-
基于reComputer RK3576，实现空中物体检测
空中物体检测是无人机监控、交通监测和空中数据分析的关键能力。然而，在边缘设备上部署深度学习模型面临诸多挑战，包括计算资源有限、热管理限制以及对实时性能的要求。
-
构建一个仓库物体检测系统
随着边缘AI设备的快速发展，将计算机视觉模型直接部署到嵌入式硬件上已变得越来越实用。本项目展示了在Seeed Studio reComputer RK3576上进行离线仓库箱体检测的应用，通过RK1820 NPU实现加速处理。
-
设计一款边缘AI健身追踪器：可检测运动员姿态、统计引体向上次数
本项目将RK3576边缘计算设备转变为一个实时引体向上计数器。它能够检测运动员位置，绘制边界框和17点姿态骨架，估算引体向上杠的位置，并统计完成的重复次数。所有操作均在RK3576 NPU本地运行。浏览器仅接收标注后的MJPEG视频流和状态数据，因此不会将任何视频上传至云服务。
-
构建一个轻量级的网页界面，实现本地AI对话
随着边缘AI应用的发展，本地运行大语言模型正变得越来越流行。本项目中，我们使用RKLLM在RK3576上部署DeepSeek-R1-Distill-Qwen，提供兼容OpenAI的API接口，并构建一个轻量级的浏览器WebUI，支持交互式对话。
-
如何使用单条命令在 RK3576/RK3588 上运行 LLM
在Rockchip NPU上运行LLM应该很令人兴奋。然而，我却一直花时间匹配ARM64库、Python包、NPU设备访问、平台设置和模型文件，直到终于能提出一个简单的问题为止。
-
RK3576五路1080P30拉流+硬件编码实战，数采设备选型必看!
本文基于 MYD-LR3576开发板测试，完整记录使用米尔电子的5路1080P摄像头从驱动修复到五路同时预览、H.265硬件编码的全流程。四个驱动级Bug，逐一拆解，附完整验证命令和实测截图。
-
基于YOLO v8算法进行优化：以实现多种跌倒行为在多个场景中的检测与预警
整个系统通过摄像头进行数据采集，获取模型，并借助reComputer AI Lab平台实现快速部署，同时在reComputer RK3576边缘计算设备上运行算法。在模型推理阶段，设计并优化了推理流程和跌倒判断逻辑，最终通过网络平台查看推理结果。
-
轻量化GMapping嵌入式移植：低算力RK3576巡检小车地图构建
-
构建一个边缘AI安全防护系统
传统的监控系统通常依赖云服务或专用服务器，这会增加部署的复杂性和成本。随着边缘AI设备性能的不断提升，现在可以直接在本地硬件上运行实时计算机视觉应用。
-
使用RK3576 + Hailo-8构建一个强大的边缘 AI 视觉平台
边缘AI设备通常受限于其内置的计算能力。Seeed Studio reComputer RK3576搭载了Rockchip的RK3576处理器，配备了一颗性能不错的6 TOPS NPU。然而，在运行YOLOv11n进行视频目标检测时，其性能仅为约2.3 FPS，远不足以满足实时应用的需求。
-
如何使用 reComputer AI Lab 部署 YOLO 项目
reComputer AI Lab 是由 Seeed 推出的边缘 AI 开发平台，围绕即用型体验构建。该平台预集成主流 AI 应用场景，包括通过定制系统镜像实现 YOLO 等功能，并支持一键部署与推理执行，显著降低了开发者使用 AI Box 产品系列的学习门槛。
-
如何使用 RK3576 将 Home Assistant 语音功能完全本地化
云端语音助手在互联网中断、延迟增加或你开始疑惑每个指令的处理位置时，依然十分便捷。对于智能家居而言，“打开办公室的灯”应该感觉即时且私密。
-
AI落地好场景，用米尔RK3576做无人视力测试仪 端侧AI视力检测系统，基于米尔RK3576落地实战
随着人工智能技术的快速发展，视觉检测技术在医疗健康领域的应用越来越广泛。传统的视力检测需要专业医护人员操作，检测效率较低，且难以实现自动化。本项目基于米尔RK3576开发板，设计并实现了一套智能视力检测系统，旨在提供一种便捷、高效的视力检测方案。RK3576是一款高性能ARM架构的开发板，搭载瑞芯微处理器，具备强大的AI推理能力，适合运行手势识别、图像处理等AI任务。
-
如何使用RK3576边缘AI设备构建车载道路安全预警系统
如今，汽车正变得越来越智能——车道偏离预警、碰撞提醒、自动刹车等功能。这些先进的驾驶辅助系统(ADAS)在较新的车型中已十分常见。但问题在于：只有较新款的高端车型才配备这些功能。
-
RK3576有多强？实测三屏八摄像头轻松搞定-米尔
RK3576是瑞芯微电子股份有限公司推出的一款高性能AIoT处理器，这款芯片以其卓越的计算能力、多屏幕支持、强大的视频编解码能力和高效的协处理器而闻名。
