linux_learn/learn/NPU/README.md

RK3568 NPU 电力波形故障识别 — 完整部署指南

概述

本指南覆盖从 PyTorch 模型训练到 RK3568 板端推理的完整链路，专为电力二次保护设备场景设计。

为什么用 NPU 做波形故障识别？

方案	推理延迟	功耗	开发复杂度
CPU (Cortex-A55) 纯软件推理	20~50ms	高	低
NPU 硬件加速	1~3ms	极低	中

RK3568 内置 1 TOPS NPU (INT8)，专为卷积神经网络优化。电力波形是 1D 时序信号——用 1D-CNN 提取特征，NPU 做推理，完全匹配。

与 CAN 协议栈的整合

录波数据 → 滑动窗口 → NPU 推理 → 故障分类结果
                                    │
   ┌────────────────────────────────┘
   ▼
CAN 协议栈 (learn/CAN/) → 突发上送队列 (PRIO_BURST) → 数据中心

文档导航

序号	文档	核心内容
01	NPU 硬件与驱动基础	NPU 架构、驱动加载、npu_transfer_proxy、基本验证
02	模型训练与导出	1D-CNN 设计、数据准备、PyTorch 训练、ONNX 导出
03	RKNN 转换与量化	RKNN-Toolkit2 安装、配置、校准量化、精度验证
04	板端推理部署	C API 加载模型、预处理、推理循环、结果解析
05	与 CAN 协议栈整合	故障编码映射、突发上送、录波文件召唤触发

硬件信息

• SoC: RK3568，NPU 算力 1 TOPS (INT8)
• NPU 架构: 3 个 NPU 核心（可并行），每个核心含 MAC 阵列 + 卷积加速器
• 支持精度: FP16 / INT8 / INT16
• 支持算子: Conv2D, DepthwiseConv, FC, Pooling, Concat, Reshape, Softmax 等（详见 RKNN 算子支持列表）

仓库中的已有资料

资料	路径
Rockchip NPU 开发文档	TL3568-EVM.../6-开发参考资料/Rockchip官方参考文档/Common/NPU/
NPU 开发案例手册	TL3568-EVM.../3-用户手册/2-13-NPU开发案例.pdf
YOLOv5 目标检测 Demo	TL3568-EVM.../4-软件资料/Demo/platform-demos/yolov5_object_detect/
RKNN API Demo	SDK 中包含 external/rknn-toolkit2/