把轻量化 YOLO 模型（以常用的 YOLOv8n 为例）部署到你的旧Android手机上，最稳妥、速度最快的方案是采用 Ultralytics 导出 NCNN 格式 + Android Studio 开源模板。
按以下四个阶段操作，即可跑通全流程：
第一阶段：准备手机端环境
- 开启开发者模式：
- 打开手机 设置 -> 我的设备 -> 全部参数与信息。
- 连续快速点击 OS 版本 （或 MIUI 版本）7~8 次，直到屏幕弹出提示 "您现在处于开发者模式"。
- 开启调试权限：
- 返回 设置 -> 更多设置 -> 开发者选项。
- 开启 USB 调试。
- 开启 USB 安装（小米澎湃 OS/MIUI 需插 SIM 卡或登录小米账号授权）。
- 开启 USB 调试（安全设置）（允许模拟点击和安装验证）。
- 连接电脑：
- 用数据线将手机连至电脑，手机上弹出"允许 USB 调试吗？"，勾选 始终允许 并点击确定。
第二阶段：电脑端安装与配置 Android Studio
- 下载安装：
- 从官网下载并安装最新版 Android Studio，安装路径不要包含中文或空格。
- 安装核心编译组件（NDK 与 CMake）：
-
打开 Android Studio，点击欢迎界面的 More Actions -> SDK Manager （如果已在主界面，点击右上角齿轮或
Tools->SDK Manager）。 -
切换到 SDK Tools 标签页，勾选以下三项：
-
NDK (Side by side)
-
CMake
-
Android SDK Command-line Tools
-
点击右下角 Apply，等待自动下载并安装完成。
第三阶段：导出目标检测模型为 NCNN 格式
在训练好特定物体权重的 PC 端终端执行导出：
bash
# 1. 确保安装了 ultralytics 和 ncnn 导出工具链
pip install ultralytics ncnn
# 2. 导出为 NCNN 格式（以自定义模型 best.pt 为例）
yolo export model=best.pt format=ncnn imgsz=640导出成功后，同级目录下会生成一个 best_ncnn_model/ 文件夹，里面包含核心的两个文件：
model.param（网络结构与算子定义）model.bin（训练得到的权重参数）
第四阶段：导入开源工程、替换模型并编译安装
这里使用腾讯 NCNN 官方开源的成熟模版（内置了相机流采集、Vulkan GPU 加速和绘制画框逻辑）：
- 获取工程代码：
- 下载或克隆 GitHub 上的开源项目：nihui/ncnn-android-yolov8（点击绿色的
Code->Download ZIP解压）。
- 下载预编译依赖库：
- 该模板需要 ncnn-android-vulkan 和 opencv-mobile 两个底层 C++ 库。
- 打开项目源码中的
app/src/main/jni/CMakeLists.txt，查看开头要求的版本路径，通常只需去 ncnn releases 和 opencv-mobile releases 下载对应的android-vulkan.zip，解压到工程对应目录（或参考项目README.md的指引路径放置）。
- 替换为你的模型与类别：
- 放置模型 ：进入工程目录
app/src/main/assets/，将你导出的model.param和model.bin复制进去（替换掉默认的示例模型）。 - 修改检测类别 ：打开
app/src/main/jni/yolo.cpp，找到分类标签数组class_names：
cpp
static const char* class_names[] = {
"your_object_1", "your_object_2" // 改成你训练集中的目标类别名称
};- 编译并部署到手机：
- 用 Android Studio 打开解压后的工程文件夹。
- 首次打开会自动联网同步下载 Gradle，等待右下角的进度条（Sync）加载完成。
- 在顶部工具栏的设备选择下拉框中，确认已识别到你的手机。
- 点击顶部绿色的 Run（运行三角形按钮）。
- Android Studio 会自动编译 C++ 代码并打包生成 APK，随后手机上会弹出安装请求，确认后 App 便会自动启动。
打开手机上的 App 并授予相机权限，摄像头对准目标物体，画面上就会实时显示出识别框、置信度以及单帧推理耗时。得益于骁龙 8s Gen 3 的性能，帧率会稳定在 30~60 FPS。