香橙派5 yolov5视频推理

### Orange Pi 5 上 YOLOv5 视频推理设置与配置 #### 设备准备 为了在Orange Pi 5上成功运行YOLOv5模型进行视频推理，需确认设备已安装必要的硬件驱动并更新至最新固件版本。这一步骤确保了后续软件环境搭建顺利进行。 #### 软件环境构建 1. **操作系统选择** 推荐使用Armbian作为Orange Pi 5的操作系统，因其良好的社区支持和稳定性[^2]。 2. **依赖库安装** 安装Python3及相关开发工具链，通过命令`sudo apt-get install python3-pip python3-dev libopencv-dev`完成OpenCV等必要库的部署。这些库对于图像处理至关重要[^3]。 3. **PyTorch框架安装** 鉴于YOLOv5基于PyTorch实现，在Orange Pi 5上应优先考虑轻量化版本如`torch==1.8.0+cpu`来减少资源占用。可利用pip工具执行如下指令:`pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu`[^4]。 4. **YOLOv5源码获取** 访问官方GitHub仓库克隆项目到本地文件夹内，即`git clone https://github.com/ultralytics/yolov5.git && cd yolov5`。此操作为后续实验提供了算法基础结构[^5]。 #### 性能优化建议 考虑到嵌入式平台计算能力有限，采用适应学习率机制能够有效提升训练效率与精度表现[^1]。此外，启用退出(Dropout)技术有助于防止过拟合现象发生，从而提高泛化性能。 #### 实际应用案例展示 下面给出一段简单的Python脚本用于加载预训练权重并对摄像头捕获的画面做实时检测： ```python import cv2 from pathlib import Path import torch from models.experimental import attempt_load from utils.general import non_max_suppression, scale_coords from utils.torch_utils import select_device weights = 'yolov5s.pt' # 权重路径 imgsz = 640 # 输入图片尺寸 device = '' # 使用CPU或GPU ('cuda:0', '') conf_thres = 0.25 # 置信度阈值 iou_thres = 0.45 # NMS IOU阈值 # 初始化网络模型 model = attempt_load(weights, map_location=select_device(device)) stride = int(model.stride.max()) # 模型步幅 names = model.module.names if hasattr(model, 'module') else model.names # 类别名称列表 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() img = letterbox(frame, new_shape=imgsz)[0] img = img[:, :, ::-1].transpose(2, 0, 1).copy() # BGR转RGB再变换成CHW格式 img = torch.from_numpy(img).to(select_device(device)).float().unsqueeze(0)/255. pred = model(img)[0] det = non_max_suppression(pred, conf_thres, iou_thres)[0] if len(det): det[:, :4] = scale_coords(img.shape[2:], det[:, :4], frame.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{names[int(cls)]} {conf:.2f}' plot_one_box(xyxy, frame, label=label, color=(0, 255, 0), line_thickness=3) cv2.imshow('frame', frame) if cv2.waitKey(1)&0xFF == ord('q'): break cv2.destroyAllWindows() ```