开源一套基于RK3588 YOLO11N的火灾，睡岗识别demo，包含模型，python版本_专栏

开源地址如下
https://gitee.com/ff94315/rk3588_yolo11n_demo
演示视频
https://www.bilibili.com/video/BV1aJTX6REnP/

yolo11n的demo，20W私有数据训练出来的模型，包含的识别内容为 0 person 人员 1 person+fight 打架 2 person+sleep 睡觉 3 person+play_phone 玩手机 4 gun 5 knife 刀具 6 fire 火焰 7 smoke 烟雾

YOLO11n RKNN 推理程序
基于 RK3588 + rknn-toolkit-lite2 的 YOLO11n 目标检测推理程序，支持图片、视频和摄像头实时检测。内置 7 类自定义模型（person, fight, sleep, play_phone, gun, knife, fire, smoke），同时兼容 rknn_model_zoo 导出的 80 类 COCO 模型。

环境要求
硬件: RK3588 开发板
系统: Linux (aarch64), Python 3.10+
依赖: numpy, opencv-python, rknn-toolkit-lite2
环境安装

安装 Python 依赖
pip install numpy opencv-python
安装 rknn-toolkit-lite2
rknnlite2 不在 PyPI 上，需要从瑞芯微官方仓库安装：

克隆仓库

git clone https://gitcode.com/gh_mirrors/rk/rknn-toolkit2.git
cd rknn-toolkit2/rknn-toolkit-lite2/packages/

安装对应 Python 版本的 whl（以 cp310 为例）

pip install rknnlite2-2.x.x-cp310-cp310-linux_aarch64.whl

准备模型文件
将 .rknn 模型文件放入 models/ 目录。本项目默认使用 models/yolo11n.rknn。

运行命令
图片检测

使用默认模型

python main.py —cli -i sample/fire.jpeg

指定模型和输出路径

python main.py —cli -m models/yolo11n.rknn -i sample/fire.jpeg -o output.jpg

调整置信度和 NMS 阈值

python main.py —cli -i sample/fire.jpeg —conf 0.5 —iou 0.3
视频检测

检测视频文件，显示每帧耗时

python main.py —cli -i sample/fire.mp4

保存检测结果

python main.py —cli -i sample/fire.mp4 -o output.mkv
摄像头实时检测

使用 /dev/video0

python main.py —cli -i cam://0

指定摄像头设备并保存

python main.py —cli -i cam://0 -o record.mkv
GUI 模式
python main.py
CLI 输出示例
加载模型: models/yolo11n.rknn
Image: fire.jpeg | size=2048x1536
检测到 6 个目标 | 总耗时: 485.2ms

预处理: 8.3ms | RKNN推理: 472.1ms | 后处理: 4.8ms

[0] person 87% [ 562, 870, 744, 1411]
[1] person 77% [ 724, 875, 888, 1483]
…
模型说明
文件说明
models/yolo11n.rknn 默认模型（COCO 80 类，DFL 多头输出）
models/yolo11n_7class_rk3588_int8.rknn 7 类自定义模型（INT8 量化，单输出 cxcywh）
orign_models/7class.yaml 7 类模型的数据集配置
程序会自动检测输出格式，兼容两种模型。

7 类模型分类说明
定义文件 orign_models/7class.yaml：

ID 类别名说明
0 person 人员
1 person+fight 打架
2 person+sleep 睡觉
3 person+play_phone 玩手机
4 gun
5 knife 刀具
6 fire 火焰
7 smoke 烟雾
共 8 个类别，使用 COCO 预训练模型做 teacher 进行人员检测蒸馏，基于 20 万条专有数据训练。

目录结构
7class/
├── main.py # 主程序（CLI + GUI）
├── test_rknn.py # 测试脚本
├── debug_check.py # 后处理对比调试脚本
├── run.sh # 一键启动脚本
├── requirements.txt # Python 依赖
├── models/ # 模型文件（.rknn, .pt）
├── sample/ # 测试样本（图片、视频）
└── rknn_model_zoo/ # 外部依赖（模型转换用）
许可
MIT License