预验收检查准备 (Pre-Acceptance Preparation)

根据《仪器与电子学院毕业设计预验收检查表》，准备预验收演示和材料。

预验收要求

核心评价维度：

1. •演示正常完成 / 演示不能正常完成 / 演示无实质内容
2. •回答问题正确 / 回答问题基本正确 / 回答问题大部分错误
3. •思路正确 / 操作正确熟练 / 在别人协助下才能完成

完成情况评价：

• •超额完成任务书指标
• •已达到任务书指标
• •未完成

执行任务

1. 演示环境测试

# 检查 Python 环境
source ~/yolo_env/bin/activate
python --version
pip list | grep -E "(onnx|ultralytics|opencv)"

# 测试 ONNX 推理
yolo predict model=artifacts/models/best.onnx source=assets/test.jpg imgsz=416 conf=0.5

# 检查模型文件
ls -lh artifacts/models/*.onnx artifacts/models/*.rknn 2>/dev/null

2. 演示内容准备

本项目演示内容：

软件演示：

1. •

   YOLO模型推理演示（PC端）

   • •ONNX GPU 推理
   • •检测结果可视化
2. •

   模型转换流程演示

   • •PyTorch → ONNX 导出
   • •ONNX → RKNN 转换
3. •

   代码结构讲解

   • •apps/ 核心模块
   • •tools/ 工具链
   • •tests/ 测试覆盖

仿真演示：

1. •RKNN PC 模拟器运行
2. •ONNX vs RKNN 精度对比
3. •性能基准测试

3. 演示素材清单

请确认以下素材准备情况：

4. 演示脚本生成

生成演示流程脚本：

## 演示流程（5-8分钟）

### Part 1: 项目概述（1分钟）
- 项目目标：RK3588行人检测模块
- 技术路线：YOLO11 + INT8量化 + NPU部署

### Part 2: 模型推理演示（2分钟）
- 展示 ONNX 推理结果
- 展示检测效果截图

### Part 3: 代码架构讲解（2分钟）
- apps/ 核心模块结构
- 配置管理、异常处理、日志系统

### Part 4: 性能数据展示（1分钟）
- 模型大小：4.7MB
- 推理速度：8.6ms @ 416×416
- 测试覆盖：88-100%

### Part 5: 问答环节（2-3分钟）

5. 常见问题准备

生成Q&A文档，包含：

• •模型选型原因
• •量化精度损失分析
• •板端部署方案
• •双网卡设计思路

6. 任务书指标对照

7. 输出

• •docs/thesis/pre_acceptance_checklist.md - 预验收检查清单
• •docs/thesis/demo_script.md - 演示脚本
• •docs/thesis/qa_preparation.md - 问答准备