(2024.11.5)亚博树莓派5部署yolov8目标检测

我使用的是亚博树莓派5,官方已经在其SD卡中下载好最新的系统,

cpp 复制代码
出厂镜像系统信息
镜像名称:Pi-OS-ROS_2024_01_05.img

原始系统版本:2023-12-05-raspios-bookworm-arm64

树莓派系统信息:

账号:pi

密码:yahboom

WiFi热点:

名称:Pi_Hot

密码:12345678

访问jupyterlab:IP:8888

jupyterlab密码:yahboom

环境:Python 3.11.2、Opencv 4.8.1、Docker、Jupyter lab

功能:开启SSH、VNC,Docker(ROS1、ROS2)、开机自启热点等

远程连接:

先用树莓派和电脑连接同一个WiFi ,树莓派开机是默认打开热点的,热点数据在上图,具体看官网

快速上手(必看)https://www.yahboom.com/build.html?id=9155&cid=618

VNC访问:

开启SSH和VNC:applications menu → Preferences → Raspberry Pi Configuration

查看架构信息

cpp 复制代码
uname -m

系统信息

用户名:pi

用户密码:yahboom

热点名称:Pi_Hot

热点密码:12345678

jupyter lab的密码:yahboom

获取IP

使用Windows系统可以根据WiFi的IP地址来定位树莓派热点IP网段。

打开终端:Win+R,输入cmd回车

查看IP:终端输入ipconfig

查看已解析的IP设备:arp -a

其中10.42.0.1就是树莓派IP,若有多个设备,可以通过VNC连接不同的IP设备测试!

arp -a命令会列出本地计算机已解析的IP地址与对应的MAC地址;若使用该命令无法找到树莓派IP,可以使用Advanced IP Scanner扫描同一网段下的设备IP地址!

VNC连接

根据IP连接VNC:

右键 new 一个新的连接

输入用户名和密码:

连接成功界面:

开始部署yolov8环境

安装Miniconda

Miniconda清华源镜像,选择aarch64版本,该操作系统对应的miniconda3的版本不要超过4.10!

参考:【树莓派】树莓派安装miniconda 2023版-CSDN博客https://blog.csdn.net/weixin_43710676/article/details/129002349

cpp 复制代码
下载
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.9.2-Linux-aarch64.sh
安装
chmod +x ./Miniconda3-py39_4.9.2-Linux-aarch64.sh

./Miniconda3-py39_4.9.2-Linux-aarch64.sh

source ~/.bashrc

安装完成后 指令行前会出现base 基础系统环境

创建虚拟环境

cpp 复制代码
conda create -n yolov8 python=3.9	# 创建环境
conda activate yolov8				# 激活环境

如果想删除重建可以

cpp 复制代码
conda env remove --name yolov8		# 删除环境
conda create -n pytorch --clone base # 克隆环境

拉取源码:

cpp 复制代码
# clone慢的话直接下载到本地
git clone https://github.com/ultralytics/ultralytics
cd ultralytics                #进入到源码文件夹
pip install -e .           #配置环境依赖

如果下载不来可以从电脑传过去

之后将编译器的Python解释器路径改为虚拟环境下

就可以跑模型了,将文件和模型放在树莓派下,模型和代码同文件夹

test.py的代码是基础跑pt模型的

cpp 复制代码
import cv2
from ultralytics import YOLO
from cv2 import getTickCount, getTickFrequency
# 加载 YOLOv8 模型
model = YOLO("best.pt") # 这里选择你训练的模型
 
# 获取摄像头内容,参数 0 表示使用默认的摄像头
cap = cv2.VideoCapture(0)
 
while cap.isOpened():
    loop_start = getTickCount()
    success, frame = cap.read()  # 读取摄像头的一帧图像
    if success:
        results = model.predict(source=frame) # 对当前帧进行目标检测并显示结果
    annotated_frame = results[0].plot()
 
    # 中间放自己的显示程序
    loop_time = getTickCount() - loop_start
    total_time = loop_time / (getTickFrequency())
    FPS = int(1 / total_time)
    # 在图像左上角添加FPS文本
    fps_text = f"FPS: {FPS:.2f}"
    font = cv2.FONT_HERSHEY_SIMPLEX
    font_scale = 1
    font_thickness = 2
    text_color = (0, 0, 255)  
    text_position = (10, 30)  
 
    cv2.putText(annotated_frame, fps_text, text_position, font, font_scale, text_color, font_thickness)
    cv2.imshow('img', annotated_frame)
    # 通过按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
 
cap.release()  # 释放摄像头资源
cv2.destroyAllWindows()  # 关闭OpenCV窗口

md只有2帧

于是我换了onnx模型。

直接将代码第五行改一下,环境yolov8官方已经给你弄好了,不要听网上的还要下载啥的

玩不了一点。

相关推荐
jay神1 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
jay神4 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
鱼听禅4 天前
Ubuntu安装YOLOv8进行菌落识别训练
linux·python·yolo·ubuntu
jay神6 天前
基于深度学习的交通流量预测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机毕业设计
带电的小王7 天前
YOLO27:官方预览页放出全部规格,60.5 mAP 破 YOLO 纪录,但权重还没发布
yolo
jay神7 天前
基于 YOLOv8 的轴承缺陷检测(Web 版)
前端·人工智能·yolo
jay神7 天前
基于 YOLOv8 的森林火灾检测系统(Web 版)
前端·yolo
微尘hjx7 天前
【Deep-OC-SORT 06】多轨迹算法Deep-OC-SORT-CMC相机运动补偿
yolo·目标检测·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计
LongRunning8 天前
【Linux】RK3568-OpenCV+YOLO(八)
linux·opencv·yolo
微尘hjx12 天前
【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析
深度学习·yolo·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计