目录

前言

在树莓派上安装Pytorch

在树莓派上安装Ultralytics环境

在树莓派上初步测试模型

在树莓派上安装NCNN

用NCNN模型实现高帧率检测

---

前言

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。

手把手教会你用yolov8从环境配置到检测任务实战_ultralytics yolov8环境配置-CSDN博客https://blog.csdn.net/Duanwxq/article/details/137198979?spm=1001.2014.3001.5502具体运行速度可以参考下图：

从上图可知，NCNN模型是最快的，我们可以看下官网是如何说的：

Out of all the model export formats supported by Ultralytics, NCNN delivers the best inference performance when working with Raspberry Pi devices because NCNN is highly optimized for mobile/ embedded platforms (such as ARM architecture). Therefor our recommendation is to use NCNN with Raspberry Pi.

NCNN在使用Raspberry Pi设备时提供了最佳的推理性能，因为NCNN针对移动/嵌入式平台（如ARM架构）进行了高度优化。

在树莓派上需要装的有：opencv-python，torch，torchvision，Ultralytics。opencv的安装非常简单，在本文中不出现安装教程。

在树莓派上安装Pytorch

以下操作均要根据自己对应的版本下载，切勿直接复制运行。

首先检查raspberry的Liunx架构，在终端输入：

uname -a

查看到我的raspberry的Liunx是armv7l，打开网址：Releases · KumaTea/pytorch-arm (github.com)https://github.com/KumaTea/pytorch-arm/releases然后找到对应架构以及对应Python版本的wheel文件，复制链接进行下载torch：

pip3 install https://github.com/KumaTea/pytorch-arm/releases/download/v1.8.1/torch-1.8.1-cp39-cp39-linux_armv7l.whl

然后我们可以测试一下Pytorch是否以及装好了，如下：

为后面的计算机视觉任务做准备，我们还需要单独装一下torchvision，同上操作：

pip3 install https://github.com/KumaTea/pytorch-arm/releases/download/v1.8.1/torchvision-0.9.1-cp39-cp39-linux_armv7l.whl

出现Successfully installed就说明下载完成了。

在树莓派上安装Ultralytics环境

Raspberry Pi - Ultralytics YOLO DocsLearn how to deploy Ultralytics YOLOv8 on Raspberry Pi with our comprehensive guide. Get performance benchmarks, setup instructions, and best practices.https://docs.ultralytics.com/guides/raspberry-pi/我们参考官方文档，更新软件包列表，安装 pip 并升级到最新版本：

sudo apt update
sudo apt install python3-pip -y
pip install -U pip

然后安装带有可选依赖项的Ultralytics：

pip3 install ultralytics

然后就是等待一下漫长的下载过程~

在树莓派上初步测试模型

下载完成后我们简单的测试一下原先训练的best.pt模型，虽然检测的速度很慢，但是可以检测出来，说明我们前面的步骤都是正确无误的。

import cv2
from ultralytics import YOLO
from cv2 import getTickCount, getTickFrequency
# 加载 YOLOv8 模型
model = YOLO("best.pt") # 这里选择你训练的模型# 获取摄像头内容，参数 0 表示使用默认的摄像头
cap = cv2.VideoCapture(0)while cap.isOpened():loop_start = getTickCount()success, frame = cap.read()  # 读取摄像头的一帧图像if success:results = model.predict(source=frame) # 对当前帧进行目标检测并显示结果annotated_frame = results[0].plot()# 中间放自己的显示程序loop_time = getTickCount() - loop_starttotal_time = loop_time / (getTickFrequency())FPS = int(1 / total_time)# 在图像左上角添加FPS文本fps_text = f"FPS: {FPS:.2f}"font = cv2.FONT_HERSHEY_SIMPLEXfont_scale = 1font_thickness = 2text_color = (0, 0, 255)  # 红色text_position = (10, 30)  # 左上角位置cv2.putText(annotated_frame, fps_text, text_position, font, font_scale, text_color, font_thickness)cv2.imshow('img', annotated_frame)# 通过按下 'q' 键退出循环if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.release()  # 释放摄像头资源
cv2.destroyAllWindows()  # 关闭OpenCV窗口

在树莓派上安装NCNN

打开终端输入pip指令下载NCNN库：

pip install ncnn -i https://pypi.tuna.tsinghua.edu.cn/simple

---

我用pip下载的时候出现了下述问题，如果没遇到的可以跳过。

可能的一种原因是pip版本太高了，我们尝试将pip降级到21.3.1版本：

pip install pip==21.3.1

更多方法，参考下述博客： 

五种方法解决subprocess-exited-with-error × python setup.py egg_info did not run successfully_subprocess-exited-with-error怎么解决-CSDN博客https://blog.csdn.net/m0_61415601/article/details/138397648

用NCNN模型实现高帧率检测

将.pt模型转换成ncnn模型：

# Export a YOLOv8n PyTorch model to NCNN format
yolo export model=best.pt format=ncnn  # creates 'best_ncnn_model'

执行测试代码：

import cv2
from ultralytics import YOLO
from cv2 import getTickCount, getTickFrequency
# 加载 YOLOv8 模型
ncnn_model = YOLO("./best_ncnn_model")# 获取摄像头内容，参数 0 表示使用默认的摄像头
cap = cv2.VideoCapture(0)while cap.isOpened():loop_start = getTickCount()success, frame = cap.read()  # 读取摄像头的一帧图像if success:results = ncnn_model.predict(source=frame) # 对当前帧进行目标检测并显示结果annotated_frame = results[0].plot()# 中间放自己的显示程序loop_time = getTickCount() - loop_starttotal_time = loop_time / (getTickFrequency())FPS = int(1 / total_time)# 在图像左上角添加FPS文本fps_text = f"FPS: {FPS:.2f}"font = cv2.FONT_HERSHEY_SIMPLEXfont_scale = 1font_thickness = 2text_color = (0, 0, 255)  # 红色text_position = (10, 30)  # 左上角位置cv2.putText(annotated_frame, fps_text, text_position, font, font_scale, text_color, font_thickness)cv2.imshow('img', annotated_frame)# 通过按下 'q' 键退出循环if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.release()  # 释放摄像头资源
cv2.destroyAllWindows()  # 关闭OpenCV窗口

基本上在树莓派上是可以达到十几帧的，快来在你的树莓派部署看看吧！