目标检测：树莓派运行YOLOv5，成功运行，附完整镜像源

树莓派：目标检测

• 
  

  一、前言

• 
  

  二、树莓派深度学习环境镜像：

• 
  

  三、基于深度学习环境镜像搭建YOLOv5

• • 1、将python设置成默认python3
  • 2、安装pytorch
  • 3、安装OpenCV
  • 4、安装YOLOv5
• 
  

  四、YOLOv5镜像分享及运行教程：

一、前言

1、之前一直打算在树莓派上跑目标检测，但自己弄环境总是出现问题，一直没弄成功。

前几天看到一位大佬做成了一个用于深度学习的镜像，里面已经装好了关于深度学习的环境配置了。

我安装好后很快就搭建好YOLOv5，并且运行成功。

只是帧率很慢，三秒多一帧，不过有其他的方法可以让帧率快一点，现在先分享YOLOv5的搭建和镜像。

2、官方模型测试（后面有搭建好的YOLOv5镜像，这里的测试就是我搭建好的YOLOv5）：

3、官方模型可以识别的物体是：

'person',           “人”,
'bicycle',          “自行车”,
'car',				“汽车”,
'motorcycle',		“摩托车”,
'airplane',			“飞机”,
'bus',				“公共汽车”,
'train',			“火车”,
'truck',			“卡车”,
'boat',				“船”,
'traffic light',	“红绿灯”,
'fire hydrant',		“消防栓”,
'stop sign',		“停车标志”,
'parking meter',	“停车计时器”,
'bench',			“板凳”,
'bird',				“鸟”,
'cat',				“猫”,
'dog',				“狗”,
'horse',			“马”,
'sheep',			“羊”,
'cow',				“牛”,
'elephant',			“大象”,
'bear',				“熊”,
'zebra',			“斑马”,
'giraffe',			“长颈鹿”,
'backpack',			“背包”,
'umbrella',			“伞”,
'handbag',			“手提包”,
'tie',				“领带”,
'suitcase',			“手提箱”,
'frisbee',			“飞盘”,
'skis',				“滑雪板”,
'snowboard',		“滑雪板”,
'sports ball',		“体育球”,
'kite',				“风筝”,
'baseball bat',		“棒球棒”,
'baseball glove',	“棒球手套”,
'skateboard',		“滑板”,
'surfboard',		“冲浪板”,
'tennis racket',	“网球拍”,
'bottle',			“瓶子”,
'wine glass',		“酒杯”,
'cup',				“杯”,
'fork',				“叉”,
'knife',			“刀”,
'spoon',			“勺子”,
'bowl',				“碗”,
'banana',			“香蕉”,
'apple',			“苹果”,
'sandwich',			“三明治”,
'orange',			“橙色”,
'broccoli',			“西兰花”,
'carrot',			“胡萝卜”,
'hot dog',			“热狗”,
'pizza',			“披萨”,
'donut',			“甜甜圈”,
'cake',				“蛋糕”,
'chair',			“椅子”,
'couch',			“沙发”,
'potted plant',		“盆栽植物”,
'bed',				“床”,
'dining table',		“餐桌”,
'toilet',			“马桶”,
'tv',				“电视”,
'laptop',			“笔记本电脑”,
'mouse',			“鼠标”,
'remote',			“遥控器”,
'keyboard',			“键盘”,
'cell phone',		“手机”,
'microwave',		“微波炉”,
'oven',				“烤箱”,
'toaster',			“烤面包机”,
'sink',				“水池”,
'refrigerator',		“冰箱”,
'book',				“书”,
'clock',			“钟”,
'vase',				“花瓶”,
'scissors',			“剪刀”,
'teddy bear',		“泰迪熊”,
'hair drier',		“吹风机”,
'toothbrush'		“牙刷”

二、树莓派深度学习环境镜像：

1、我的YOLOv5镜像是基于这个镜像搭建的，这个镜像已经搭建好深度学习所需要的一些环境，利用这个镜像可以快速搭建YOLOv5或者是其他的一些深度学习软件。

2、镜像分享文章：Maker毕：分享预装TensorFlow和OpenCV的树莓派系统镜像

3、用户名还是pi，密码还是默认的raspberry

不过这个镜像文件比较大，是32G的。

我将镜像进行了瘦身，大小变为了12.8G。

经博主同意后我会发布瘦身的镜像出来。

三、基于深度学习环境镜像搭建YOLOv5

后面有搭建好的YOLOv5镜像，可以直接运行YOLOv5，开箱即用，这里的搭建教程供大家学习，一起探究。

1、将python设置成默认python3

1、删除原来python默认配置

sudo rm /usr/bin/python

2、设置新的python配置，将python3设置为python默认打开，后面的软件安装需要高版本的python3.7。

低版本会出错。

sudo ln -s /usr/bin/python3.5 /usr/bin/python

3、验证是否换成功

python

查看版本是否正确。

2、安装pytorch

1、安装依赖包

sudo apt-get install libopenblas-dev libblas-dev m4 cmake cython python3-dev python3-yaml python3-setuptools python3-wheel python3-pillow python3-numpy

2、pytorch安装包

下载好安装包后可以使用WinSCP将文件传到/home/pi目录下。

WinSCP使用教程

3、安装pytorch

pip3 install torch-1.8.0a0+56b43f4-cp37-cp37m-linux_armv7l.whl
pip3 install torchvision-0.9.0a0+8fb5838-cp37-cp37m-linux_armv7l.whl

3、安装OpenCV

1、安装

sudo apt-get install python3-opencv

2、验证是否安装成功

python
import cv2

没有报错就是安装成功了。

4、安装YOLOv5

1、下载

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

2、更改YOLOv5安装参数

进入yolov5文件夹的requirements.txt文件修改安装依赖，这些依赖包我们已经安装好。

cd /home/pi/yolov5
sudo nano requirements.txt

按下图在opencv-python，torch，torchvision前面加#注释掉依赖包的安装。

不懂nano使用的可以查看：nano的简单使用

3、安装YOLOv5

更改成文件后不需要退出yolov5的文件夹，直接运行安装命令。

pip3 install --default-timeout=1000 -r requirements.txt

安装过程中会有红色报错，不需要理会，安装没问题的。

4、测试或者直接运行都可以。

同样是在yolov5文件夹里面。

python3 detect.py					# 这个是测试命令
python3 detect.py --source 0		# 这个是运行命令 识别摄像头拍都的图片

2、安装

四、YOLOv5镜像分享及运行教程：

百度网盘下载链接

1、用户名还是pi，密码还是默认的raspberry

2、这个镜像可以直接运行YOLOv5的模型。

树莓派装上USB摄像头后可以直接开启视频识别，不过帧率很低0.3FPS。

3、运行detect.py文件,即可开始视频图片识别。

cd ./yolov5
python3 detect.py --source 0