树莓派4b安装yolov5实现实时目标检测

最新推荐文章于 2024-08-10 23:50:55 发布

哈哈这人1

最新推荐文章于 2024-08-10 23:50:55 发布

阅读量1.5w

点赞数 31

本文链接：https://blog.csdn.net/m0_55833308/article/details/122633544

版权

本文介绍了如何在树莓派4B上配置环境，包括更新系统、设置默认Python为3、安装Pytorch、Opencv和Yolov5，以及解决相关问题。最后成功实现通过摄像头进行实时目标检测。

摘要由CSDN通过智能技术生成

树莓派4b安装yolov5实现实时目标检测

开始前的准备
系统
- 通过PuTTY工具连接到树莓派
准备工作
安装Pytorch
安装Opencv
- 检查Opencv能否正常使用
安装Yolov5
- 试运行
安装Camera v2
在yolov5上使用摄像头检测目标
- 打开VNC功能连接树莓派
成功检测
参考资料

开始前的准备

你需要准备

一个摄像头
这里使用的是树莓派官方的camera v2
能够科学上网

系统

我使用的是官方的烧录工具Raspberry Pi Imager，选用的系统是Raspberry Pi OS(Legacy)

一个基于 Debian Buster 的 Raspberry Pi OS 的遗留版本（Legacy）

在这里插入图片描述

通过PuTTY工具连接到树莓派

在这里插入图片描述

使用树莓派默认密码登录

账号 pi
密码 raspberry

在这里插入图片描述

准备工作

更新树莓派

遇到什么都确认就好，要保证网络畅通

sudo apt-get update
sudo apt-get upgrade

在这里插入图片描述

将python设置成默认python3

pi os安装好默认带有两个python版本，默认的是python2.7。为防止因版本过低而造成的报错，我这里直接卸载python2.7。
卸载python2.7

sudo apt-get autoremove python2.7

新建链接将默认python改为python3

sudo ln -s /usr/bin/python3.5 /usr/bin/python

请添加图片描述

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

哈哈这人1

关注关注

31
点赞
踩
283

收藏

觉得还不错? 一键收藏
23
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

基于树莓派4B的YOLOv5-Lite目标检测的资源包

06-27

将YOLOv5-Lite移植到树莓派4B上，可以实现本地的目标检测，无需依赖云服务，提高了数据安全性并降低了延迟。这个资源包包含的内容可能包括以下部分： 1. **模型权重文件**：YOLOv5-Lite的预训练模型权重，这是...

使用YOLOv5-Lite在树莓派4b上部署车辆检测模型（三）——在树莓派4b上部署模型

gzdvdsadf的博客

05-27

966

使用YOLOv5-Lite在树莓派4b上部署车辆检测模型（一）——UA-DETRAC车辆检测数据集的处理-CSDN博客使用YOLOv5-Lite在树莓派4b上部署车辆检测模型（二）——使用数据集训练模型-CSDN博客在前面的两篇文章中，我们处理好了UA-DETRAC数据集，并使用这个数据集训练了v5Lite-e模型。现在我们有了训练出的pt格式的权重文件，暂且称为v5Lite-e.pt，接下来需要将这个权重文件转换格式，然后在树莓派4B上部署。

23 条评论您还未登录，请先登录后发表或查看评论

【全流程】从头在树莓派4B上部署自己训练的yolov5模型（配合NCS2加速）

最新发布

weixin_43034503的博客

08-10

1012

因国内网络问题，可直接烧录文末镜像文件，或者按照本教程进行手动操作。

yolo树莓派_树莓派4B安装YOLO

weixin_39543773的博客

12-20

1375

准备安装OpenCV。sudo apt-get install python-opencv如果没有pip：sudo apt-get install python-pip启用pi相机:sudo raspi-config转到 Interfacing Options，然后启用 Pi/Camera,重启生效。安装Ninja Building tool安装 PeachPy 和 confusudo pip i...

目标检测：树莓派运行YOLOv5，成功运行，附完整镜像源

在知识与无知里反复横跳。

04-04

2万+

树莓派：目标检测一、前言YOLOv5镜像：一、前言之前一直打算在树莓派上跑目标检测，但自己弄环境总是出现问题，一直没弄成功。前几天看到一位大佬做成了一个用于深度学习的镜像，里面已经装好了关于深度学习的环境配置了。我安装好后很快就搭建好YOLOv5，并且运行成功。只是帧率很慢，三秒多一帧，完成运用不到工程项目里面，不过有其他的方法可以让帧率快一点，现在先分享YOLOv5的搭建。 YOLOv5镜像：百度网盘下载链接 ...

树莓派4B部署YOLOv5目标检测模型部署（包含加速方法以及模型训练方法总结）

weixin_47772846的博客

05-31

8926

树莓派4B部署YOLOv5目标检测模型简介：

树莓派4B部署YOLOv5n[YOLOv5 PyQt5 ONNX]

weixin_41648964的博客

04-28

6103

简单Demo：利用pyqt设计yolov5目标检测GUI界面，使用ONNX框架部署在树莓派4B上运行。

将Yolov5s部署树莓派4B上自己的过程和遇到的问题

weixin_54603153的博客

08-24

5814

s s s s 本人小白一枚，由于悟性很低，历经两天时间终于将yolov5s部署到了树莓派上一、更换源拿到树莓派，装好系统（自己可以看一看装系统的视频很简单），要将树莓派自带的源更换为国内源，可能是学校的网的原因也不知道什么原因，更换好清华源之后，输入 sudoapt-getupdate sudoapt-getupgrade 就会出现暂时不能解析域名的错误，很头疼，这也是我遇到的第一个大坑具体的更换源步骤和解决上面这个问题的方法在这篇文章里l https://blog.c...

Yolov5移植树莓派4B问题总结

weixin_63866037的博客

12-21

3148

Hallo，大家好啊！之前出过几篇文章关于Yolov5的，不得不说Yolov5的识别率真的很高，对个体检测很有帮助，如果大家训练完之后会发现获得一个pt文件，这就是训练好的模型。但是，这个模型只能够在自己的笔记本上运行，那工厂里面要检测零件什么的，不可能抱着个笔记本电脑啊！所以，需要把这个模型移植到树莓派中，利用树莓派的摄像头进行检测。听起来挺简单的，但是操作起来就会有各种各样的问题，这也是本篇博客的由来，记录移植Yolov5遇到的各种问题，以及这些问题的解决办法，希望对你有帮助！

基于树莓派4B的YOLOv5-Lite目标检测的资源包-rezip.zip

07-18

基于树莓派4B的YOLOv5-Lite目标检测的资源包.rar

02-02

标题中的“基于树莓派4B的YOLOv5-Lite目标检测的资源包”表明这是一个关于使用树莓派4B进行目标检测的项目，采用了轻量级的YOLOv5-Lite模型。YOLO（You Only Look Once）是实时物体检测系统的一种，而YOLOv5-Lite是...

树莓派中用YoloV8模型检测小车.pdf

06-11

**树莓派中用YoloV8模型检测小车**这一主题主要涉及了如何利用树莓派（Raspberry Pi）这款微型计算机与先进的目标检测模型YOLOv8（You Only Look Once version 8）来实现对于移动小车上的目标检测任务。这种应用不仅...

基于树莓派4B的YOLOv5-Lite目标检测的移植与部署（含训练教程）

black_sneak的博客

06-27

3万+

基于树莓派4B的YOLOv5-Lite目标检测的移植与部署（含训练教程），手把手教学级别，博客全篇代码开源！！！

树莓派4B小车部署yolov5s

dal1223的博客

12-01

1534

树莓派部署yolov5记录

树莓派部署YOLOv5模型

qq_42264030的博客

04-10

3464

树莓派部署YOLOv5模型进行图片和视频检测

anaconda 配置不同版本cuda方法

LMM_AI的博客

06-19

7155

方法1：在系统用软连接方法2：在anaconda中独立设置运行环境 https://bluesmilery.github.io/blogs/a687003b/ 方法3：再尝试是否可以配置anaconda自带的cuda,暂时还不知道怎么弄

【树莓派4B深度学习 yolo】Chap.1 给树莓派配置yolo模型（darknet-nnpack）【深度学习招式篇】

Jie_MSD的博客

05-14

1665

【树莓派4B深度学习 yolo】Chap.1 给树莓派配置yolo模型（darknet-nnpack）【深度学习招式篇】在树莓派4B上使用YOLO https://yanwei-liu.medium.com/raspberry-pi%E5%AD%B8%E7%BF%92%E7%AD%86%E8%A8%98-%E4%BA%8C%E5%8D%81%E4%B8%83-%E5%9C%A8pi%E4%B8%8A%E5%9F%B7%E8%A1%8Cyolov3-9cf124d5d582 任剑杰一、运行方式： A

树莓派部署YOLOv5目标检测（详细篇）

qq_44231797的博客

09-25

1万+

树莓派，YOLOv5,目标检测，树莓派摄像头，pip更换国内源

基于树莓派4b的yolov5-lite目标检测的移植与部署

09-23

基于树莓派4B的YOLOv5-Lite目标检测的移植与部署可以参考以下步骤： 1. 硬件准备：准备一台树莓派4B主机，具备至少4GB的内存和足够的存储空间。 2. 安装操作系统：在树莓派4B上安装支持深度学习的操作系统，如Raspberry Pi OS（之前的Raspbian）。 3. 安装深度学习框架：在树莓派上安装适用于ARM架构的深度学习框架，如PyTorch。 4. 下载YOLOv5-Lite模型：从YOLOv5的官方GitHub仓库下载YOLOv5-Lite模型的源代码和预训练权重。 5. 数据集准备：根据目标检测任务的需求，准备适合的训练数据集，并将其转换为YOLOv5可训练的格式。 6. 训练模型（可选）：如果没有现成的适用于目标的预训练权重，可以选择在树莓派上训练YOLOv5-Lite模型。 7. 模型移植：将训练好的YOLOv5-Lite模型移植到树莓派4B上，确保模型能够在树莓派上运行。 8. 部署与测试：使用树莓派4B的摄像头或者外部摄像头采集图像或视频，并将其输入到模型中进行目标检测，观察模型在树莓派上的检测性能。 9. 优化与调整：根据实际情况，进行模型的优化和调整，如调整阈值、模型量化等，以提高模型在树莓派上的运行速度和准确性。 10. 应用开发：根据需求，将目标检测模型移植到实际应用中，如智能监控系统、机器人等，以实现对目标的实时检测和跟踪。总之，基于树莓派4B的YOLOv5-Lite目标检测的移植与部署需要在树莓派上安装深度学习框架、准备训练数据集、移植模型、进行性能测试和优化，最终将模型应用到实际场景中。这需要对深度学习和树莓派4B有一定的了解和实践经验。