树莓派4B：Yolov5环境配置及摄像头实时目标检测----装完就后悔了

首先声明一下，本文章默认你的树莓派已经烧录好了带桌面的操作系统（当然其他的Linux系统也行）
再声明一下：
图片看上去很好对吧
实际帧率只有1-2帧，极致的ppt享受！

一、先换源

1.用这个换源

这行代码的作者是鱼香ROS，他这行代码可以一键安装很多东西。
这里我们使用他换一下源，同时安装一下vscode，
终端输入：

wget http://fishros.com/install -O fishros && . fishros

vscode怎么运行？
找个终端，输入

code

在vscode里面装c（这个可以不装），python
这些都是必要步骤，不要省略
不知道如何安装？
vscode打开以后，点击我圈起来的1.部分
然后在2.处输入需要下载的C/C++、python、顺便也可以把chinese也下了，免得英语看不懂。

2.更新一下

以上搞完以后，在终端输入：

sudo apt-get update

sudo apt-get upgrade

3.创建一个虚拟环境

python3 -m venv myenv

这将创建一个名为 myenv 的虚拟环境文件夹。

激活虚拟环境：

source myenv/bin/activate

激活以后可以看到终端的最前面出现了（myenv）…即可

二、安装OpenCV

接着还是那个终端，输入：

python -m pip install opencv-python

有些库等要用到了再装

测试一下：

找个终端，输入

python3

然后输入

import  cv2

如果没有报错就安装好了

三、安装miniconda

先看一下版本是64位还是32位

uname -m

如果输出是 aarch64，则表示你的系统是 64 位，适合使用 aarch64 版本的 Miniconda。如果是 armv7l，则表示你的操作系统是 32 位的，这时你需要安装 32 位版本的 Miniconda。

下载 Miniconda：

可以直接使用 wget 下载适合架构的 Miniconda 安装包。例如：

64位：aarch64

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh

32位：armv7l

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-armv7l.sh

安装 Miniconda：

下载完成后，给安装包添加执行权限并运行它：

chmod +x Miniconda3-latest-Linux-aarch64.sh

./Miniconda3-latest-Linux-aarch64.sh

然后按照安装提示完成安装。

注意：运行./Miniconda3-latest-Linux-aarch64.sh后可能会出现一些许可协议，遇到yes按yes，遇到enter按enter即可

一直卡在协议里面出不来可以直接输入yes试试，不行就ctrl+c退出

默认路径是/home/username/miniconda3，要更改路径的话直接在命令行输入你想要的路径然后按下enter

安装完成后，你会看到类似如下的提示：

Miniconda3 has been successfully installed!

测试一下：

找个终端输入：

conda --version

如果安装成功，可以看到版本号：

conda 23.1.0

初始化 Miniconda：

安装完成后，你可以初始化 Miniconda 以便在终端中使用：

conda init

四、安装pytorch：

树莓派GPU效果不好，我们简单一点安装一个cpu版本的

1.先换一下conda的源：

1. 查看当前 Conda 源

首先，你可以查看当前 Conda 使用的源：

conda config --show channels

这会显示你当前配置的源列表。默认情况下，Conda 会使用 defaults 通道。

2. 更换为国内镜像源

配置清华大学镜像源

清华大学提供的 Conda 镜像是一个常用且稳定的源。你可以使用以下命令来更改 Conda 源为清华镜像：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
conda config --set show_channel_urls yes

配置中科大镜像源

中科大（USTC）也提供了 Conda 的镜像。你可以使用以下命令来更换为中科大的镜像源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/r/
conda config --set show_channel_urls yes

配置阿里云镜像源

阿里云提供的 Conda 镜像也相当不错。使用以下命令更换为阿里云的源：

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/r/
conda config --set show_channel_urls yes

3. 删除无效的源

如果你不再需要默认的源，可以使用以下命令将其删除：

conda config --remove channels defaults

4. 配置后验证

配置完镜像源后，你可以通过以下命令检查当前的源配置：

conda config --show channels

你应该能看到镜像源已经被更改为你选择的源。

5. 清理缓存

有时，你可能需要清理 Conda 缓存，以确保从新源重新下载包：

conda clean -i

这会清除索引缓存，并强制 Conda 从新的源重新索引包。

2.pytorch cpu版本

一般要先在conda上创建一个运行的虚拟环境

conda create -n yolov5 python=3.9 

conda activate yolov5 

用conda安装torch

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c conda-forge

如果conda一直安装失败可以用pip安装，但是要在conda刚创建的环境下

pip install torch torchvision torchaudio

测试一下：

在终端下输入

python3

然后输入：

import torch
print(torch.cuda.is_available())

如果输出true，则安装的是GPU版本的

如果是false，则安装的是CPU版本的

我们安装的是CPU版本的，所以应该返回false

或者：

再找一个终端输入：

pip show torch

会显示已安装的 PyTorch 包的详细信息，包括安装的版本、安装路径等。

五、安装yolov5

安装 YOLOv5 和其他必要的依赖项。

首先，

克隆 YOLOv5 仓库并进入项目目录：

git clone https://github.com/ultralytics/yolov5.git
cd yolov5

然后，

安装 YOLOv5 的 Python 依赖：

pip install -U -r requirements.txt

全部安装完以后，测试一下能不能用：
先去官网下载一个yolov5nu.pt的权重文件
https://docs.ultralytics.com/zh/models/yolov5/

再用vscode新建一个my_yolo.py文件
例如我要用摄像头实现实时目标检测：

import cv2
from ultralytics import YOLO

model = YOLO("/home/cjl/yolov5/yolov5nu.pt")#这个路径是你刚才下载的权重文件的路径
# 或者你也可以这样写
# model = YOLO('yolov5nu.pt') #这样yolov5会自动从官网下载

cap = cv2.VideoCapture(0) #打开摄像头，0代表默认摄像头，没有摄像头会报错

while cap.isOpened():
    success, frame = cap.read()
    if not success:
        break    
    
	#限制输出图像的大小
    scale_percent = 50   
    width = int(frame.shape[1] * scale_percent / 100)
    height = int(frame.shape[0] * scale_percent / 100)
    dim = (width, height)
    resized_frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)
    
   	#conf表示置信度，iou表示交并比
    results = model(resized_frame, conf=0.4, iou=0.3)
   
    annotated_frame = results[0].plot()
 
    cv2.imshow("YOLOv5", annotated_frame)
	
	#按ESC键退出
    if cv2.waitKey(1) & 0xFF == 27:
        break

cap.release()
cv2.destroyAllWindows()

最后

在vscode下方的终端输入：

conda activate yolov5 

进入我们之前创建好的yolov5的环境
然后，运行上面的代码
怎么运行？
一般右上角有一个三角形点一下就好了
或者你可以
这个路径是你代码存放的路径

效果图：
图片看上去很好对吧
实际帧率估计只有1-2帧，极致的ppt享受！

优化思路：
我问了AI，大致就是导出为onnx等模型、缩小输出尺寸等来提高速度
优化方法网上有很多，但是我尝试了一下，实在有点麻烦。。。
如果你要实现在移动机器人或者小车上的目标检测的话，建议换jetson nano，比你在这里捣鼓这个树莓派方便多了。。。