几条命令入门AI视觉检测，用ShiMetaPi Pico G1快速跑通端侧AI

刚拿到一块带 NPU 的板卡，最容易卡在哪里？我觉得往往不是模型，也不是


算法


，而是你连

第一帧结果

都还没看到，就先被驱动、依赖和环境配置劝退了。

Shimeta


Pi


软件源的思路很直接：板卡刷好固件、插上


SD


卡、连好网，剩下的事情尽量交给几条命令。你不需要先读代码，也不必一上来就搭完整开发环境，先把

NPU 推理链路

跑通再说。>> 文章底部有整理好的PDF手册供大家一步步学习；

「便宜好用，限量优惠~ 」

华秋商城


刚上线了 ShiMetaPi Pico G1黑光全彩


AI


-IPC开发板，目前有限量优惠，不到￥120即可入手（


ARM


Cortex-A7 双核 @1.0GHz）+ 1.0 TOPS 通用 NPU黑光全彩AI-IPC开发板

点击前往购买：https://www.hqchip.com/gongsi/77600.html

「我觉得这对刚接触端侧 AI 的朋友相当友好。」

它把常用流程收进了三个入口。

shimeta_infer

负责单张图片推理，

shimeta_camera

负责摄像头实时检测，

shimeta_svp

则直接调用板端预编译场景模型。啥意思就是，先用现成模型检查硬件，再换成自己的模型，最后才接实时视频，排错路径会清楚很多。

本文看点

01

先验 NPU

02

再验模型

03

最后接视频

01

RE


AD


Y

先把板卡环境跑通

开始之前，需要一块已经刷好固件、NPU 驱动正常的 GK7206 板卡，一张

FAT32 格式 SD 卡

，以及能让板卡访问公网的网线。

如果要跑自己的目标检测模型，那你还需要准备模型平台下发的

.xmm.zip

。(软件源也⾃带80类常⽤⽬标检测模型可以直接用。)

设备上电联网后，先等 5 到10 秒，再在 Windows


电脑


上运行

ips


can


.exe

。扫描结果里标记为 NEW 的地址就是板卡 IP。

— 记录扫描结果中的板卡地址

然后打开命令提示符，进行ssh登录。[

IP

] 换成你自己的，默认密码是


123456


。

.


.


.


bash

# win+R输入cmd打开命令窗口

ssh root@192.168.x.x

默认密码是123456

ls /dev/npu.0

能看到

npu.0

设备节点，说明驱动已经通了；没有输出，就不是模型参数的问题，应先按资料建议处理固件。特別提醒：正式部署时不要一直保留默认口令。

接着处理 SD 卡。第一次用，把它挂载到/mnt；如果已经挂好，可以直接跳过，直接执行安装脚本。

bash

mount /dev/mmcblk1p1 /mnt

要是提示No such file or directory，SD卡设备名可能是/dev/mmcblk0p1，先用ls /dev/mmc*看一眼再决定。

执行安装脚本：wget（推荐，最快最稳定），看到

安装完毕

后继续执行/mnt/setup.sh

bash

wget


rs
/repos/GK7206/install.sh -O - | sh

安装完毕后

. /mnt/setup.sh

唯一需要注意的是，加载的环境只对当前 shell 会话生效。以后重新登录，如果看到shimeta_infer: not found，通常不是安装丢了，而是忘了再执行一次. /mnt/setup.sh。

02

VERIFY

先用内置模型拿到结果

先别上传自己的模型。直接跑内置示例，把

NPU、运行库和后处理

整条链路一次验证掉。

bash

shimeta_infer /mnt/yolov8n_demo.zip /mnt/people.jpg

正常情况下，终端会给出检测数量、坐标、置信度、类别和推理耗时，还会在/mnt生成一张带检测框的people.jpg_output.jpg。资料里的两个示例大约是 24～25 ms，一张图就能看到结果，这个反馈速度确实很直观。

— 终端直接输出类别、坐标、置信度与耗时

想把结果拉回电脑，另开一个终端执行下面的命令。下载回来的图片已经画好检测框，不用再写脚本做可视化。

scp -O root@<板卡IP>:/mnt/people.jpg_output.jpg .

把结果拉回电脑后，图片已经画好检测框，不用再写脚本做可视化。

03

CUSTOM

自己的模型先跑单图

内置模型跑通之后，就可以换自己的模型。平台地址是


，把平台下发的模型包和测试图片传到板卡的 mnt 目录。

scp -O model.xmm.zip photo.jpg root@<板卡IP>:/mnt/

示例（使⽤内置 YOLOv8n demo 模型）：

#单图推理命令

shimeta_infer /mnt/model.xmm.zip /mnt/photo.jpg

为什么先跑单图？其实很简单。这里没有摄像头、编码和浏览器显示这些变量，如果模型加载失败，就能把问题优先收敛到

模型版本、量化参数或 NPU 兼容性

。先用默认值建立基线，再一次只改一个参数，最容易看出变化。

检测结果太少？降低门槛

• 
  
• 
  

# 检测结果太少？降低门槛shimeta_infer/mnt/yolov8n_demo.zip photo.jpg0.1

重复框太多？提高 NMS

• 
  
• 
  

# 重复框太多？提高 NMSshimeta_infer/mnt/yolov8n_demo.zip photo.jpg0.250.7

单图没有问题，再接 SC465SL 摄像头并启动 Camera。

. /mnt/setup.sh

shimeta_camera /mnt/model.xmm.zip

conf 和 iou 参数和 shimeta_infer ⼀样：

shimeta_infer /mnt/model.xmm.zip /mnt/photo.jpg 0.1

shimeta_infer /mnt/model.xmm.zip /mnt/photo.jpg 0.25 0.3

PC 浏览器打开板卡8080


端口


链接


，就能看到

MJPEG 实时画⾯（硬件 VENC 编码，流畅 15-30fps）

检测框叠加显示（前端 Canvas 渲染，不同颜⾊区分类别）

检测结果表格（类别、置信度、坐标）

实时状态⾯板（总帧数、FPS、推理耗时）

这套 WebUI 确实挺省事。

— 浏览器端同时显示画面、状态和检测明细

04

STREAM

不训练模型也能跑场景

如果只是快速演示人、车、宠物或火焰检测，甚至可以不准备模型。

shimeta_svp 内置21种预编译任务

，第一次使用先下载约62MB的模型包。

. /mnt/setup.sh

# 首次使用：下载模型包（约 2 分钟，仅需一次）

# wget方式

wget -O - | sh

# 人/车/宠物 基础检测

shimeta_svp person # 人形检测

shimeta_svp face # 人脸检测

shimeta_svp car # 车辆检测（机动车）

shimeta_svp bike # 非机动车检测（自行车/电动车）

# 进阶场景

shimeta_svp face_emo # 人脸情绪检测（微笑/正常表情）

shimeta_svp dms # 驾驶员犯困监测（闭眼或打哈欠）

shimeta_svp head # 人头数检测

shimeta_svp fire # 火焰/烟雾检测

shimeta_svp person_kp # 人体 17 点关键点

启动后会输出


rtsp://<板卡IP>:554/livestream/0


视频流地址，可看到实时检测画⾯（⾃带⽅框标注，硬件画框不消耗


CPU


）。

rtsp视频流播放⽅法：

1. 安装ffmpeg，教程：



te
/developer/ar


ti


cle/2470274

2.

win+r

输⼊cmd打开命令⾏，输⼊

ffplay rtsp://<板卡IP>:554/livestream/0

回⻋即可

conf、iou、编码格式均可调：

shimeta_svp person 0.1 # 降低门槛多检出

shimeta_svp car 0.5 0.3 # 提高门槛+减少重复框

shimeta_svp face 0.25 0.45 h264 # H264 编码（VLC/ffplay 兼容性更好）

默认编码是 H.265。如果 VLC 或 ffplay 花屏，或者提示 Skipping invalid NAL，就在命令末尾增加 h264。想用自己的模型并在浏览器看明细，选 Camera；想快速演示现成场景并接入 RTSP，选 SVP。

再给大家一份开发指南：

怎么传⽂件到板卡？

板卡没有桌⾯，⽤PC传⽂件：

• 
  
• 
  

# PC 端执行（把 模型.zip 和 图片.jpg 传到板卡的 /mnt/ 目录）scp 模型.zip 图片.jpg root@<板卡IP>:/mnt/

怎么读懂结果

运⾏后会打印类似这样的内容：

• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  

# PC 端执行（把 模型.zip 和 图片.jpg 传到板卡的 /mnt/ 目录）scp 模型.zip 图片.jpg root@<板卡IP>:/mnt/============================================================


检测结果: 1 个物体============================================================# x1 y1 x2 y2 置信度 类别ID 类别名0 719 447 755 559 84.4% 0 person


推理耗时: 24.10 ms


结果已保存: photo.jpg_output.jpg

检测框以绿⾊画在原图上并保存，可以直接打开看效果。 最后⼀⾏是⾼光——你的模型在NPU上的实际推理速度。

结果不对怎么调

板端直接改命令最后的数字，⽆需重编译：

• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  

# 情况 1：啥也没检测到 → 降低 conf (门槛)shimeta_infer/mnt/yolov8n_demo.zip photo.jpg0.05# 情况 2：同一个物体框了多次 → 降低 iou (让重叠框合并)shimeta_infer/mnt/yolov8n_demo.zip photo.jpg0.250.3# 情况 3：框太多太乱 → 提高 conf (只信高置信度的)shimeta_infer/mnt/yolov8n_demo.zip photo.jpg0.5# 情况 4：模型 zip 里的模型加载失败# 确认 zip 里有 neuron_network.xmm 文件, 且文件开头不是 PK 开头

05

DEBUG

常见问题

确认模型包里存在 neuron_network.xmm，而且文件开头不是 PK。WebUI 不显示时先确认电脑能 ping 通板卡，再用 Ctrl、Shift 和 R 组合键强制刷新。

不过，手册前文称 Camera 可到十五至三十帧，对比页又写十五至十六帧；SVP 正文写二十一个任务，对比页则写三十三个预编译模型。更合理的处理方式，是把它视为版本或统计口径差异，以板端当前版本和现场实测为准。

∞

THE END

先跑起来，再往下拆

对刚入门的用户，它能让先看到结果这件事变得相当简单；对有经验的


工程师


，它也能快速判断板卡、模型和视频链路到底卡在哪一层。先跑起来，再往下拆，这个节奏确实很适合端侧 AI 项目。

>>点击链接，领取ShimetaPi软件源-GK7206 ⼩⽩快速上⼿.pdf

「便宜好用，限量优惠~ 」

华秋




商城


刚上线了 ShiMetaPi Pico G1黑光全彩AI-IPC开发板，目前有限量优惠，不到￥120即可入手（ARM Cortex-A7 双核 @1.0GHz）+ 1.0 TOPS 通用 NPU黑光全彩AI-IPC开发板

点击前往购买：https://www.hqchip.com/gongsi/77600.html