基于树莓派5的YOLO煤矸石检测
本帖最后由 代人凌风 于 2026-2-1 15:22 编辑二、项目概述：
本系统是基于树莓派 5 与YOLO技术的煤矸石检测装置，主要用来检测皮带输送机上矸石的位置坐标。整个设计过程包括树莓派5的开发环境搭建，数据集标注，yolo模型训练和部署，软件模块编写，系统整体测试等过程。
三、作品实物图
四、项目说明 项目结构如下图所示，树莓派5仅需要运行训练好的Yolo模型识别混合物中的煤矸石，并输出矸石的位置和大小即可。 由于是首次在嵌入式环境中部署AI模型，对该开发模式并不熟悉，记录的过程仍有纰漏还请见谅。 （1）启动树莓派系统 在树莓派官网下载Imager工具，为SD卡写入镜像，按照下图配置选择 由于我没有显示屏，需要使用使用SSH或VNA远程，在配置时需要预先输入网络配置，该网络最好是电脑的热点。 下载并安装MobaXterm，家庭免费版即可，树莓派通电后会自动尝试连接预先配置好的WIFI，我使用的是电脑的热点，可以在热点配置中查看PI的地址。 使用SSH连接后，在raapi-config界面打开VNC功能。 使用VNC连接后，就能在电脑查看树莓派的界面，方便查看摄像头图像。
更新源和软件，安装必要的软件，这里使用opencv获取摄像头的图像并进行预处理。 （2）数据集标注和yolo模型训练 使用一站式工具X-AnyLabeling自动标注，仅识别coal，gangue两个类型。
标注完成后，使用yolov8n训练并导出模型。 （3）yolo模型部署和软件模块编写 继续安装Python 3、Pytorch2.1和Ultralytics8.0，编写脚本运行训练好的模型进行识别，目前没有实物，且帧数只有个位数，还远远达不到要求。**尝试Hailo加速看看性能，数据集和训练好的模型放到文档了。五、项目文档 通过网盘分享的文件：xanylabeling_data.zip 链接: https://pan.baidu.com/s/1FVsvV-voClpEK3QmMZNbrQ 提取码: 5rp7
页:
[1]