Merge pull request #4223 from Seeed-Studio/auto-translate/pr-4221

🌍 Docs translations for #4221

Author: nfs0619

sites/es/docs/Edge/Raspberry_Pi_Devices/Edge_AI_Computer/reComputer_Industrial_R20xx/es_reComputer_Industrial_R20xx_flash_os.md

@@ -0,0 +1,151 @@
+---
+description: Este wiki muestra cómo usar YOLOv11 en reComputer-RK 
+title: Detección de objetos con YOLOv11 en reComputer-RK
+
+keywords:
+  - RockChip
+  - reComputer RK
+image: https://files.seeedstudio.com/wiki/wiki-platform/S-tempor.png
+slug: /object_detection_with_yolov11_on_recomputer_rk
+last_update:
+  date: 9/3/2026
+  author: Nolan Chen
+no_comments: false
+createdAt: '2026-3-9'
+updatedAt: '2026-03-09'
+url: https://wiki.seeedstudio.com/es/object_detection_with_yolov11_on_recomputer_rk/
+---
+
+# Detección de objetos con YOLOv11 en reComputer-RK
+Este proyecto proporciona soluciones de aplicaciones de Visión por Computador (CV) de grado industrial y alto rendimiento para placas de desarrollo de la serie Rockchip (RK3588 y RK3576). Incorpora una integración profunda del modelo de detección de objetos YOLOv11, aprovechando la aceleración NPU para inferencia en tiempo real con baja latencia y alta tasa de fotogramas.
+## Estructura del proyecto
+El proyecto está organizado por plataforma para gestionar controladores específicos y requisitos de tiempo de ejecución para RKNN-Toolkit2:
+```pl
+reComputer-RK-CV/
+├── docker/                 # Environment setup files
+│   ├── rk3576/             # Dockerfile for RK3576 (rknn-rt 2.1.0+)
+│   └── rk3588/             # Dockerfile for RK3588 (rknn-rt 2.1.0+)
+├── src/                    # Implementation logic
+│   ├── rk3576/             # RK3576 source, models, and dependencies
+│   └── rk3588/             # RK3588 source, models, and dependencies
+└── .github/workflows/      # CI/CD for automated image building
+```
+
+## Compatibilidad de hardware
+Aunque ambos chips ofrecen 6 TOPS de rendimiento NPU, requieren diferentes asignaciones de rutas de hardware dentro de Docker.
+
+| Plataforma | SoC | Nodo NPU | Cámara recomendada | Etiqueta de imagen |
+| :--- | :--- | :--- | :--- | :--- |
+| **RK3588** | RK3588/RK3588S | `/dev/dri/renderD129` | `/dev/video1` | `rk3588-yolo` |
+| **RK3576** | RK3576 | `/dev/dri/renderD128` | `/dev/video0` | `rk3576-yolo` |
+
+## Primeros pasos
+### Instalar Docker
+Instala el motor Docker estándar en tu placa:
+```bash
+curl -fsSL https://get.docker.com -o get-docker.sh
+sudo sh get-docker.sh
+sudo systemctl enable --now docker
+```
+
+### Reenvío X11 (Opcional)
+Para ver la ventana de detección en un monitor conectado directamente a la placa:
+```bash
+xhost +local:docker
+```
+
+### Ejecutar el proyecto de detección
+La aplicación incorpora Detección Automática: si no se encuentra ninguna pantalla, inicia automáticamente un flujo MJPEG accesible a través de tu navegador.
+#### Para reComputer RK3588:
+```bash
+sudo docker run --rm --privileged --net=host \
+    -e DISPLAY=$DISPLAY \
+    -v /tmp/.X11-unix:/tmp/.X11-unix \
+    -e PYTHONUNBUFFERED=1 \
+    --device /dev/video1:/dev/video1 \
+    --device /dev/dri/renderD129:/dev/dri/renderD129 \
+    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
+    ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolo:latest \
+    python web_detection.py --model_path model/yolo11n.rknn --camera_id 1
+```
+
+#### Para reComputer RK3576:
+```bash
+sudo docker run --rm --privileged --net=host \
+    -e DISPLAY=$DISPLAY \
+    -v /tmp/.X11-unix:/tmp/.X11-unix \
+    -e PYTHONUNBUFFERED=1 \
+    --device /dev/video0:/dev/video0 \
+    --device /dev/dri/renderD128:/dev/dri/renderD128 \
+    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
+    ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolo:latest \
+    python web_detection.py --model_path model/yolo11n.rknn --camera_id 0
+```
+
+
+## Interacción web y transmisión en tiempo real
+El proyecto incluye una API RESTful compatible con los estándares de Ultralytics, accesible a través de `http://<Board_IP>:8000.`
+- **Flujo de vídeo en tiempo real:** Accede a /api/video_feed. Se puede incrustar directamente en HTML: 
+```bash
+<img src="http://<IP>:8000/api/video_feed">.
+```
+
+- **Inferencia de imagen estática:**
+
+```bash
+curl -X POST "http://localhost:8000/api/models/yolo11/predict" -F "file=@/home/user/test.jpg"
+```
+
+- Configuración dinámica:
+
+```bash
+# Modify confidence threshold without restarting
+curl -X POST "http://localhost:8000/api/config" -d '{"obj_thresh": 0.5}'
+```
+
+## Guía para desarrolladores
+### Despliegue de modelo personalizado
+1. Coloca tu modelo .rknn convertido en un directorio del host.
+2. Crea un archivo de configuración de clases class_config.txt (por ejemplo, "person", "car").
+3. Monta mediante -v y especifica las rutas en el comando de inicio:
+```bash
+sudo docker run ... \
+    -v $(pwd)/my_model.rknn:/app/model/my_model.rknn \
+    -v $(pwd)/class_config.txt:/app/class_config.txt \
+    ... \
+    python web_detection.py --model_path model/my_model.rknn --class_path class_config.txt
+```
+
+### Referencia de argumentos de CLI
+web_detection.py admite los siguientes parámetros:
+
+| Argumento | Descripción | Predeterminado |
+| :--- | :--- | :--- |
+| `--model_path` | Ruta al archivo de modelo RKNN | (Obligatorio) |
+| `--camera_id` | ID de la cámara (por ejemplo, 0 para `/dev/video0`) | 1 |
+| `--class_path` | Ruta al archivo de configuración de clases personalizadas | None (COCO 80 predeterminado) |
+| `--port` | Puerto del servidor web | 8000 |
+
+## Video de demostración
+Mira YOLOv11 ejecutándose en las últimas muestras EVT del próximo Kit de Desarrollo Rockchip RK3576 de Seeed:
+
+
+<div class="video-container">
+<iframe width="800" height="400" src="https://www.youtube.com/embed/5WdCvyrCF5Q" title="Detección de objetos con YOLOv11 en reComputer-RK" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
+</div>
+
+
+
+## Soporte técnico y debate sobre productos
+
+Gracias por elegir nuestros productos. Estamos aquí para ofrecerte diferentes tipos de soporte y garantizar que tu experiencia con nuestros productos sea lo más fluida posible. Ofrecemos varios canales de comunicación para adaptarnos a diferentes preferencias y necesidades.
+
+<div class="button_tech_support_container">
+<a href="https://forum.seeedstudio.com/" class="button_forum"></a>
+<a href="https://www.seeedstudio.com/contacts" class="button_email"></a>
+</div>
+
+<div class="button_tech_support_container">
+<a href="https://discord.gg/eWkprNDMU7" class="button_discord"></a>
+<a href="https://github.com/Seeed-Studio/wiki-documents/discussions/69" class="button_discussion"></a>
+</div>