高通 QNN 导出模型部署后，推理输入通道顺序与预期 RGB 相反，识别精度大幅下降怎么修正？

[一如代码深似海]

高通 QNN 导出模型部署后，推理输入通道顺序与预期 RGB 相反，识别精度大幅下降怎么修正？
 

[weixin_38498942]

摄像头采集图像默认输出 BGR 格式，训练模型采用 RGB 输入，通道顺序错位会造成像素特征完全偏移，直接降低检测、分类精度。
三种落地解决方案
预处理代码转换通道（C++ 简易参考片段）
cpp
运行
// OpenCV读取帧为BGR，转换RGB后送入QNN输入
cv::Mat rgb_frame;
cv::cvtColor(bgr_src, rgb_frame, cv::COLOR_BGR2RGB);
// 将rgb_frame数据拷贝至QNN输入张量缓冲区
memcpy(input_tensor_buf, rgb_frame.data, input_buf_size);
ONNX 模型插入通道置换算子，固化转换逻辑，无需业务代码修改；
QNN 转换配置文件设置图像输入通道映射参数，在模型编译阶段完成通道调换。
参考资料
可查阅高通官方 QNN 开发指南《QNN Model Conversion User Guide》图像预处理章节，里面有通道顺序适配完整示例。