机器视觉技术开发

实验4-Yolov5物体检测

实验步骤：

1. 需安装python3、opencv、conda环境。（如已安装可略过、可参考实验1-3的环境安装流程）
2. 克隆YOLOv5模型，终端输入指令：git clone https://github.com/ultralytics/yolov5

3.cp -r /home/sunrise/yolov5 /home/sunrise/OPENCV/ #将yolov5文件包拷贝到功能包中保存

cd OPENCV
pip install -r /home/sunrise/OPENCV/requirements_yolov5_torch.txt

（安装 YOLOv5 运行的最小依赖）

4.source rdkx5_vision_env/bin/activate #激活虚拟环境

5.安装关联包：

在OPENCV目录下

先升级 pip：python -m pip install --upgrade pip

运行以下命令：

pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cpu）
pip install ultralyticspip install pandas psutil thop scipypython -m
pip install tqdm

后续可能用到，建议一起安装：python -m pip install pandas psutil thop pillow pyyaml requests matplotlib seaborn

（以下步骤可先忽略，先尝试运行示例文件，如若版本依赖过低导致无法运行模型再进行更新：

升级基础安装工具：python -m pip install -U pip wheel setuptools==70.0.0

安装/升级缺失依赖：python -m pip install -U gitpython pillow==10.3.0

）

1. cd yolov5 #进入文件包
2. python detect.py --weights yolov5s.pt --source 0 #运行摄像头版示例文件，需确保摄像头正常连接

终端打印如下：

如若无摄像头，可选择本地图片或视频导入：

- 使用本地图片快速验证

- python detect.py --weights yolov5s.pt --source path\to\image.jpg #source后修改为图片路径

- 使用视频文件验证

- python detect.py --weights yolov5s.pt --source path\to\video.mp4 #source后修改为视频路径