参考
YOLOV8火灾检测模型的边缘端推理
验证rknn模型
1.将转换好的rknn模型上传到板子上，再在板子上安装rknn-toolkit-lite2,将上面的requirements_cp.38-2.0.0b0.txt和同一个项目下的rknn_toolkit_lite2-2.0.0b0-cp38-cp38-linux_aarch64.whl下载下来上传到板子的某个目录下。
# 安装 RKNN-Toolkit2
pip install rknn_toolkit_lite2-2.0.0b0-cp38-cp38-linux_aarch64.whl验证是否安装成功
# 进入 Python 交互模式
python
# 导入 RKNNLite 类
from rknnlite.api import RKNNLite2.在rk3588上修改/rknn_model_zoo/examples/yolov8/model/coco_80_labels_list.txt为自己的标签种类；修改同目录下的dataset.txt为自己数据集中的一张图片；
在/userdata/OCR/rknn_model_zoo/目录下执行以下代码。
./build-linux.sh -t rk3588 -a aarch64 -d yolov83.执行后会在install/rk3588_linux_aarch64/rknn_yolov8_demo/下生成验证rknn模型程序:rknn_yolov8_demo。执行该程序验证rknn模型：
./rknn_yolov8_demo model/yolov8.rknn model/1.jpg4.运行完成后，会在rknn_yolov8_demo下生成out.png文件。
推理结果
参考链接：
YOLOv8部署在RK3588上_rk3588 yolov8部署-CSDN博客