随着科技的飞速发展，机器视觉技术在消防领域的应用日益广泛。而RK3588核心板作为高性能、低功耗的处理器，正成为机器视觉消防产品的得力助手。
这款核心板集成了多种强大功能，内置NPU, 支持INT4/INT8/INT16/FP16混合运算，运算能力高达6Tops。支持深度学习框架，基于TensorFlow/MXNet/PyTorch/Caffe等一系列框架的网络模型可以轻松转换， 通过算法分析，精准识别火源位置，为消防人员提供实时、准确的火情信息。
RK3588核心板凭借出色的图像处理能力，帮助消防人员迅速找到火源，为灭火赢得宝贵时间。
此外，RK3588核心板还支持多种接口和扩展功能，可以与其他消防设备无缝对接，实现智能化、自动化的消防管理。
RK3588核心板：320PIN全部引出，满足各个行业扩展需求。
CPU：ROCKCHIP RK3588 八核A76+A55
主频：八核处理器，A76四核+A55四核，主频 2.0GHz
内存：8G/16G可选（最高可支持32GB)
存储器：32G/64G可选
电源管理芯片：使用 RK806-1，支持动态调频等
GPU：集成Mali G610 3D 四核GPU，支持OpenGLES 1.1、2.0、3.2，OpenCL 2.2、Vulkan1.2至少支持2路4K UI，流畅运行复杂的图形处理及游戏。
NPU：支持INT4/INT8/INT16/FP16混合运算，运算能力高达6TOPS， 支持基于TensorFlow/MXNet/PyTorch/Caffe等一系列的 框架的网络模型。
多媒体视频解码:8K@60fps H.265/H.264/VP9/AV1视频解码
8K@30fps H.264 AVC/MVC
4K@60fps AV1
1080P@60fps MPEG-2/-1/VC-1/VP8
视频编码: 8K@30fps H.265/H.264
可实现32路1080P@30fps编码和16路1080@30fps编码
ISP，4800万像素ISP（图像信号处理器）
迅为提供npu使用手册，使开发更快速：
第 1 章 你好！NPU
1.1 NPU 的诞生！
1.2 1.2 初识 RKNPU
第 2 章 准备 RKNPU 开发环境2.1 开发环境
2.1 软件架构
2.2 SDK 说明
第 3 章 让 NPU 跑起来
3.1 在 Linux 系统中使用 NPU
3.1.1 设置交叉编译器
3.1.2 修改编译工具路径
3.1.3 更新 RKNN 模型
3.1.4 编译 demo
3.1.5 开发板运行 demo
3.2 在 Android 系统中使用 NPU
3.2.1 下载编译所需工具
3.2.2 修改编译工具路径
3.2.3 更新 RKNN 模型
3.2.4 编译 demo
3.2.5 开发板运行 demo
第 4 章 体验 RKNN_DEMO
4.1 rknn_ssd_demo 体验
4.2 rkn_api_demo 体验
4.3 rknn_multiple_input_demo 体验
第 5 章 模型转换
5.1 RKNN-Toolkit2 介绍
5.2 RKNN-Toolkit2 环境搭建
5.2.1 安装 Miniconda
5.2.2 创建 RKNN 虚拟环境
5.2.3 安装 pycharm
5.2.4 配置 pycharm
5.3 RKNN-Toolkit2 工具的使用
5.3.1 模型运行在模拟器
5.3.2 模型运行在 RK3588 开发板
第 6 章 其他模型转换
6.1 使用 tensorflow 框架
6.2 使用 caffe 框架
6.3 使用 tflite 框架
6.4 使用 onnx 框架
6.5 使用 darknet 框架
6.6 使用 pytorch 框架第 7 章 使用 RKNN-Toolkit-lite27.1 主要功能说明
7.2 环境搭建步骤
7.2.1 安装 Miniconda
7.2.2 创建 RKNN 虚拟环境
7.2.3 安装 RKNN-ToolkitLite 2 软件包7.2.4 安装 opencv
7.3 运行测试程序
标签：RKNN,RK3588,AI,demo,3.2,3.1,NPU,赋能 From： https://www.cnblogs.com/topeet/p/18056486