本教材旨在通过多个行业领域的实际应用案例，引导读者深入了解并掌握边缘计算开发板、相关 SDK 以及深度学习框架在实际项目中的应用。我们相信，通过对本教材的学习，读者将能够逐步掌握边缘计算技术的核心原理与应用方法，为在各个行业领域中的创新应用打下坚实的基础。

在编写过程中，我们注重教材的实用性和可操作性。每个项目都围绕一种特定的应用场景，通过详细的步骤和任务分解，让读者在实践中逐步掌握相关技能。同时，我们也注重教材的系统性和完整性，通过五个项目的设，涵盖了边缘计算技术在多个行业领域的应用，为读者提供了一条全面、系统的学习路径。

项目一 边缘计算开发板在智能家居行业中的基础应用探索……………………………………………… 1

任务一 NLE-AI800 开发板入门及案例基础操作… …………………………………………………… 2

任务二 通过 OpenCV 库完成 USB 摄像头的面部信息采集…………………………………………… 16

项目二 RockX SDK 在智能制造行业中的实战应用 ……………………………………………………… 30

任务一 智能制造中 RockX SDK 实现特定目标检测…………………………………………………… 31

任务二 智能制造中 RockX 在人脸识别方面的应用… ………………………………………………… 41

项目三 TensorFlow 在文化艺术行业中的实战应用 ……………………………………………………… 59

任务一 基于 TensorFlow 图像修复的智能上色实践…………………………………………………… 60

任务二 TensorFlow 图像上色模型转换为 RKNN 模型预测及 NLE-AI800 模型部署… …………… 77

项目四 PyTorch 在智慧交通行业中的实战应用…………………………………………………………… 93

任务一 智慧交通中 YOLOv5 模型的训练与转换… …………………………………………………… 94

任务二 智慧交通中 ONNX 模型转 RKNN 模型的应用……………………………………………… 106

任务三 智慧交通中 YOLOv5 实时检测模型的部署… ……………………………………………… 125

项目五 TFLite 在智能安防行业中的实战应用 ………………………………………………………… 140

任务一 TFLite 的模型转换技术及其在智能安防中的应用探索… ………………………………… 141

任务二 智能安防系统中基于 RKNN 模型的手掌检测实践… ……………………………………… 152

任务三 智能安防系统中 RKNN 模型的部署与实施… ……………………………………………… 173

参考文献……………………………………………………………………………………………………… 186