目標(biāo)檢測(cè)在計(jì)算機(jī)視覺領(lǐng)域中具有重要意義。YOLOv5（You Only Look One-level）是目標(biāo)檢測(cè)算法中的一種代表性方法，以其高效性和準(zhǔn)確性備受關(guān)注，并且在各種目標(biāo)檢測(cè)任務(wù)中都表現(xiàn)出卓越的性能。本文將詳細(xì)介紹如何在性能更強(qiáng)的計(jì)算機(jī)上訓(xùn)練YOLOv5模型，并將訓(xùn)練好的模型部署到樹莓派4B上，通過樹莓派的攝像頭進(jìn)行實(shí)時(shí)動(dòng)物目標(biāo)檢測(cè)。

一、在電腦上訓(xùn)練YOLOv5模型

1. 安裝Anaconda

在性能更強(qiáng)的計(jì)算機(jī)上安裝Anaconda，方便管理Python環(huán)境和依賴。

1.從Anaconda官網(wǎng)（https://www.anaconda.com/products/distribution）下載適用于你操作系統(tǒng)的安裝包。

2.運(yùn)行安裝包并按照提示完成安裝。

3.安裝完成后，打開終端或命令提示符，輸入以下命令驗(yàn)證安裝是否成功：

conda --version

2. 創(chuàng)建虛擬環(huán)境

創(chuàng)建一個(gè)獨(dú)立的虛擬環(huán)境，用于安裝YOLOv5及其依賴項(xiàng)：

conda create -n yolov5 python=3.9 -y conda activate yolov5

3. 下載YOLOv5代碼

從GitHub上克隆YOLOv5代碼倉(cāng)庫(kù)：

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

4. 安裝依賴包

在虛擬環(huán)境中安裝YOLOv5所需的依賴包：

pip install -r requirements.txt

5. 準(zhǔn)備訓(xùn)練數(shù)據(jù)

準(zhǔn)備好你的數(shù)據(jù)集，并確保數(shù)據(jù)集按照YOLOv5要求的格式進(jìn)行組織。YOLOv5的訓(xùn)練數(shù)據(jù)通常包括圖像文件和對(duì)應(yīng)的標(biāo)簽文件，標(biāo)簽文件采用YOLO格式，每行表示一個(gè)目標(biāo)對(duì)象，包括類別ID和歸一化后的邊界框坐標(biāo)。

數(shù)據(jù)標(biāo)注的過程通俗來(lái)講就是給圖片畫框的過程，框出需要識(shí)別到的部分，然后打上標(biāo)簽，比如圖片里有一頭牛，那就把牛框起來(lái)然后命名框的標(biāo)簽為牛。

6. 開始訓(xùn)練

PyCharm打開yolov5項(xiàng)目

新建項(xiàng)目，項(xiàng)目路徑(Location)為GitHub上下載的yolov5項(xiàng)目路徑。

修改虛擬環(huán)境

新建好項(xiàng)目之后，我們打開設(shè)置。

找到Python Interpreter，修改為我們?cè)贏naconda自行創(chuàng)建的yolov5的虛擬環(huán)境。

如果下拉框里沒有，我們就在Add Interpreter里新增。

訓(xùn)練測(cè)試數(shù)據(jù)

① 下載預(yù)訓(xùn)練模型

預(yù)訓(xùn)練模型地址：https://github.com/ultralytics/

選擇你所需要的模型下載即可，這里我選擇yolov5s.pt下載。

下載好之后放到我們yolov5的項(xiàng)目目錄下。

② 訓(xùn)練數(shù)據(jù)

右鍵train.py，點(diǎn)擊run運(yùn)行。

運(yùn)行成功后如圖，訓(xùn)練結(jié)果保存在runs rainexp文件夾里。

其中weights里存儲(chǔ)兩個(gè)訓(xùn)練出的模型，分別為best.pt和last.pt，顧名思義，best.pt為跑出來(lái)結(jié)果最好的模型。

二、將模型部署到樹莓派

1. 復(fù)制模型到樹莓派

將訓(xùn)練好的模型文件best.pt復(fù)制到樹莓派上。可以使用SCP命令或直接將文件復(fù)制到SD卡中。例如，使用SCP命令：

scp runs/train/exp/weights/best.pt pi@:/home/pi/yolov5/

2. 配置樹莓派環(huán)境

在樹莓派上安裝必要的依賴和配置環(huán)境。首先，確保樹莓派已安裝Raspberry Pi OS。

安裝Anaconda

下載并安裝Anaconda（或Miniconda），用于管理Python環(huán)境：

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

安裝過程中按照提示操作，并將Anaconda添加到系統(tǒng)PATH中。

創(chuàng)建虛擬環(huán)境并安裝YOLOv5

conda create -n yolov5 python=3.9 -y conda activate yolov5 git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt

三、通過攝像頭進(jìn)行實(shí)時(shí)檢測(cè)

1. 配置攝像頭

確保樹莓派連接了攝像頭模塊，并啟用攝像頭接口。在樹莓派終端中運(yùn)行以下命令進(jìn)入Raspberry Pi配置工具：

sudo raspi-config

選擇Interface Options，然后選擇Camera，啟用攝像頭接口。重啟樹莓派以使配置生效。

2. 運(yùn)行實(shí)時(shí)檢測(cè)

在YOLOv5項(xiàng)目目錄下，使用以下命令運(yùn)行實(shí)時(shí)檢測(cè)腳本：

python detect.py --weights best.pt --source 0

--source 0指定使用攝像頭作為輸入源。檢測(cè)結(jié)果將實(shí)時(shí)顯示在屏幕上，并保存到runs/detect/exp目錄中。

四、總結(jié)

通過以上步驟，我們成功地在性能更強(qiáng)的計(jì)算機(jī)上訓(xùn)練了YOLOv5模型，并將訓(xùn)練好的模型部署到樹莓派4B上，利用樹莓派的攝像頭實(shí)現(xiàn)了實(shí)時(shí)動(dòng)物目標(biāo)檢測(cè)。這一過程展示了從環(huán)境配置、數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練到模型部署和實(shí)時(shí)推理的完整流程。通過本文的介紹，相信讀者能夠掌握在樹莓派上部署YOLOv5進(jìn)行動(dòng)物目標(biāo)檢測(cè)的完整流程。這一技術(shù)在智能家居、安防監(jiān)控、農(nóng)業(yè)監(jiān)測(cè)等領(lǐng)域具有廣泛的應(yīng)用前景。希望本文能夠?yàn)槟愕捻?xiàng)目開發(fā)提供幫助和參考。