ってください。

Ultralyticsをセットアップする#

次のコンピュータービジョンプロジェクトに向けて、Raspberry PiにUltralyticsパッケージをセットアップする方法は2つあります。

• Dockerを使って開始
• Dockerを使わずに開始

Dockerを使って開始#

Raspberry PiでUltralytics YOLO26を最も手早く使い始めるには、Raspberry Pi向けのビルド済みDockerイメージを実行します。

以下のコマンドを実行して Docker コンテナをプルし、Raspberry Pi で実行します。このイメージは、Python 3.13 を搭載した Debian 13 を実行する公式の Python 3.13-slim-trixie イメージをベースにしています。

t=ultralytics/ultralytics:latest-arm64
sudo docker pull $t && sudo docker run -it --ipc=host $t

DockerイメージにはUltralyticsがすでに含まれているため、そのままモデルをNCNNにエクスポートできます。

Dockerを使わずに開始#

Ultralyticsパッケージをインストールする#

ここでは、Raspberry PiにUltralyticsパッケージをインストールします。NCNNなどの形式へのエクスポートに必要な依存関係は、PyTorchモデルを初めてエクスポートするときに自動でインストールされるため、ここでは基本パッケージのみが必要です。

1. パッケージリストを更新し、pipをインストールして最新バージョンにアップグレードする

   sudo apt update
   sudo apt install python3-pip -y
   pip install -U pip

2. ultralytics pipパッケージをインストールする

   pip install ultralytics

3. デバイスを再起動する

   sudo reboot

Raspberry PiでNCNNを使用する#

Ultralyticsがサポートするすべてのモデルエクスポート形式の中で、NCNNはARMアーキテクチャなどのモバイル／組み込みプラットフォーム向けに高度に最適化されているため、Raspberry Piデバイスで最高の推論パフォーマンスを発揮します。YOLO26nのPyTorchモデルをNCNNに変換してから、エクスポートしたモデルで推論を実行します。

from ultralytics import YOLO

# YOLO26n PyTorchモデルを読み込む
model = YOLO("yolo26n.pt")

# モデルをNCNN形式にエクスポート
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

# エクスポートしたNCNNモデルを読み込む
ncnn_model = YOLO("yolo26n_ncnn_model")

# 推論を実行
results = ncnn_model("https://ultralytics.com/images/bus.jpg")

YOLO11と比較したYOLO26のパフォーマンス向上#

YOLO26は、Raspberry Pi 5などのハードウェアリソースに制約のあるデバイスで実行できるように特別に設計されています。Raspberry Pi 5上で入力サイズ640、ONNXにエクスポートしたモデルを使用した場合、YOLO26nはYOLO11nと比べてFPSが約15%向上（6.79 → 7.79）し、mAPも向上（40.1対39.5）します。以下の表とグラフでこの比較を示します。

Raspberry Pi 5でのYOLO26ベンチマーク#

YOLO26のベンチマークは、Ultralyticsチームが8種類のモデル形式（PyTorch、TorchScript、ONNX、OpenVINO、LiteRT、MNN、NCNN、ExecuTorch）を対象に、速度と精度を測定して実施しました。ベンチマークはRaspberry Pi 5で、FP32精度、デフォルトの入力画像サイズ640で実施しました。

比較グラフ#

他のモデルサイズはRaspberry Piで実行するには大きすぎ、十分なパフォーマンスも得られないため、YOLO26nおよびYOLO26sモデルのベンチマークのみを掲載しています。

詳細比較表#

以下の表は、Raspberry Pi 5で8種類の形式（PyTorch、TorchScript、ONNX、OpenVINO、LiteRT、MNN、NCNN、ExecuTorch）を使用して2種類のモデル（YOLO26n、YOLO26s）を実行したベンチマーク結果を示し、各組み合わせのステータス、サイズ、mAP50-95(B)メトリック、推論時間をまとめています。

結果を再現する#

上記のUltralyticsベンチマークをすべてのエクスポート形式で再現するには、次のコードを実行します。

from ultralytics import YOLO

# YOLO26n PyTorchモデルを読み込む
model = YOLO("yolo26n.pt")

# すべてのエクスポート形式でCOCO128データセットを使用してYOLO26nの速度と精度をベンチマークします
results = model.benchmark(data="coco128.yaml", imgsz=640)

Raspberry Piカメラを使用する#

Raspberry Piでコンピュータービジョンプロジェクトを行う場合、推論を実行するためにリアルタイムの動画を取得することが重要になることがあります。Raspberry Piに搭載されたMIPI CSIコネクターを使うと、公式のRaspberry Piカメラモジュールを接続できます。このガイドでは、Raspberry Pi Camera Module 3を使用して動画を取得し、YOLO26モデルで推論を実行します。

カメラをテストする#

カメラをRaspberry Piに接続した後、次のコマンドを実行します。カメラのライブ映像が約5秒間表示されます。

rpicam-hello

カメラで推論する#

Raspberry Piカメラを使ってYOLO26モデルの推論を実行する方法は2つあります。

import cv2
from picamera2 import Picamera2

from ultralytics import YOLO

# Picamera2を初期化する
picam2 = Picamera2()
picam2.preview_configuration.main.size = (1280, 720)
picam2.preview_configuration.main.format = "RGB888"
picam2.preview_configuration.align()
picam2.configure("preview")
picam2.start()

# YOLO26モデルを読み込む
model = YOLO("yolo26n.pt")

while True:
    # フレームを1つずつキャプチャする
    frame = picam2.capture_array()

    # フレームに対してYOLO26の推論を実行する
    results = model(frame)

    # フレーム上に結果を可視化する
    annotated_frame = results[0].plot()

    # 処理結果のフレームを表示する
    cv2.imshow("Camera", annotated_frame)

    # 'q'が押された場合にループを終了する
    if cv2.waitKey(1) == ord("q"):
        break

# リソースを解放してウィンドウを閉じる
cv2.destroyAllWindows()

Raspberry Pi使用時のベストプラクティス#

YOLO26を実行するRaspberry Piで最高のパフォーマンスを実現するには、いくつかのベストプラクティスに従う必要があります。

1. SSDを使用する

   Raspberry Piを24時間365日継続して使用する場合、システムにはSSDの使用を推奨します。SDカードは連続書き込みに耐えられず、故障する可能性があるためです。Raspberry Pi 5にはPCIeコネクターが搭載されているため、Raspberry Pi 5用NVMe Baseなどのアダプターを使ってSSDを接続できます。

2. GUIなしで書き込む

   Raspberry Pi OSを書き込む際、デスクトップ環境をインストールしない（Raspberry Pi OS Liteを選択する）ことで、デバイスのRAMを少し節約し、コンピュータービジョン処理により多くのメモリを割り当てられます。

3. Raspberry Piをオーバークロックする

   Raspberry Pi 5でUltralytics YOLO26モデルを実行する際にパフォーマンスを少し向上させたい場合、CPUを標準の2.4GHzから3.0GHzに、GPUを800MHzから1GHzにオーバークロックできます。システムが不安定になったりクラッシュしたりする場合は、オーバークロック値を100MHzずつ下げてください。オーバークロックは発熱を増加させ、サーマルスロットリングを引き起こす可能性があるため、適切な冷却を確保してください。

   a. ソフトウェアをアップグレードする

   sudo apt update && sudo apt dist-upgrade

   b. 設定ファイルを開いて編集する

   sudo nano /boot/firmware/config.txt

   c. 次の行を末尾に追加する

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1

   d. CTRL + Xを押してからYを押し、ENTERを押して保存して終了する

   e. Raspberry Piを再起動する

次のステップ#

Raspberry PiでYOLO26を正常にセットアップできました。さらに詳しく知るには、推論オプションについてはPredictモード、追加のデプロイ形式についてはExportモードをご覧ください。エッジでより多くの計算能力が必要な場合は、NVIDIA Jetsonガイドをご確認ください。ドキュメント全体については、Ultralytics YOLO26ドキュメントをご覧ください。

謝辞と引用#

このガイドは、絶滅危惧種の保護にYOLOを活用することに取り組む団体、Kashmir World FoundationのためにDaan Eeltinkが最初に作成しました。物体検出技術の分野における同団体の先駆的な取り組みと教育への注力に感謝します。

Kashmir World Foundationの活動について詳しくは、ウェブサイトをご覧ください。

よくある質問#