Android(Termux)部署 NCNN + YOLOv8 完整教程

Android(Termux)部署 NCNN + YOLOv8 完整教程

目标:

  • Android 手机
  • 手机安装Termux 环境
  • 编译 NCNN
  • 下载 YOLOv8 NCNN 模型
  • 本地图片目标检测
  • 输出识别结果图片

最终效果:

bash 复制代码
./yolov8 ~/images/bus.jpg

输出:

bash 复制代码
5 = 0.87811 at ...
0 = 0.86568 at ...
0 = 0.85022 at ...

并生成:

bash 复制代码
image.png

一、安装并更新 Termux 环境

先准备一个不用的安卓手机,比如作者用的是2019年的vivo手机,参考《 手机安装Termux 环境》教程安卓Termux。

更新软件包:

bash 复制代码
pkg update -y
pkg upgrade -y

安装基础依赖:

bash 复制代码
pkg install -y \
python \
git \
wget \
curl \
clang \
cmake \
make \
ffmpeg \
tur-repo

检查 Python:

bash 复制代码
python --version

输出类似:

Python 3.12.x


二、开启手机存储权限

执行:

bash 复制代码
termux-setup-storage

手机会弹出:

text 复制代码
允许 Termux 访问文件

点击:

text 复制代码
允许

检查是否成功:

bash 复制代码
ls ~/storage

正常会出现:

downloads

dcim

shared

movies

pictures


三、创建工作目录

进入共享目录:

bash 复制代码
cd ~/storage/shared

创建目录:

bash 复制代码
mkdir -p AI/models
mkdir -p AI/images
mkdir -p AI/output

进入:

bash 复制代码
cd AI

目录结构:

text 复制代码
AI
├── models
├── images
└── output

四、安装 Python 基础依赖

安装常用库:

bash 复制代码
pkg install -y \
python-numpy \
python-pillow

验证:

进入 Python:

bash 复制代码
python

输入:

python 复制代码
import numpy
from PIL import Image

print("OK")

输出:

OK

退出:

python 复制代码
exit()

说明:

本教程使用 NCNN 的 C++ 示例程序:

  • 不需要 OpenCV
  • 不需要 onnxruntime
  • 不需要 PyTorch

五、下载 NCNN

进入工作目录:

bash 复制代码
cd ~/storage/shared/AI

下载源码:

bash 复制代码
git clone --depth=1 https://github.com/Tencent/ncnn.git

进入目录:

bash 复制代码
cd ncnn

创建编译目录:

bash 复制代码
mkdir build
cd build

六、编译 NCNN

执行:

bash 复制代码
cmake .. \
-DCMAKE_BUILD_TYPE=Release \
-DNCNN_BUILD_TOOLS=ON \
-DNCNN_BUILD_EXAMPLES=ON \
-DNCNN_SIMPLEOCV=ON \
-DNCNN_VULKAN=OFF

编译:

bash 复制代码
make -j4

如果只编译 YOLO 示例:

bash 复制代码
make yolov8 -j4

说明:

参数解释:

参数 作用
Release 发布模式
BUILD_TOOLS 编译工具
BUILD_EXAMPLES 编译示例
SIMPLEOCV 启用简化图像处理
VULKAN=OFF 关闭 GPU(手机更稳定)

编译时间:

5~15分钟

成功后:

bash 复制代码
build/examples/yolov8

七、整理目录

移动 NCNN:

bash 复制代码
cd ~

mv ~/storage/shared/AI/ncnn ~/

进入:

bash 复制代码
cd ~/ncnn/build/examples

增加执行权限:

bash 复制代码
chmod +x yolov8

八、下载 YOLOv8 NCNN 模型

创建模型目录:

bash 复制代码
mkdir -p ~/models

cd ~/models

下载:

bash 复制代码
curl -L \
https://github.com/nihui/ncnn-assets/raw/master/models/yolov8n.ncnn.param \
-o yolov8n.ncnn.param
bash 复制代码
curl -L \
https://github.com/nihui/ncnn-assets/raw/master/models/yolov8n.ncnn.bin \
-o yolov8n.ncnn.bin

复制模型:

bash 复制代码
cp ~/models/yolov8n.ncnn.* \
~/ncnn/build/examples/

检查:

bash 复制代码
ls

应看到:

bash 复制代码
yolov8n.ncnn.param
yolov8n.ncnn.bin

九、下载测试图片

创建目录:

bash 复制代码
mkdir -p ~/images

进入:

bash 复制代码
cd ~/images

下载:

bash 复制代码
wget \
https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg

检查:

bash 复制代码
ls

输出:

bash 复制代码
bus.jpg

十、运行 YOLOv8 检测

进入:

bash 复制代码
cd ~/ncnn/build/examples

执行:

bash 复制代码
./yolov8 ~/images/bus.jpg

输出示例:

bash 复制代码
5 = 0.87811 at 21.91 231.54 783.44 x 525.12

0 = 0.86568 at 48.45 398.48 196.56 x 504.25

0 = 0.85022 at 669.94 391.97 139.06 x ...

格式:

text 复制代码
类别ID = 置信度 at x y w h

说明:

ID 类别
0 person
2 car
5 bus
7 truck

十一、查看检测结果

当前目录会自动生成:

bash 复制代码
image.png

查看:

bash 复制代码
ls -lh image.png

复制到手机相册:

bash 复制代码
cp image.png ~/storage/shared/AI/output/

然后打开:

text 复制代码
文件管理
→ Internal Storage
→ AI
→ output

即可查看结果图。


十二、常见问题

1)提示:

bash 复制代码
Permission denied

执行:

bash 复制代码
chmod +x yolov8

2)提示:

bash 复制代码
cannot find xxx.ncnn.param

检查:

bash 复制代码
ls

确认:

bash 复制代码
yolov8n.ncnn.param
yolov8n.ncnn.bin

存在。


3)编译失败:

降低并行线程:

bash 复制代码
make -j2

甚至:

bash 复制代码
make -j1

手机内存不足容易出现此问题。


4)检测速度太慢

默认:

text 复制代码
CPU推理

可开启 Vulkan:

修改:

bash 复制代码
-DNCNN_VULKAN=ON

重新编译:

bash 复制代码
make -j4

注意:

部分手机 GPU 驱动兼容性较差。


十三、后续可扩展

可进一步增加:

  • 摄像头实时识别
  • 视频流检测
  • CCTV RTSP 接入
  • YOLO11
  • YOLO-Seg
  • YOLO-Pose
  • OCR
  • RK3588边缘部署
  • NCNN + Vulkan GPU加速
  • OpenClaw Agent 接入
  • 多路视频检测

推荐下一步:

text 复制代码
手机摄像头 → YOLO实时检测 → WebSocket → SpringBoot告警系统

架构:

text 复制代码
Camera
   ↓
YOLO(NCNN)
   ↓
事件JSON
   ↓
WebSocket/MQTT
   ↓
SpringBoot
   ↓
告警中心

适合后续做边缘 AI 实战。

相关推荐
jay神5 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7 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8 天前
Ubuntu安装YOLOv8进行菌落识别训练
linux·python·yolo·ubuntu
jay神9 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10 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11 天前
基于 YOLOv8 的轴承缺陷检测(Web 版)
前端·人工智能·yolo
jay神11 天前
基于 YOLOv8 的森林火灾检测系统(Web 版)
前端·yolo
微尘hjx11 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
LongRunning11 天前
【Linux】RK3568-OpenCV+YOLO(八)
linux·opencv·yolo
微尘hjx15 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