Hướng dẫn bắt đầu nhanh: Raspberry Pi với Ultralytics YOLO26#

Raspberry Pi là một máy tính nhỏ, có chi phí phải chăng, chạy Ultralytics YOLO26 để phát hiện đối tượng theo thời gian thực ở biên — không cần GPU. Hướng dẫn này chỉ cho bạn cách triển khai YOLO26 trên Raspberry Pi 4 và 5: ghi OS vào thẻ, cài đặt Ultralytics, xuất sang NCNN để đạt [suy luận](https://ultralytics-translation-4.invalid nhanh nhất trên ARM và chạy dự đoán từ luồng camera trực tiếp. Hướng dẫn cũng bao gồm các benchmark hiệu năng trên tám định dạng xuất để bạn có thể chọn sự cân bằng tốt nhất giữa tốc độ và độ chính xác cho phần cứng của mình.

Chuyển nhanh đến phần thiết lập Ultralytics, xuất sang NCNN và chạy suy luận, benchmark hoặc suy luận từ camera.

Raspberry Pi là gì?#

Raspberry Pi là một máy tính đơn bo mạch nhỏ, có chi phí phải chăng. Thiết bị này đã trở nên phổ biến trong nhiều dự án và ứng dụng, từ tự động hóa nhà ở dành cho người yêu thích công nghệ đến các ứng dụng công nghiệp. Các bo mạch Raspberry Pi có thể chạy nhiều hệ điều hành khác nhau và cung cấp các chân GPIO (Đầu vào/Đầu ra đa dụng), cho phép dễ dàng tích hợp với cảm biến, cơ cấu chấp hành và các thành phần phần cứng khác. Raspberry Pi có nhiều model với thông số kỹ thuật khác nhau, nhưng đều chia sẻ triết lý thiết kế cơ bản là chi phí thấp, nhỏ gọn và linh hoạt.

So sánh các dòng Raspberry Pi#

Raspberry Pi OS là gì?#

Raspberry Pi OS (trước đây có tên là Raspbian) là một hệ điều hành tương tự Unix, dựa trên bản phân phối Debian GNU/Linux dành cho dòng máy tính đơn bo mạch nhỏ gọn Raspberry Pi do Raspberry Pi Foundation phân phối. Raspberry Pi OS được tối ưu hóa cao cho Raspberry Pi với CPU ARM và sử dụng môi trường desktop LXDE đã được sửa đổi cùng trình quản lý cửa sổ xếp chồng Openbox. Raspberry Pi OS đang được phát triển tích cực, tập trung cải thiện độ ổn định và hiệu năng của nhiều gói Debian nhất có thể trên Raspberry Pi.

Ghi Raspberry Pi OS vào Raspberry Pi#

Việc đầu tiên cần làm sau khi có Raspberry Pi là ghi Raspberry Pi OS vào thẻ micro-SD, lắp thẻ vào thiết bị và khởi động vào OS. Hãy làm theo Tài liệu Bắt đầu của Raspberry Pi để chuẩn bị thiết bị cho lần sử dụng đầu tiên.

Thiết lập Ultralytics#

Bạn có thể thiết lập package Ultralytics trên Raspberry Pi theo hai cách cho dự án Thị giác máy tính tiếp theo:

• Bắt đầu với Docker
• Bắt đầu không dùng Docker

Bắt đầu với Docker#

Cách nhanh nhất để bắt đầu với Ultralytics YOLO26 trên Raspberry Pi là chạy một Docker image dựng sẵn cho Raspberry Pi.

Thực thi lệnh dưới đây để pull Docker container và chạy trên Raspberry Pi. Lệnh này dựa trên Docker image arm64v8/ubuntu, chạy Ubuntu 24.04 trong môi trường Python3.

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

Docker image đã bao gồm Ultralytics, vì vậy bạn có thể chuyển thẳng đến bước xuất model sang NCNN.

Bắt đầu không dùng Docker#

Cài đặt package Ultralytics#

Tại đây, chúng ta sẽ cài đặt package Ultralytics trên Raspberry Pi. Các dependency để xuất sang những định dạng như NCNN sẽ tự động được cài đặt lần đầu bạn xuất một model PyTorch, vì vậy ở đây chỉ cần package cơ sở.

1. Cập nhật danh sách package, cài đặt pip và nâng cấp lên phiên bản mới nhất

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

2. Cài đặt package pip ultralytics

   pip install ultralytics

3. Khởi động lại thiết bị

   sudo reboot

Sử dụng NCNN trên Raspberry Pi#

Trong tất cả các định dạng xuất model được Ultralytics hỗ trợ, NCNN mang lại hiệu năng suy luận tốt nhất trên các thiết bị Raspberry Pi vì được tối ưu hóa cao cho các nền tảng mobile/embedded như kiến trúc ARM. Chuyển model PyTorch YOLO26n sang NCNN, sau đó chạy suy luận với model đã xuất:

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")

Cải thiện hiệu năng của YOLO26 so với YOLO11#

YOLO26 được thiết kế riêng để chạy trên các thiết bị có tài nguyên phần cứng hạn chế như Raspberry Pi 5. So với YOLO11n, YOLO26n đạt mức tăng khoảng ~15% FPS (6.79 → 7.79), đồng thời mang lại mAP cao hơn (40.1 so với 39.5) ở kích thước đầu vào 640 với các model đã xuất sang ONNX trên Raspberry Pi 5. Bảng và biểu đồ dưới đây minh họa so sánh này.

Benchmark YOLO26 trên Raspberry Pi 5#

Benchmark YOLO26 được đội ngũ Ultralytics thực hiện trên tám định dạng model khác nhau, đo tốc độ và độ chính xác: PyTorch, TorchScript, ONNX, OpenVINO, MNN, NCNN, ExecuTorch, LiteRT. Benchmark được thực hiện trên Raspberry Pi 5 ở độ chính xác FP32 với kích thước ảnh đầu vào mặc định là 640.

Biểu đồ so sánh#

Chúng tôi chỉ đưa vào benchmark các model YOLO26n và YOLO26s vì những kích thước model khác quá lớn để chạy trên Raspberry Pi và không mang lại hiệu năng tốt.

Bảng so sánh chi tiết#

Bảng dưới đây thể hiện kết quả benchmark của hai model khác nhau (YOLO26n, YOLO26s) trên tám định dạng khác nhau (PyTorch, TorchScript, ONNX, OpenVINO, MNN, NCNN, ExecuTorch, LiteRT), chạy trên Raspberry Pi 5, cung cấp trạng thái, kích thước, chỉ số mAP50-95(B) và thời gian suy luận cho từng tổ hợp.

Tái tạo kết quả của chúng tôi#

Để tái hiện các benchmark Ultralytics ở trên trên tất cả định dạng xuất, hãy chạy đoạn code này:

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)

Sử dụng camera Raspberry Pi#

Khi sử dụng Raspberry Pi cho các dự án Thị giác máy tính, việc thu nhận luồng video theo thời gian thực để thực hiện suy luận có thể rất cần thiết. Đầu nối MIPI CSI tích hợp trên Raspberry Pi cho phép bạn kết nối các module camera Raspberry Pi chính thức. Trong hướng dẫn này, chúng tôi đã sử dụng Raspberry Pi Camera Module 3 để thu nhận luồng video và thực hiện suy luận bằng các model YOLO26.

Kiểm tra camera#

Thực thi lệnh sau đây sau khi kết nối camera với Raspberry Pi. Bạn sẽ thấy luồng video trực tiếp từ camera trong khoảng 5 giây.

rpicam-hello

Suy luận bằng camera#

Có hai phương pháp sử dụng Raspberry Pi Camera để chạy suy luận trên các model 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()

Các phương pháp hay nhất khi sử dụng Raspberry Pi#

Có một số phương pháp hay nhất cần tuân theo để đạt hiệu năng tối đa trên Raspberry Pi chạy YOLO26.

1. Sử dụng SSD

   Khi sử dụng Raspberry Pi liên tục 24x7, bạn nên dùng SSD cho hệ thống vì thẻ SD không thể chịu được việc ghi liên tục và có thể bị hỏng. Với đầu nối PCIe tích hợp trên Raspberry Pi 5, giờ đây bạn có thể kết nối SSD bằng adapter như NVMe Base cho Raspberry Pi 5.

2. Ghi mà không có GUI

   Khi ghi Raspberry Pi OS, bạn có thể chọn không cài đặt môi trường Desktop (Raspberry Pi OS Lite), giúp tiết kiệm một phần RAM trên thiết bị và dành thêm không gian cho việc xử lý thị giác máy tính.

3. Ép xung Raspberry Pi

   Nếu bạn muốn cải thiện một chút hiệu năng khi chạy các model Ultralytics YOLO26 trên Raspberry Pi 5, bạn có thể ép xung CPU từ mức cơ bản 2.4GHz lên 3.0GHz và GPU từ 800MHz lên 1GHz. Nếu hệ thống trở nên không ổn định hoặc gặp sự cố, hãy giảm các giá trị ép xung xuống theo các bước 100MHz. Hãy đảm bảo có giải pháp làm mát phù hợp, vì việc ép xung làm tăng sinh nhiệt và có thể dẫn đến hiện tượng giảm xung do nhiệt.

   a. Nâng cấp phần mềm

   sudo apt update && sudo apt dist-upgrade

   b. Mở để chỉnh sửa file cấu hình

   sudo nano /boot/firmware/config.txt

   c. Thêm các dòng sau vào cuối file

   arm_freq=3000
   gpu_freq=1000
   force_turbo=1

   d. Lưu và thoát bằng cách nhấn CTRL + X, sau đó nhấn Y và ENTER

   e. Khởi động lại Raspberry Pi

Các bước tiếp theo#

Bạn đã thiết lập thành công YOLO26 trên Raspberry Pi. Để tìm hiểu thêm, hãy khám phá Predict mode để xem thêm các tùy chọn suy luận, Export mode để biết các định dạng triển khai bổ sung hoặc hướng dẫn NVIDIA Jetson nếu bạn cần thêm năng lực tính toán ở biên. Để xem toàn bộ tài liệu, hãy truy cập Tài liệu Ultralytics YOLO26.

Lời cảm ơn và trích dẫn#

Hướng dẫn này ban đầu được Daan Eeltink tạo cho Kashmir World Foundation, một tổ chức tận tâm sử dụng YOLO để bảo tồn các loài có nguy cơ tuyệt chủng. Chúng tôi ghi nhận công trình tiên phong và trọng tâm giáo dục của họ trong lĩnh vực công nghệ phát hiện đối tượng.

Để biết thêm thông tin về các hoạt động của Kashmir World Foundation, bạn có thể truy cập website của họ.

FAQ#