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。

7. 最后，处理后的图片均会保存在results目录下。