模型部署：（三）安卓端部署Yolov8-v8.2.99目标检测项目全流程记录

郭庆汝2025-09-11 16:23

模型部署：（三）安卓端部署Yolov8-v8.2.99目标检测项目全流程记录

1、下载ncnn

python 复制代码 
https://github.com/Tencent/ncnn/releases/tag/20240410


下载并解压

2、下载opencv-mobile

python 复制代码 
https://github.com/nihui/opencv-mobile

4、依赖文件拷贝与配置

文件拷贝：
将ncnn-20240410-android-vulkan解压后的四个文件复制到ncnn-android-yolov8\app\src\main\jni文件夹目录内

然后再将opencv-mobile-XYZ-android.zip解压后拷贝复制到ncnn-android-yolov8\app\src\main\jni文件夹目录内

文件拷贝完毕后如下所示：

配置文件修改：
修改后↓↓↓：

修改前↓↓↓ ：

修改镜像源：

将build.gradle文件修改成如下内容：

python 复制代码 
// Top-level build file where you can add configuration options common to all sub-projects/modules.
buildscript {
    repositories {
        // 阿里云镜像
        maven { url 'https://maven.aliyun.com/repository/google' }
        maven { url 'https://maven.aliyun.com/repository/gradle-plugin' }
        maven { url 'https://maven.aliyun.com/repository/public' }
        maven { url 'https://maven.aliyun.com/repository/central' }

        // 清华镜像（备用）
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/google' }
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/central' }

        mavenCentral()
    }
    dependencies {
        classpath 'com.android.tools.build:gradle:4.2.2'
    }
}

allprojects {
    repositories {
        // 阿里云镜像
        maven { url 'https://maven.aliyun.com/repository/google' }
        maven { url 'https://maven.aliyun.com/repository/public' }
        maven { url 'https://maven.aliyun.com/repository/central' }

        // 清华镜像（备用）
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/google' }
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/central' }

        mavenCentral()
    }
}

完成如下配置：

在编译过程中出现如下提示：

然后点击

python 复制代码 
Change Gradle version in Gradle wrapper to 6.7.1 and re-import project

点击后会开始下载相关依赖，如果速度较慢可以

python 复制代码 
distributionUrl=https://mirrors.cloud.tencent.com/gradle/gradle-6.7.1-bin.zip

如下所示，构建完毕：

5、修改相关配置文件

1、修改yolo.cpp文件

修改类别数量

修改模型名称
修改前：

修改后：

修改待检测类别标签：

2、修改yolov8ncnn.cpp文件

在相同位置下，有yolov8ncnn.cpp文件

修改前：

修改后：

3、修改strings.xml文件

在ncnn-android-yolov8\app\src\main\res\values目录下：

修改前：

修改后：

4、设置程序默认打开后置/前置摄像头

文件：ncnn-android-yolov8\app\src\main\java\com\tencent\yolov8ncnn\MainActivity.java

6、打包成APK包

异常报错处理：

在打包过程中会出现如下报错：

python 复制代码 
Build command failed.
Error while executing process D:\andeoidSDK\cmake\3.10.2.4988404\bin\ninja.exe with arguments {-C F:\Android_project\ncnn-android-yolov8-main\ncnn-android-yolov8\app\.cxx\cmake\debug\armeabi-v7a yolov8ncnn}
ninja: Entering directory `F:\Android_project\ncnn-android-yolov8-main\ncnn-android-yolov8\app\.cxx\cmake\debug\armeabi-v7a'
[1/4] Building CXX object CMakeFiles/yolov8ncnn.dir/yolov8ncnn.cpp.o
[2/4] Building CXX object CMakeFiles/yolov8ncnn.dir/ndkcamera.cpp.o
F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/ndkcamera.cpp:152:117: warning: format specifies type 'long' but the argument has type 'int64_t' (aka 'long long') [-Wformat]
    __android_log_print(ANDROID_LOG_WARN, "NdkCamera", "onCaptureSequenceCompleted %p %d %ld", session, sequenceId, frameNumber);
                                                                                         ~~~                        ^~~~~~~~~~~
                                                                                         %lld
1 warning generated.
[3/4] Building CXX object CMakeFiles/yolov8ncnn.dir/yolo.cpp.o
[4/4] Linking CXX shared library F:\Android_project\ncnn-android-yolov8-main\ncnn-android-yolov8\app\build\intermediates\cmake\debug\obj\armeabi-v7a\libyolov8ncnn.so
FAILED: F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/build/intermediates/cmake/debug/obj/armeabi-v7a/libyolov8ncnn.so 
cmd.exe /C "cd . && D:\andeoidSDK\ndk\21.4.7075529\toolchains\llvm\prebuilt\windows-x86_64\bin\clang++.exe --target=armv7-none-linux-androideabi24 --gcc-toolchain=D:/andeoidSDK/ndk/21.4.7075529/toolchains/llvm/prebuilt/windows-x86_64 --sysroot=D:/andeoidSDK/ndk/21.4.7075529/toolchains/llvm/prebuilt/windows-x86_64/sysroot -fPIC -g -DANDROID -fdata-sections -ffunction-sections -funwind-tables -fstack-protector-strong -no-canonical-prefixes -D_FORTIFY_SOURCE=2 -march=armv7-a -mthumb -Wformat -Werror=format-security   -O0 -fno-limit-debug-info  -Wl,--exclude-libs,libgcc.a -Wl,--exclude-libs,libgcc_real.a -Wl,--exclude-libs,libatomic.a -static-libstdc++ -Wl,--build-id -Wl,--fatal-warnings -Wl,--exclude-libs,libunwind.a -Wl,--no-undefined -Qunused-arguments -shared -Wl,-soname,libyolov8ncnn.so -o F:\Android_project\ncnn-android-yolov8-main\ncnn-android-yolov8\app\build\intermediates\cmake\debug\obj\armeabi-v7a\libyolov8ncnn.so CMakeFiles/yolov8ncnn.dir/yolov8ncnn.cpp.o CMakeFiles/yolov8ncnn.dir/yolo.cpp.o CMakeFiles/yolov8ncnn.dir/ndkcamera.cpp.o  F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libncnn.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/sdk/native/libs/armeabi-v7a/libopencv_core.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/sdk/native/libs/armeabi-v7a/libopencv_imgproc.a -lcamera2ndk -lmediandk -Wl,-wrap,__kmp_affinity_determine_capable F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libglslang.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libSPIRV.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libMachineIndependent.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libOGLCompiler.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libOSDependent.a F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/armeabi-v7a/lib/libGenericCodeGen.a -landroid -ljnigraphics F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/sdk/native/libs/armeabi-v7a/libopencv_core.a -fopenmp -static-openmp -lm -ldl -llog -latomic -lm && cd ."
F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/sdk/native/libs/armeabi-v7a/libopencv_core.a(drawing.cpp.o):drawing.cpp:function std::__ndk1::__throw_length_error[abi:nn190000](char const*): error: undefined reference to 'std::__ndk1::__libcpp_verbose_abort(char const*, ...)'
F:/Android_project/ncnn-android-yolov8-main/ncnn-android-yolov8/app/src/main/jni/sdk/native/libs/armeabi-v7a/libopencv_core.a(drawing.cpp.o):drawing.cpp:function std::__throw_bad_array_new_length[abi:nn190000](): error: undefined reference to 'std::__ndk1::__libcpp_verbose_abort(char const*, ...)'
clang++: error: linker command failed with exit code 1 (use -v to see invocation)
ninja: build stopped: subcommand failed.

解决方案是：

去 OpenCV 官方 Android SDK下载与 NDK21 兼容的版本。

重新打包生成apk！！！

7、测试效果

8、部署自己训练的模型

我选择的yolov8版本是v8.2.99

python 复制代码 
https://github.com/ultralytics/ultralytics/tree/v8.2.99

我安装的pytorch版本是torch==2.3.0+cu118

python 复制代码 
pip install ultralytics==8.2.99 -i https://pypi.tuna.tsinghua.edu.cn/simple

1、配置文件修改

ultralytics/nn/modules/block.py

以下代码用于导出.onnx模型文件阶段，模型训练时不用调整，所以建议使用两套代码，一套训练，一套导出

↓↓↓↓↓

python 复制代码 
def forward(self, x):
    """Forward pass through C2f layer."""
    """
    y = list(self.cv1(x).chunk(2, 1))
    y.extend(m(y[-1]) for m in self.m)
    return self.cv2(torch.cat(y, 1))
    
    """
    # 以下5行代码用于安卓部署
    x = self.cv1(x)
    x = [x, x[:, self.c:, ...]]
    x.extend(m(x[-1]) for m in self.m)
    x.pop(1)
    return self.cv2(torch.cat(x, 1))

ultralytics/nn/modules/head.py

以下代码用于导出.onnx模型文件阶段，模型训练时不用调整，所以建议使用两套代码，一套训练，一套导出

↓↓↓↓↓

python 复制代码 
def forward(self, x):
    """Concatenates and returns predicted bounding boxes and class probabilities."""
    if self.end2end:
        return self.forward_end2end(x)

    for i in range(self.nl):
        x[i] = torch.cat((self.cv2[i](x[i]), self.cv3[i](x[i])), 1)
    if self.training:  # Training path
        return x
    
    """
    y = self._inference(x)
    return y if self.export else (y, x)
    """
    
    # 以下2行代码用于安卓部署
    shape = x[0].shape
    return torch.cat([xi.view(shape[0], self.no, -1) for xi in x], 2).permute(0, 2, 1)

ultralytics/nn/modules/head.py

以下代码用于导出.onnx模型文件阶段，模型训练时不用调整，所以建议使用两套代码，一套训练，一套导出

↓↓↓↓↓

python 复制代码 
def _inference(self, x):
    """Decode predicted bounding boxes and class probabilities based on multiple-level feature maps."""
    # Inference path
    shape = x[0].shape  # BCHW
    x_cat = torch.cat([xi.view(shape[0], self.no, -1) for xi in x], 2)
    """
    # 源代码
    if self.dynamic or self.shape != shape:
        self.anchors, self.strides = (x.transpose(0, 1) for x in make_anchors(x, self.stride, 0.5))
        self.shape = shape

    if self.export and self.format in {"saved_model", "pb", "tflite", "edgetpu", "tfjs"}:  # avoid TF FlexSplitV ops
        box = x_cat[:, : self.reg_max * 4]
        cls = x_cat[:, self.reg_max * 4 :]
    else:
        box, cls = x_cat.split((self.reg_max * 4, self.nc), 1)

    if self.export and self.format in {"tflite", "edgetpu"}:
        # Precompute normalization factor to increase numerical stability
        # See https://github.com/ultralytics/ultralytics/issues/7371
        grid_h = shape[2]
        grid_w = shape[3]
        grid_size = torch.tensor([grid_w, grid_h, grid_w, grid_h], device=box.device).reshape(1, 4, 1)
        norm = self.strides / (self.stride[0] * grid_size)
        dbox = self.decode_bboxes(self.dfl(box) * norm, self.anchors.unsqueeze(0) * norm[:, :2])
    else:
        dbox = self.decode_bboxes(self.dfl(box), self.anchors.unsqueeze(0)) * self.strides

    return torch.cat((dbox, cls.sigmoid()), 1)
    
    """
    # 以下1行代码用于安卓部署
    return x_cat.permute(0, 2, 1)

2、导出onnx文件

安装相关依赖库：

python 复制代码 
pip install onnx==1.12.0  onnxslim==0.1.34   --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple

在根目录新建一个export.py脚本，打开键入以下代码并运行：

python 复制代码 
# 在根目录新建一个export.py脚本，打开键入以下代码并运行：
from ultralytics import YOLO
model = YOLO("runs/detect/train/weights/best.pt")
model.export(format="onnx", opset=12, simplify=True)

运行完毕上述脚本后，得到相关的.onnx格式文件

3、onnx去冗余

.pt模型导出的.onnx模型包含许多冗余的维度，这是ncnn不支持的，所以需要去掉冗余的维度。一定要去冗余！！！！要不后面转换容易报错

安装onnx-simplifier的指令：

python 复制代码 
pip install onnx-simplifier   --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple

去冗余指令：

python 复制代码 
# 转换yolov8n
python -m onnxsim yolov8n.onnx  yolov8n-sim.onnx
# 转换yolov8s
python -m onnxsim yolov8s.onnx  yolov8s-sim.onnx

4、将得到的.onnx文件转换成.ncnn格式文件：

转换工具下载地址：

python 复制代码 
https://download.csdn.net/download/guoqingru0311/91903993


转换完毕后得到如下格式的文件

5、相关配置文件的修改

将上述转换得到的文件重命名，放置在
ncnn-android-yolov8\app\src\main\assets目录下

修改如下文件：

调整检查类别数
ncnn-android-yolov8\app\src\main\jni\yolo.cpp

修改输出节点字段：
原始项目自带的模型字段如下所示：

修改过后如下所示：
↓↓↓↓↓

调整如下类别标签：
ncnn-android-yolov8\app\src\main\jni\yolo.cpp

修改模型名称
修改前：

修改后：

修改待检测类别标签：

6、修改yolov8ncnn.cpp文件

在相同位置下，有yolov8ncnn.cpp文件

修改前：

修改后：

7、修改strings.xml文件

在ncnn-android-yolov8\app\src\main\res\values目录下：

修改前：

修改后：

8、测试效果

9、相关源码下载地址

python 复制代码 
https://download.csdn.net/download/guoqingru0311/91922680
相关推荐
编程之路从0到110 分钟前
React Native新架构之Android端初始化源码分析
android·react native·源码阅读
行稳方能走远12 分钟前
Android java 学习笔记2
android·java
编程之路从0到134 分钟前
React Native 之Android端 Bolts库
android·前端·react native
爬山算法36 分钟前
Hibernate（38）如何在Hibernate中配置乐观锁？
android·java·hibernate
行稳方能走远1 小时前
Android java 学习笔记 1
android·java
zhimingwen1 小时前
【開發筆記】修復 macOS 上 JADX 啟動崩潰並實現快速啟動
android·macos·反編譯
音沐mu.1 小时前
【47】飞机数据集(有v5/v8模型)/YOLO飞机检测
yolo·目标检测·数据集·飞机数据集·飞机检测
longxibo2 小时前
mysql数据快速导入doris
android·大数据·python·mysql
十六年开源服务商2 小时前
WordPress网站模板设计完整指南
android
热门推荐
01GitHub 镜像站点02Labelme从安装到标注：零基础完整指南03网站改了域名，如何查找？04Linux下V2Ray安装配置指南05安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）06【踩坑笔记】50系显卡适配的 PyTorch 安装072025-04-03 Latex学习1——本地配置Latex + VScode环境08Claude Code 2.1.2 升级报错？别折腾了，一行命令搞定09CentOS的ISO镜像下载10Netlify 的深度解析及使用指南