在高通跃龙QCS6490上部署运行YOLOv10模型并使用NPU加速
如图所示，YOLOv10 在准确性和效率方面都优于以前的YOLO版本和其他最先进的模型。
本文将介绍如何快将YOLOv10 部署在高通跃龙QCS6490设备上，并使用NPU加速。
本文所使用的软硬件：
硬件–高通AIBox6490，可以点击 AidLux 了解更多设备参数信息
软件–内置AidLux企业版
部署方法：
1.应用中心下载aidlite-qnn231
设备运行后，点击桌面应用中心（A字图标），找到aidlite-qnn231，下载安装。
2.从model farm获取转换过的yolov10模型和脚本
在aiot.aidlux.com模型广场搜索yolov10-n，点击右下角下载模型和代码。
将下载好的模型文件放入aidlux目录下。（可通过ssh传输，也可以打开文件浏览器，直接拖动放入）
3.压缩包解压
4.在images文件夹内，放入需要推理的图片
5.测试直接使用onnx模型推理
执行aid-python3 run_test_onnx.py.py，直接使用onnx模型推理。
可以看到，用常规方式进行推理，平均推理用时均接近300ms。
再执行aid-python3 run_test_tflite.py，使用tflite推理速度仍在200ms以上。
6.使用qnn推理，并调用aidlux的npu加速能力
执行aid-python3 run_test_qnn.py
可以看到推理速度大幅提高，仅用50ms左右就可以完成推理，较常规方式200-300ms的速度有大幅提升。
