YOLOv9实际应用测试以及个人在应用时遇到的部分坑

0. 引言

上一篇博客介绍了一下YOLOv9安装部署应用，未进行实际测试，这次是用于实际测试与应用，以火灾检测实验作为示例。

1. 安装调试过程中个人遇见的一些报错及解决办法

1.1 .torch版本不适配或提示no model of torch
首先由于YOLOv9的环境要求requirment.txt的要求，其中torch版本要求要求要求torch>=1.7.0,建议去torch官网的方式寻找并进行对比安装。


1.2 . YOLOv9服务器部署启动并卡在：Downloading https://ultralytics.com/assets/Arial.ttf
1.点击链接地址：https://ultralytics.com/assets/Arial.ttf，下载Arial.ttf字体包到本地。
2.将该字体移动到当前项目路径下即可。
1.3 . YOLOv9的detect.py文件用于检测时提示AttributeError: ‘list’ object has no attribute ‘device’
将detect.py中代码部分

  pred = model(im, augment=augment, visualize=visualize) 

修改为如下

pred, _ = model(im, augment=augment, visualize=visualize) 

即可完成修复。

2. 训练好的模型和检测代码示例

采用公开数据集进行训练，环境采用RTX3090显卡，训练时长12个小时，得到模型fire_detect.pt后，并通过某视频图像进行检测，检测效果如下。
调用模型检测代码如下：

python detect.py --weights runs/train/yolov9-c2/weights/fire_detect.pt --source ../example.mp4
#具体路径以实际项目的路径为主

训练好的火灾检测模型，已上传至csdn下载中心免积分下载，由于是做验证性测试，训练过程中的参数设置未进行最优调整，因此识别效果并不一定良好，但其检测效率可以稳定在30FPS/s的效率。