Краткое руководство: Raspberry Pi с Ultralytics YOLO26#

Raspberry Pi — это небольшой доступный компьютер, на котором Ultralytics YOLO26 выполняет обнаружение объектов в реальном времени на периферии — GPU не требуется. В этом руководстве описано развертывание YOLO26 на Raspberry Pi 4 и 5: запись ОС на карту, установка Ultralytics, экспорт в NCNN для максимально быстрой инференции на ARM и запуск предсказаний на видеопотоке с камеры. Также приведены результаты тестов производительности для восьми форматов экспорта, чтобы ты мог выбрать оптимальный компромисс между скоростью и точностью для своего оборудования.

Перейти к разделам настройки Ultralytics, экспорта в NCNN и запуска инференции, тестов производительности или инференции с камеры.

Что такое Raspberry Pi?#

Raspberry Pi — это небольшой доступный 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 (универсального ввода/вывода), которые упрощают подключение датчиков, исполнительных механизмов и других аппаратных компонентов. Существуют разные модели с различающимися характеристиками, но все они придерживаются одной базовой концепции: низкая стоимость, компактность и универсальность.

Сравнение серий Raspberry Pi#

Что такое Raspberry Pi OS?#

Raspberry Pi OS (ранее известная как Raspbian) — Unix-подобная операционная система на базе дистрибутива Debian GNU/Linux для семейства компактных одноплатных компьютеров Raspberry Pi, распространяемых Raspberry Pi Foundation. Raspberry Pi OS оптимизирована для Raspberry Pi с ARM CPU и использует измененную среду рабочего стола LXDE с оконным менеджером Openbox. Raspberry Pi OS активно развивается с акцентом на повышение стабильности и производительности максимально возможного числа пакетов Debian на Raspberry Pi.

Запись Raspberry Pi OS на Raspberry Pi#

Первое, что нужно сделать после покупки Raspberry Pi, — записать Raspberry Pi OS на карту micro-SD, вставить ее в устройство и загрузить ОС. Подробные инструкции по подготовке устройства к первому запуску приведены в документации Raspberry Pi для начинающих.

Настройка Ultralytics#

Ты можешь установить пакет Ultralytics на Raspberry Pi двумя способами для следующего проекта по компьютерному зрению:

• Начать с Docker
• Начать без Docker

Начало работы с Docker#

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

Выполни приведенную ниже команду, чтобы загрузить Docker-контейнер и запустить его на Raspberry Pi. В основе лежит Docker-образ arm64v8/ubuntu, запускающий Ubuntu 24.04 в окружении Python3.

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

Docker-образ уже содержит Ultralytics, поэтому ты можешь сразу перейти к экспорту своей модели в NCNN.

Начало работы без Docker#

Установка пакета Ultralytics#

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

1. Обнови список пакетов, установи pip и выполни обновление до последней версии

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

2. Установи pip-пакет ultralytics

   pip install ultralytics

3. Перезагрузи устройство

   sudo reboot

Использование NCNN на Raspberry Pi#

Из всех поддерживаемых Ultralytics форматов экспорта NCNN обеспечивает лучшую производительность инференции на устройствах Raspberry Pi, поскольку он сильно оптимизирован для мобильных и встраиваемых платформ, таких как архитектура ARM. Преобразуй модель YOLO26n PyTorch в NCNN, затем запусти инференцию с экспортированной моделью:

from ultralytics import YOLO

# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")

# Export the model to NCNN format
model.export(format="ncnn")  # creates 'yolo26n_ncnn_model'

# Load the exported NCNN model
ncnn_model = YOLO("yolo26n_ncnn_model")

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

Преимущества производительности YOLO26 по сравнению с YOLO11#

YOLO26 специально разработан для работы на устройствах с ограниченными ресурсами, таких как Raspberry Pi 5. По сравнению с YOLO11n модель YOLO26n обеспечивает примерно ~15% прироста FPS (6.79 → 7.79) и более высокий показатель mAP (40.1 против 39.5) при размере входных данных 640 для моделей, экспортированных в ONNX, на Raspberry Pi 5. В таблице и на графике ниже показано это сравнение.

Результаты тестов YOLO26 на Raspberry Pi 5#

Тесты производительности YOLO26 команда Ultralytics провела для восьми форматов моделей, измерив скорость и точность: PyTorch, TorchScript, ONNX, OpenVINO, MNN, NCNN, ExecuTorch, LiteRT. Тесты проводились на Raspberry Pi 5 с точностью FP32 и размером входного изображения 640 по умолчанию.

Сравнительный график#

Мы включили результаты тестов только для моделей YOLO26n и YOLO26s, поскольку модели других размеров слишком велики для запуска на Raspberry Pi и не обеспечивают приемлемую производительность.

Подробная сравнительная таблица#

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

Воспроизведение наших результатов#

Чтобы воспроизвести приведенные выше результаты тестов Ultralytics для всех форматов экспорта, выполни этот код:

from ultralytics import YOLO

# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")

# Benchmark YOLO26n speed and accuracy on the COCO128 dataset for all export formats
results = model.benchmark(data="coco128.yaml", imgsz=640)

Использование камеры Raspberry Pi#

При использовании Raspberry Pi в проектах по компьютерному зрению может быть необходимо получать видеопоток в реальном времени для выполнения инференции. Встроенный разъем MIPI CSI на Raspberry Pi позволяет подключать официальные модули камер Raspberry Pi. В этом руководстве мы использовали модуль камеры Raspberry Pi Camera Module 3 для получения видеопотока и выполнения инференции с моделями YOLO26.

Проверка камеры#

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

rpicam-hello

Инференция с камеры#

Есть два способа использовать камеру Raspberry Pi для выполнения инференции на моделях YOLO26.

import cv2
from picamera2 import Picamera2

from ultralytics import YOLO

# Initialize the 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()

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

while True:
    # Capture frame-by-frame
    frame = picam2.capture_array()

    # Run YOLO26 inference on the frame
    results = model(frame)

    # Visualize the results on the frame
    annotated_frame = results[0].plot()

    # Display the resulting frame
    cv2.imshow("Camera", annotated_frame)

    # Break the loop if 'q' is pressed
    if cv2.waitKey(1) == ord("q"):
        break

# Release resources and close windows
cv2.destroyAllWindows()

Рекомендации по использованию Raspberry Pi#

Чтобы обеспечить максимальную производительность YOLO26 на Raspberry Pi, соблюдай несколько рекомендаций.

1. Используй SSD

   При круглосуточном использовании Raspberry Pi рекомендуется использовать SSD для системы, поскольку SD-карта не выдержит непрерывных операций записи и может выйти из строя. Благодаря встроенному разъему PCIe в Raspberry Pi 5 теперь можно подключать SSD с помощью адаптера, например NVMe Base для Raspberry Pi 5.

2. Запись без графического интерфейса

   При записи Raspberry Pi OS можно не устанавливать среду рабочего стола (Raspberry Pi OS Lite), что позволит сэкономить немного RAM на устройстве и оставить больше места для обработки задач компьютерного зрения.

3. Разгон Raspberry Pi

   Если ты хочешь немного повысить производительность при запуске моделей Ultralytics YOLO26 на Raspberry Pi 5, то можешь разогнать CPU с базовых 2,4 ГГц до 3,0 ГГц, а GPU — с 800 МГц до 1 ГГц. Если система становится нестабильной или происходят сбои, уменьшай значения разгона шагами по 100 МГц. Убедись, что обеспечено надлежащее охлаждение, так как разгон увеличивает тепловыделение и может привести к троттлингу.

   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 файл и выйди, нажав CTRL + X, затем Y и ENTER

   e. Перезагрузи Raspberry Pi

Следующие шаги#

Ты успешно настроил YOLO26 на своем Raspberry Pi. Чтобы продолжить, изучи режим Predict для получения дополнительных вариантов инференции, режим Export для дополнительных форматов развертывания или руководство по NVIDIA Jetson, если тебе требуется больше вычислительных ресурсов на периферии. Полную документацию см. в документации Ultralytics YOLO26.

Благодарности и цитирование#

Изначально это руководство создал Daan Eeltink для Kashmir World Foundation — организации, занимающейся использованием YOLO для охраны исчезающих видов. Мы признаем их новаторский вклад и образовательную деятельность в области технологий обнаружения объектов.

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

Часто задаваемые вопросы#