win10+cpu+yolov5实现安全帽绝缘鞋绝缘手套等的检测

学习目标：

win10+cpu+yolov5实现安全帽绝缘鞋绝缘手套等的检测

---

学习内容：

1. 搭建 yolov5环境
2. 找到合适的数据集训练
3. 跑跑看看效果

---

一.搭建yolov5环境：

参考win10部署yolov5环境

---

之前装过anaconda 直接从（二、利用Anaconda3下载PyTorch）开始：

1.创建pytorch环境

第一条命令是：conda create --name pytorch python==3.8
输入y
第二条命令是“conda info -e

第三条命令：conda activate pytorch
base变成了pytorch环境了。

2.安装Pytorch

去网页Pytorch官网根据自己需要选择，我的是这样：

在刚刚的Anaconda prompt里面输入得到的命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

输入y

3.验证PyTorch是否安装成功

首先激活pytorch环境，再使用python，其次调torch库，最后输出torch的版本号：

4.安装python-opencv

不知道为啥安装报错：

解决办法： pip3 install opencv-python

测试一下有没有安装成功：

5. 下载yolo

直接到github下载zip
再下载yolo模型：
下载ASSET里面的yolo(smxl）

反正就是下这几个。太慢了，我就直接csdn找了个资源下了。
源码下完后，下面开始安装Yolov5所需模块：python -m pip install -r requirements.txt

6.打开detect.py设置Interpreter

参照四、PyCharm环境搭建

7.运行

查了一下是权重文件有问题，果然不能在外面随便乱下。。
下了这个链接的网盘的yolov5s，替换以后就可以跑了

输出结果：

二、找到合适的数据集训练

找了两千多张变电站图片，但是这些图没有绝缘鞋，先试一下测试安全帽和绝缘手套。后续自己找一些图再标
数据集标注的类有：

badge：监护袖章（只识别红色袖章）
person：图中出现的所有在场人员
glove：绝缘手套（橡胶材质）
wrongglove：未佩戴绝缘手套（其他手套或裸露手掌）
operatingbar：操作杆
powerchecker：验电笔

标签数量
person:4792个
wrongglove:5177个
badge:789个
operatingbar:917个
glove:1847个
powerchecker:794个

三、yolov5训练自己的数据集

参考链接从第四个部分划分数据集开始：

出现的问题：

问题1：3.2. XML格式转yolo_txt格式
‘NoneType’ object has no attribute ‘text’
注：原链接yolov5/data对应我的D:\cubemos_SDK\SkeletonTracking\samples\python\yolov5-master\data）
myvoc.yaml文件我放在这里。

问题2：4.2.2生成anchors
下载的yolov5没有hyp.cratch.yaml文件，只有三个

不知道选哪个三个超参数文件运行后的对比
我就先选了hyp.scratch-low.yaml练手。

问题3：3.2 修改模型配置文件
选择yolov5s.yaml将标注类目数改成6

问题4：第五部分的时候告诉我yolov5只能在python3.7以上跑。。。
所以新建了一个Python3.8的环境开始弄。中间一直出现因为路径导致的问题：

问题4：训练过程中遇到的问题：

No labels found in D:\VOCGlovesDetection\dataSet_path\train.cache

找不到labels，查看在D:\VOCGlovesDetection\dataSet_path下生成的train文件，看看自己的图片路径里面是不是有图片。
我数据集jpg存放的文件夹实际是JPEGImages，但是上面的xml_to_yolo.py里把train.txt文件里的文件夹名设置成images了
修改xml_to_yolo.py文件，换成自己的文件名
再次运行xml_to_yolo.py文件后可以看到文件路径是对的，重新运行train.txt文件还是不行
因为生成train.cache是要先找到labels文件夹的txt文件，labels文件夹是根据刚刚的图片路径改名得到的，改名的方式是：
这段代码位于dataloaders.py文件，本来JPEGImages是images，如果不改成JPEGImages的话，就没办法找到Labels文件，所以一直显示missing。
更改以后train.py就可以正常运行了。但是cpu运行实在太慢了，明天试一下用云服务器跑。

四、在云服务器上训练yolov5

因为pycharm专业版有ssl功能，所以下了一个专业版，免费试用30天。不用专业版也可以直接用ssl软件登录远端服务器
参考链接：租用服务器，以及部署在pycharm专业版上的pytorch环境训练yolov5模型
pycharm ssl使用教程：注意map隐射路径的选择，尽量按官方例程来
在pycharm专业版打开远程服务器终端：工具-启动SSH会话
终端操作：

1.cd到yolov5-master所在的文件夹（在你映射的路径下，找不到就去interpreter看一下）
cd /root/autodl-tmp/yolov5-master
2.下载一下requirements.txt里的package，最好用国内源下，不然有些找不到新版本
pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
3.直接跑一下train.py文件，这时候肯定会说路径有问题。
  改一改然后重新运行一下之前的split_train_val.py、xml_to_yolo.py、myvoc.yaml文件
  让train.val.txt里面的路径跟远程服务器里的路径匹配就可以。
  python train.py
 4、待解决的问题：中间python train.py的时候有报错一次连接不到远程服务端，搜索csdn这个问题都是在爬虫才会遇到
   没有特别适配的解决方案，过一会重新python train.py又可以正常跑了。不知道为啥。

训练完成以后在最后一个runs/train/exp文件夹里面可以得到权重文件，通过公用网盘下载到本地进行验证。
打开detect.py改一下weight和data然后看看程序输出：
![在这里插入图片描述](https://img-blog.csdnimg.cn/efc2e4476f07449e8f9d6e3968376baa.jpeg#pic_center