树莓派部署YOLOv5实时检测

树莓派5 部署YOLOv5s

​环境配置方式：🚀 整个过程采用远程的方式，记录树莓派部署YOLOv5s的过程。

准备：

• 树莓派5-4B
• 树莓派系统（安装的官方64位系统）
• USB摄像头

---

一、 获取yolov5s.pt权值文件

使用的是轻量的yolov5s模型,在本地训练后，通过命令发送发到树莓派上:

1. 首先查看树莓派地址：

    ifconfig  # 查看地址

连接的wify，可以看到所属的地址端口。
2. 将本地训练好的yolov5s.pt权值文件发送到树莓派上：

    scp yolov5s.pt <用户名>@<树莓派地址>:<保存文件地址>  

---

二、 树莓派环境搭建

本打算参考其他博主的方法，将pt权值文件转为ONNX再利用OpenVINO转为IR模型部署到树莓派上。

在本地成功得到IR模型后，树莓派配置OpenVINO环境加速推理时，遇到问题有点多😤，准备有空再进行尝试。

树莓派中运行yolov5s的环境使用Anaconda配置和管理，步骤如下：

• 安装Anaconda
• 创建虚拟环境
• 下载yolov5源码
• 安装依赖库

1. 安装Anaconda🌱
   下载并安装Anaconda以管理Python环境,分别在终端执行：

wget https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh
bash Anaconda3-2021.05-Linux-x86_64.sh

2. 创建虚拟环境并安装YOLOv5 🌱

    conda create -n yolov5 python=3.9 -y                # 创建名为yolov5的虚拟环境，并指定Python版本为3.9
    conda activate yolov5                               # 激活虚拟环境
    git clone https://github.com/ultralytics/yolov5.git # 克隆YOLOv5源码
    cd yolov5
    pip install -r requirements.txt                     # 安装YOLOv5所需的依赖库

---

三、 检测图片

1. 运行程序🌱

    python detect.py \
    --weights yolov5s.pt \   # 没有准备可省略该行，自动下载官方权值文件
    --img 320 \              # 指定图片大小，压缩图片，加快检测速度，但是清晰度降低
    --source /image/1.jpg \  # 指定图片路径
    --device cpu \           # 使用cpu进行推理

使用的cpu进行推理，速度较慢，看资料显示树莓派也是有GPU的，但是因为树莓派GPU的算力太低，所以还是使用cpu进行推理，如果想使用GPU进行推理，需要安装CUDA，而且树莓派安装CUDA比较麻烦。

2. 检测效果如下🌱：

---

四、 开启摄像头实时检测

检测视频流，遇到无法弹出实时检测界面，终端打印的实时监测结果看起来太空洞无趣😳，之后通过安装lightdm来解决的。

lightdm 能够提供图形界面服务，使 OpenCV cv2.imshow() 能通过 VNC 的虚拟显示端口渲染窗口。

1. 安装lightdm🌱

    sudo apt install lightdm                # 安装图形界面管理器
    sudo dpkg-reconfigure lightdm          # 绑定显示服务到 VNC
    sudo systemctl restart lightdm          # 重启服务使配置生效

2. 查看摄像头🌱
   使用v4l2-ctl指令查看所有视频设备

    v4l2-ctl --list-devices

可以看到识别到的USB摄像头/dev/video0、/dev/video1，使用0作为source参数。

3. 运行程序🌱

    python detect.py \
    --weights yolov5s.pt \
    --source 0 \             # 使用摄像头（0 表示第一个摄像头）
    --view-img \             # 启用实时画面显示--img-size 320
    --device cpu

4. 检测效果如下🌱：

2

🍀最终，通过远程的方式，在树莓派上成功部署了yolov5s模型，实现了实时检测的功能。检测速度差不多8-9帧/s，后续会尝试加速推理。