【RV1126B 实战连载 07】口罩检测边缘部署实测，公共场所防疫AI方案

本期聚焦：

前几期我们先后在RV1126B AI视觉套件上跑通了YOLO目标检测、PP-OCR文字识别、YOLO11安全帽检测以及火焰检测。本期把镜头对准公共卫生防疫场景——口罩佩戴检测，用YOLOv5模型在边缘端实现实时人脸口罩识别，验证RV1126B在智慧安防与公共卫生领域的实战能力。

后疫情时代，口罩佩戴管理并没有随着疫情退去而消失。医院门诊大厅里，密集的人流中偶尔有不戴口罩的患者穿梭；学校食堂和图书馆，管理人员疲于逐个提醒；工厂的无尘车间和食品生产线，口罩是准入红线，却只能靠人工抽查。

今天这篇实测，给你一个完全不同的思路——用一块几百块的边缘AI板卡 + 一个摄像头，让系统自己”看脸识罩”。检测到人脸，立刻判断戴没戴口罩，没戴的框出来提醒，全过程本地完成，一块RV1126B + 一个摄像头，本地推理，毫秒级响应、离线也能跑。

硬件平台方面，我们继续使用眺望电子的RV1126B AI视觉开放平台套件。这套平台在前面几期已经验证了YOLO系列、PP-OCR、安全帽检测和火焰检测的部署能力，从模型转换到摄像头实时推演，链路成熟稳定。

一、YOLOv5口罩检测模型解析

口罩检测本质上是一个带有人脸定位的细粒度目标检测任务。它不像通用目标检测那样只回答”画面里有什么”，而是要先找到人脸，再在人脸区域上判断”有没有口罩”。这意味着模型需要同时具备两个能力：人脸区域的精准定位和口罩佩戴状态的准确分类。

YOLOv5（You Only Look Once Version 5）是YOLO系列中一个非常成熟的版本，以结构精简、部署方便和推理速度快著称。它的单阶段检测架构可以在一次前向推理中同时完成”人脸在哪”和”戴没戴口罩”的判断，不需要像两阶段模型那样先圈人脸再逐个分类，推理效率高，特别适合边缘设备部署。

对于RV1126B而言，YOLOv5经过RKNN工具链转换后，可以充分利用芯片内置的NPU加速单元。实测下来，在保持较高检测精度的同时，实时视频流处理毫无压力。多人同框、不同角度、部分遮挡的复杂场景下，模型依然能稳定工作。

二、YOLOv5口罩检测实战部署

2.1 统一部署环境

硬件连接与前几期一致。将SC450AI摄像头对准IPC-RV1126B接口底板丝印为J9的MIPI CSI接口，装好POE电源板并接通供电。摄像头就位后，套件板即可通过以太网向外推流，记得确认网线已插牢。（注：摄像头同时兼容IMX415）

软件环境也无需重复造轮子。直接拉取官方仓库：

talowe@ubuntu22:~$ git clone https://github.com/hbt021211-coder/talowe-rv1126b-aidemo

如果所在环境网络不畅，直接用资料里离线包路径在：Core-RV1126B-IPC核心板光盘资料\4-软件资料\3-RV1126B模型应用\talowe-rv1126b-aidemo.zip。解压即用，仓库里已经备好了PP-OCR的预编译RKNN文件和完整例程。

视频预览通道依然走UDP推流。在Ubuntu接收终端提前启动GStreamer管道，窗口先待命：

talowe@ubuntu22:~$ gst-launch-1.0 udpsrc port=5000 ! application/x-rtp,media=video,encoding-name=H264,payload=96 ! rtph264depay ! avdec_h264 ! videoconvert ! autovideosink

2.2 推送应用

进入应用目录中，使用adb命令将口罩检测识别应用推送到rv1126b开发板中，确保adb正常连接。

talowe@ubuntu22:~$ adb push talowe_mask_detection_cam/cpp/install/rv1126b_linux_aarch64/rknn_mask_detection_cam/ /userdata/aidemo

推送完成后，/userdata/aidemo/rknn_mask_detection_cam/ 目录下会包含可执行文件 rknn_mask_detection_cam 以及存放RKNN模型的 model/ 子目录。目录结构和之前YOLO系列、PP-OCR、安全帽检测及火焰检测例程保持统一，进入即可直接运行。

2.3 送应用运行模型应用

进入/userdata/aidemo/rknn_mask_detection_cam目录中执行如下命令

root@rv1126b-buildroot:/userdata/aidemo/rknn_mask_detection_cam# ./rknn_mask_detection_cam model/mask_detection.rknn /dev/video31 192.168.0.191

三个参数各司其职：

•model/mask_detection.rknn — 口罩检测RKNN模型，负责识别人脸及口罩佩戴状态

•/dev/video31 — SC450AI摄像头设备节点

•192.168.0.191 — Ubuntu接收端IP地址，请按实际环境替换

命令执行后，Ubuntu端的GStreamer窗口画面中，摄像头视野内的人脸会被检测框精准框选——佩戴口罩的标注清晰，未佩戴的也能被准确识别并高亮提示。画面左上角实时显示当前摄像头帧率和NPU推理帧率，性能数据一目了然。

从实测效果来看，模型对单人、多人、不同角度的口罩佩戴状态都能稳定识别，推理流畅无卡顿，满足公共场所实时防疫检测的需求。

三、结语

从YOLO系列目标检测，到PP-OCR文字识别，到YOLO11安全帽检测，到火焰检测，再到本期YOLOv5口罩检测——部署流程一脉相承。

眺望电子RV1126B AI视觉开放平台把口罩检测这类公共卫生应用，封装成了和前几期Demo一样简洁的部署体验。对项目开发来说，这意味着从算法验证到工程落地的时间成本被大幅压缩。对公共场所管理来说，这意味着用一套成熟的边缘AI方案替代人工巡查，已经触手可及。

若需要完整开发资料或者套件申请，可向眺望电子技术支持联系获取。

下期预告：

下一篇我们将继续展示AI视觉开放平台中更多开箱即用模型效果，敬请期待！