(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。