树莓派 Raspberry Pi 使用 YOLOv8 YOLOv10 YOLOv11进行目标检测及推理加速，Run YOLOv8 YOLOv10 YOLOv11 on Raspberry Pi

已于 2024-10-21 16:55:25 修改
阅读量4.4k 收藏 25
点赞数
分类专栏： 人工智能系统解决方案与技术架构 AI赋能行业实战：‌最佳实践与落地案例深度解析！‌ 文章标签： YOLO 目标检测 人工智能
于 2023-10-10 16:02:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wangyaninglm/article/details/133748337
版权

文章大纲

使用树莓派摄像头 提供视频流

前置文章

libcamera

libcamera 是 linux 新增加用于访问 camera 的 API。树莓派参与了 libcamera 的开发，并且在新的摄像头软件中开始从依赖于固件的摄像头图像处理管道(Image processing pipeline, ISP)迁移到更加开放的 libcamera。

build libcamera：

  • https://www.raspberrypi.com/documentation/computers/camera_software.html#building-libcamera-and-libcamera-apps

  • https://libcamera.org/docs.html#documentation

  • https://www.tomshardware.com/how-to/use-raspberry-pi-camera-with-bullseye

<

了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于树莓派的边缘端 AI 目标检测、目标跟踪、姿态估计 视频分析推理 加速方案：Hailo with ultralytics YOLOv8 YOLOv11
shiter编写程序的艺术
11-16 617
Hailo 发布的 Raspberry Pi AI kit 加速原理，有几篇文章介绍的不错。建议把 下面的装上。
AI：295-深入改进YOLOv8小目标检测 | 基于Gold-YOLO的Neck结构优化与应用
一键难忘的博客
09-14 3473
在目标检测领域，YOLO (You Only Look Once) 系列凭借其实时性和高效性得到了广泛应用。然而，YOLO 在处理小目标检测时，往往表现出一定的局限性。为了解决这一问题，Gold-YOLO 提出了针对小目标检测的改进策略。本文将详细探讨如何利用 Gold-YOLO 的设计理念，优化 YOLOv8 的 Neck 部分，提高其在小目标检测场景中的性能。本文将提供具体的代码实现和深度分析，帮助你更好地理解和应用这种改进。
基于YOLOv11的目标检测系统
weixin_64338148的博客
01-06 1402
这款软件是一种基于最新YOLOv11算法的目标检测工具，旨在为用户提供高效、准确的目标识别和分析功能。它支持多种数据输入方式，包括单张图片、批量图片、视频文件以及实时摄像头输入，满足不同场景的需求。检测结果以直观的标注图和详细的数据列表形式呈现，并支持结果导出，方便用户进行后续分析和处理。这款基于YOLOv11的目标检测系统，通过先进的算法和友好的用户界面，为各行业用户提供了高效、准确的目标检测工具。其多样化的功能和广泛的适用性，使其成为安防监控、智能交通和科研学习等领域的理想选择。
新手使用树莓派教程，在树莓派上部署yolov8n，使用摄像头实时检测
jbjbjbjb111的博客
03-27 1741
树莓派是一个小型、价格实惠的计算机，你可以将它连接到显示器、键盘和鼠标上，就像使用普通电脑一样。它能够执行许多基本的计算任务，如文字处理、浏览网页和播放高清视频。但与普通电脑不同，树莓派还可以用于各种电子项目，允许用户通过编程控制外部设备本文讲解如何入门树莓派，并在树莓派上运行深度学习模型。
在树莓派上部署yolov8模型
zhou_18772780431的博客
09-07 1608
链接：https://pan.baidu.com/s/1IA1MFB-BiDGrnc4b9oTS9w。第五步：在pc端训练好模型后，将权重文件best.pt导入到树莓派内。如果想使用onnx进行部署，需要在树莓派上安装 onnx。我最近在训练一个手势识别模型，然后部署到树莓派上。但是我感觉这个几个的速度都差不多，帧率大概为1。第四步：在树莓派中下载yolov8源码。第三步：安装 yolov8环境包。第二步：下载opencv。第一步：树莓派烧入系统。第六步：使用下面的代码。
树莓派从零开始到部署计算机视觉项目（yolov8项目）第一集
热门推荐
m0_62174436的博客
02-22 1万+
本人使用的是树莓派4b，但不同版本树莓派之间差异不大，本文侧重易踩坑点和主要步骤，重点在树莓派的部署，包括opencv的安装，pytorch的安装，yolo的配置等
在树莓派4B上部署yolov8环境完成高帧率检测任务
KevenDuan的博客
07-21 9387
在我前面的文章里讲了如何用yolov8从0开始训练自己的模型，现在这篇文章将教大家如何在树莓派上部署yolov8的环境，以及如何实现高帧率的检测任务。
树莓派NCNN开发·yolov8
烂笔头·张的博客
10-11 1178
基于ncnn的yolov8开发实战，可用于移动端、嵌入式端植入
NCNN 树莓派部署U版yolov8
Meoyou的博客
07-04 1505
使用ncnn框架在树莓派4B及本地windows上测试了官方yolov8n模型
树莓派 RaspBerryPi 网络配置相关与设置usb网络摄像头 进行RTSP 推流
shiter编写程序的艺术
11-21 1693
此处用的vlc构建服务器，不是很多博文介绍的，直接在vlc软件中进行设置，而是在命令行中使用命令的方式，这样没必要在服务器端进行显示，只需要在客户端显示即可。可能是帧率或者什么时间同步设置的不对。树莓派 USB 摄像头的使用。iot 学习资料大全。
目标检测实施与部署（YOLOv8+树莓派）
weixin_52280209的博客
11-25 2619
通过以上步骤，你可以将训练和部署过程分开，更好地管理和优化每个阶段，实现一个基于树莓派的目标检测系统。希望这个大纲对你有所帮助！使用LabelImg对图像进行标注，保存为XML格式的标签文件。将图像和对应的标签文件组织成训练集和验证集。创建YOLOv8的配置文件。
yolov8部署在树莓派流程.zip
02-18
YOLOv8是YOLO（You Only Look Once）系列目标检测算法的最新版本，由Joseph Redmon和Ali Farhadi于2016年首次提出。YOLO是一种实时目标检测算法，其核心思想是将目标检测任务转化为一个回归问题，并通过一个单一的神经网络模型同时预测目标的类别和位置。 YOLOv8是YOLO系列算法的第八个版本，也是目前最先进的版本。相较于之前的版本，YOLOv8在检测精度和速度方面都有显著的改进。它采用了一种新的网络架构，包含多个连续的卷积层和池化层，以提取特征并减小输入数据的维度。此外，YOLOv8还引入了一些技术，如多尺度检测和筛选器裁剪，以进一步提高检测性能。 YOLOv8在训练和推理阶段都采用了全新的损失函数，能够优化目标检测的准确性和稳定性。此外，YOLOv8还可以检测出不同大小和比例的目标，并具备比较好的鲁棒性。 总的来说，YOLOv8是一种高效、准确且实时的目标检测算法，适用于多种应用场景，如智能监控、自动驾驶、工业检测等。
树莓派中用YoloV8模型检测小车.pdf
06-11
树莓派中用YoloV8模型检测小车过程解析
【树莓派-yolov5/yolov8部署篇】
nobug_girl的博客
12-22 8610
树莓派-yolov5，直接部署和onnx部署出现的问题和思考
使用TVM在树莓派部署yolov8模型（一）
weixin_42479327的博客
04-14 698
从咸鱼淘了一个树莓派4/4G设备,测试一下TVM优化的yolov8模型在嵌入式端的推理速度.
树莓派5部署yolov8
最新发布
qq_73708922的博客
03-30 792
如果已经用了sudo安装，则运行此命令，将用户pi设置为目录所有者，pi根据自己情况修改。安装过程中如果某个包报错，可以切换一下网络，单独安装这个包，之后重新安装依赖。安装过程中出现这种信息，一路按回车，之后输入yes，有确认选项就输入yes。第一条命令是给安装脚本加权限，第二条是安装Miniconda。运行以下命令，下载，py311代表python版本。安装的时候不要用sudo命令，否则可能出问题。运行以下命令，可以看到conda安装的包。打开配置文件，运行任意一条命令即可。在文件的最后添加一行。
树莓派5安装YOLOv8使用jupyterlab运行示例
weixin_41589183的博客
12-18 3430
YOLOv8，这是备受好评的实时目标检测和图像分割模型的最新版本。YOLOv8基于深度学习和计算机视觉的前沿进展，提供了无与伦比的速度和准确性表现。它的精简设计使其适用于各种应用，并且可以轻松适应不同的硬件平台，从边缘设备到云API。我们使用树莓派5来探索YOLOv8，看一看她在机器学习上的潜力。JupyterLab是Jupyter Notebook的全面升级。事实上，JupyterLab 是一个集 Jupyter Notebook、文本编辑器、终端以及各种个性化组件于一体的全能IDE。
树莓派5部署自己训练的YOLOv8模型记录
2301_78674831的博客
08-24 3134
但没有AI算力的树莓派5跑yolov8还是逊...只有大概0.3fps,笔者最近也入手了Hailo-8l,得先将pt文件转为onyx文件再通过Hailo官方的DFC(数据流编译器)转化为其支持的hef文件,待我再摸索几日......注册个账号 然后把这小玩意(RealVNC viewer)下了,登录账号后让树莓派连接你的电脑热点,再输入Pi的IP地址, 输入密码就可以进入Pi的图形界面了(记得在Pi先开启VNC权限,初始配置网上有很多资料)点Start Auto label。Part1:连接自己的树莓派。
树莓派5B利用AI_KIT跑YOLOV8(平均帧速率可达134fps)
wallwayj的博客
10-01 4038
我们利用AI_KIT Hailol(NPU)来对树莓派5B进行AI加速，本篇介绍了从yolov8模型的训练到最后在树莓派5B进行模型部署。
树莓派yolov11
02-18
### 安装和配置YOLOv11于树莓派 #### 注意事项 目前关于YOLOv11的信息较少，通常YOLO系列的新版本会继承并改进旧版本的功能特性。基于现有资料，可以推测YOLOv11的安装过程可能类似于YOLOv8或其他较新版本的YOLO框架。然而，在具体操作前应当确认YOLOv11对于硬件的要求和支持情况。 #### 准备工作 为了确保顺利安装YOLOv11，建议先完成基础环境搭建，这包括但不限于操作系统更新、依赖库安装等基本准备工作[^2]。 #### Miniconda安装 考虑到Python虚拟环境的重要性，推荐通过Miniconda来创建独立的工作空间以隔离不同项目之间的依赖关系。此步骤有助于避免潜在冲突，并简化后续包管理流程[^3]。 ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-armv7l.sh bash Miniconda3-latest-Linux-armv7l.sh source ~/.bashrc ``` #### 创建Conda环境 使用`conda create`命令建立一个新的环境用于承载YOLOv11所需的各种组件： ```bash conda create -n yolov11 python=3.9 conda activate yolov11 ``` #### 安装必要软件包 进入刚刚激活的环境中执行pip install指令获取必要的第三方模块支持，比如PyTorch及其对应的CUDA扩展（如果适用）。注意要选择适合ARM架构的预编译二进制文件或源码构建方式[^4]。 ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu pip install ultralytics # 假设ultralytics已经包含了对YOLOv11的支持 ``` 当看到提示信息 `Successfully installed ...` 即表明上述所有必需品均已成功加载完毕[^1]。 #### 下载YOLOv11权重文件 访问官方发布的资源页面下载对应版本的预训练模型参数集；将其放置到合适位置以便稍后调用。 #### 测试验证 编写简单的测试脚本尝试加载本地保存好的.pt/.pth格式权重组件并对随机输入数据做推理运算，以此检验整个系统的可用性和兼容性状况。 ```python from ultralytics import YOLO model = YOLO('path/to/best_weights_file') results = model.predict(source='0', show=True, conf=0.5) ```
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

shiter

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值