RZ/V2L MPU配备Cortex-A55 (1.2 GHz) CPU，内置AI加速器“DRP-AI”，以提供更好的机器视觉处理性能，这是瑞萨的独创技术。“DRP-AI”由DRP和AI-MAC组成。它还配备一个16位的DDR3L/DDR4接口，具备内置Arm Mali-G31的3D图形引擎和视频编解码器（H.264）。
DRP-AI的卓越功率效率使其无需采取散热措施（如散热器或冷却风扇）。人工智能不仅可以在消费类电子产品和工业设备中经济高效实施，还可以在零售点（POS）终端等广泛的应用中实施。此外，DRP-AI还提供实时人工智能推理和图像处理功能，具有支持摄像头所必需的功能，如颜色校正和降噪。这使得客户无需外部图像信号处理器（ISP），即可实施基于人工智能的视觉应用。
RZ/V2L还与RZ/G2L封装和引脚兼容。这使得RZ/G2L用户可轻松升级至RZ/V2L，以获得额外的人工智能功能，而无需修改系统配置，从而保持低迁移成本。 
点击可查看大图,今天我们为大家介绍RZ/V2L的另外一个预训练的人工智能模型——植物叶片病害分类模型，它可对38种不同的植物叶病/健康状况进行分类。所开发的模型能够从14种不同植物中识别出38种不同类型的植物病害。
它有3种运行模式，让您根据不同场景灵活转换。
1,从MIPI接口摄像头输入,2,从图片文件输入,3,从一个视频文件输入,示例运行效果
分类结果、推理时间（毫秒）、得分（%）显示在左上角 每秒帧数（FPS）显示在右上角,
软硬件需求
示例应用程序的编译
这是一个可选步骤，如果直接运行预编译好的程序可以跳过此步骤。
在编译之前请参考此处确保RZ/V2L AI SDK已经准备就绪。
1,从github复制代码到本地,建议将代码复制到docker容器的data目录中,2
启动docker,docker start -i rzv2l_ai_sdk_container
3
为rzv2l_ai_sdk_container挂载 data目录,export PROJECT_PATH=/drp-ai_tvm/data/
4
进入示例源码目录,cd ${PROJECT_PATH}/rzv_ai_sdk/Q07_plant_disease_classification/src/
5
编译源码
应用程序plant_leaf_disease_classify应该会出现在 src/build目录中
应用程序部署
将以下文件复制到SD卡的/home/root/tvm目录下,● 示例exe目录中的所有文件,● 如果应用有修改，则需要从src/build目录拷贝plant_leaf_disease_classify,运行示例应用程序
当输入为MIPI Coral摄像头时>
当使用静态图片作为输入时>
当使用视频作为输入时：
终止示例应用程序
按esc键退出应用程序,数据集new-plant-diseases-dataset
复制链接到浏览器中打开>
https://www.kaggle.com/datasets/vipoooool/new-plant-diseases-dataset
该数据集由约87K幅健康和患病作物叶片的rgb图像组成，分为38个不同的类。整个数据集按80/20的比例分为训练集和验证集，并创建了一个包含33幅测试图像测试集。
AI推理时间
AI推理总时间（预处理+AI模型推理）- 110 ms
