Краткое руководство: Raspberry Pi с Ultralytics YOLO26#

Raspberry Pi — это небольшой и недорогой компьютер, на котором работает Ultralytics YOLO26 для обнаружения объектов в реальном времени на периферийных устройствах — GPU не требуется. В этом руководстве рассказывается, как развернуть YOLO26 на Raspberry Pi 4 и 5: записать ОС на носитель, установить Ultralytics, экспортировать модель в NCNN для максимально быстрого инференса на ARM и запускать предсказания на видео с камеры в реальном времени. Руководство также содержит бенчмарки для восьми форматов экспорта, чтобы ты мог подобрать оптимальный баланс скорости и точности для своего оборудования.

Перейди к разделам: настройка Ultralytics, экспорт в NCNN и запуск инференса, бенчмарки или инференс с камеры.

Что такое Raspberry Pi?#

Raspberry Pi — это небольшой и недорогой одноплатный компьютер. Он стал популярным для самых разных проектов и задач — от домашней автоматизации для энтузиастов до промышленного применения. Платы Raspberry Pi поддерживают различные операционные системы и оснащены контактами GPIO (ввод/вывод общего назначения), которые позволяют легко подключать датчики, исполнительные механизмы и другие аппаратные компоненты. Существуют модели с разными характеристиками, но все они построены по одному принципу: низкая стоимость, компактность и универсальность.

Сравнение моделей Raspberry Pi#

Что такое Raspberry Pi OS?#

Raspberry Pi OS (ранее известная как Raspbian) — Unix-подобная операционная система на основе дистрибутива Debian GNU/Linux для семейства компактных одноплатных компьютеров Raspberry Pi, выпускаемая фондом Raspberry Pi Foundation. Raspberry Pi OS тщательно оптимизирована для Raspberry Pi с ARM-процессорами и использует легковесную среду рабочего стола, которая по умолчанию работает на Wayland на Raspberry Pi 4 и 5. Raspberry Pi OS активно развивается, при этом особое внимание уделяется повышению стабильности и производительности как можно большего числа пакетов Debian на Raspberry Pi.

Запиши Raspberry Pi OS на Raspberry Pi#

Первым делом после того, как ты получишь Raspberry Pi, запиши Raspberry Pi OS на карту micro-SD, вставь её в устройство и загрузи операционную систему. Следуй подробной документации Raspberry Pi по началу работы, чтобы подготовить устройство к первому использованию.

Настройка Ultralytics#

Ты можешь установить пакет Ultralytics на Raspberry Pi двумя способами для следующего проекта в области компьютерного зрения:

• Начать работу с Docker
• Начать работу без Docker

Начать работу с Docker#

Самый быстрый способ начать работу с Ultralytics YOLO26 на Raspberry Pi — запустить готовый образ Docker для Raspberry Pi.

Выполни приведённую ниже команду, чтобы загрузить контейнер Docker и запустить его на Raspberry Pi. Он основан на официальном образе Python 3.13-slim-trixie, в котором используется Debian 13 с Python 3.13.

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

Образ Docker уже включает Ultralytics, поэтому ты можешь сразу перейти к экспорту модели в NCNN.

Начать работу без Docker#

Установка пакета Ultralytics#

Здесь мы установим пакет Ultralytics на Raspberry Pi. Зависимости для экспорта в такие форматы, как NCNN, устанавливаются автоматически при первом экспорте модели PyTorch, поэтому здесь достаточно установить только основной пакет.

1. Обнови список пакетов, установи pip и обнови его до последней версии

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

2. Установи пакет ultralytics через pip

   pip install ultralytics

3. Перезагрузи устройство

   sudo reboot

Использование NCNN на Raspberry Pi#

Среди всех поддерживаемых Ultralytics форматов экспорта моделей NCNN обеспечивает наилучшую производительность инференса на устройствах Raspberry Pi, поскольку он хорошо оптимизирован для мобильных и встроенных платформ, таких как устройства на архитектуре ARM. Преобразуй модель YOLO26n PyTorch в NCNN, а затем запусти инференс с экспортированной моделью:

from ultralytics import YOLO

# Загрузи модель YOLO26n в формате PyTorch
model = YOLO("yolo26n.pt")

# Экспортировать модель в формат NCNN
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

# Загрузить экспортированную модель NCNN
ncnn_model = YOLO("yolo26n_ncnn_model")

# Выполнить инференс
results = ncnn_model("https://ultralytics.com/images/bus.jpg")

Улучшения производительности YOLO26 по сравнению с YOLO11#

YOLO26 специально разработана для работы на устройствах с ограниченными аппаратными ресурсами, таких как Raspberry Pi 5. По сравнению с YOLO11n модель YOLO26n обеспечивает прирост FPS примерно на ~15% (6.79 → 7.79), а также более высокое значение mAP (40.1 против 39.5) при размере входного изображения 640 и использовании моделей, экспортированных в ONNX, на Raspberry Pi 5. Это сравнение показано в таблице и на графике ниже.

Результаты тестирования YOLO26 на Raspberry Pi 5#

Команда Ultralytics провела тестирование производительности YOLO26 в восьми форматах моделей, измерив скорость и точность: PyTorch, TorchScript, ONNX, OpenVINO, LiteRT, MNN, NCNN, ExecuTorch. Тестирование проводилось на Raspberry Pi 5 с точностью FP32 precision и размером входного изображения по умолчанию 640.

Сравнительный график#

Мы включили результаты тестирования только для моделей YOLO26n и YOLO26s, поскольку модели других размеров слишком велики для запуска на Raspberry Pi и не обеспечивают приемлемой производительности.

Подробная сравнительная таблица#

В таблице ниже представлены результаты тестирования двух моделей (YOLO26n, YOLO26s) в восьми форматах (PyTorch, TorchScript, ONNX, OpenVINO, LiteRT, MNN, NCNN, ExecuTorch) на Raspberry Pi 5. Для каждой комбинации указаны статус, размер, метрика mAP50-95(B) и время инференса.

Воспроизведение наших результатов#

Чтобы воспроизвести приведённые выше результаты тестирования Ultralytics для всех форматов экспорта, выполни этот код:

from ultralytics import YOLO

# Загрузи модель YOLO26n в формате PyTorch
model = YOLO("yolo26n.pt")

# Сравнение скорости и точности YOLO26n на наборе данных COCO128 для всех форматов экспорта
results = model.benchmark(data="coco128.yaml", imgsz=640)

Использование камеры Raspberry Pi#

При использовании Raspberry Pi в проектах компьютерного зрения может быть важно получать видеопоток в реальном времени для выполнения инференса. Встроенный разъём MIPI CSI на Raspberry Pi позволяет подключать официальные модули камеры Raspberry Pi. В этом руководстве мы использовали Raspberry Pi Camera Module 3 для получения видеопотока и выполнения инференса с моделями YOLO26.

Проверка камеры#

После подключения камеры к Raspberry Pi выполни следующую команду. В течение примерно 5 секунд ты должен увидеть изображение с камеры в реальном времени.

rpicam-hello

Инференс с камеры#

Есть два способа использовать камеру Raspberry Pi для инференса с моделями YOLO26.

import cv2
from picamera2 import Picamera2

from ultralytics import YOLO

# Инициализировать Picamera2
picam2 = Picamera2()
picam2.preview_configuration.main.size = (1280, 720)
picam2.preview_configuration.main.format = "RGB888"
picam2.preview_configuration.align()
picam2.configure("preview")
picam2.start()

# Загружаем модель YOLO26
model = YOLO("yolo26n.pt")

while True:
    # Захватывать кадры по одному
    frame = picam2.capture_array()

    # Выполнить инференс YOLO26 на кадре
    results = model(frame)

    # Визуализировать результаты на кадре
    annotated_frame = results[0].plot()

    # Отобразить обработанный кадр
    cv2.imshow("Camera", annotated_frame)

    # Прервать цикл, если нажата клавиша 'q'
    if cv2.waitKey(1) == ord("q"):
        break

# Освободить ресурсы и закрыть окна
cv2.destroyAllWindows()

Рекомендации по использованию Raspberry Pi#

Чтобы добиться максимальной производительности при запуске YOLO26 на Raspberry Pi, следуй нескольким рекомендациям.

1. Используй SSD

   Если Raspberry Pi будет работать непрерывно круглосуточно, рекомендуется использовать SSD для системы, поскольку SD-карта не выдержит постоянной записи и может выйти из строя. Благодаря встроенному разъёму PCIe на Raspberry Pi 5 теперь можно подключать SSD с помощью адаптера, например NVMe Base для Raspberry Pi 5.

2. Запись образа без графического интерфейса

   При записи Raspberry Pi OS можно не устанавливать среду рабочего стола (Raspberry Pi OS Lite), чтобы немного сэкономить оперативную память устройства и выделить больше ресурсов для обработки данных компьютерного зрения.

3. Разгон Raspberry Pi

   Если ты хочешь немного повысить производительность при запуске моделей Ultralytics YOLO26 на Raspberry Pi 5, можно разогнать CPU с базовой частоты 2.4GHz до 3.0GHz, а GPU — с 800MHz до 1GHz. Если система станет нестабильной или начнёт аварийно завершать работу, снижай значения разгона шагами по 100MHz. Обеспечь надлежащее охлаждение: разгон увеличивает тепловыделение и может привести к троттлингу из-за перегрева.

   a. Обнови программное обеспечение

   sudo apt update && sudo apt dist-upgrade

   b. Открой файл конфигурации для редактирования

   sudo nano /boot/firmware/config.txt

   c. Добавь следующие строки в конец файла

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1

   d. Сохрани изменения и выйди, нажав CTRL + X, затем Y и ENTER

   e. Перезагрузи Raspberry Pi

Следующие шаги#

Ты успешно настроил YOLO26 на Raspberry Pi. Чтобы продолжить, изучи режим Predict, чтобы узнать о дополнительных возможностях инференса, режим Export, чтобы ознакомиться с другими форматами развертывания, или руководство по NVIDIA Jetson, если тебе нужны дополнительные вычислительные ресурсы на периферийном устройстве. Полную документацию см. в документации Ultralytics YOLO26.

Благодарности и цитирование#

Это руководство изначально подготовил Даан Ээлтинг для Kashmir World Foundation — организации, посвящённой использованию YOLO для сохранения исчезающих видов. Мы признаём её новаторский вклад и внимание к обучению в области технологий обнаружения объектов.

Подробнее о деятельности Kashmir World Foundation можно узнать на сайте организации.

Часто задаваемые вопросы#