人工智能项目资料-基于yolov5的安全帽、吸烟等实际检测部署.zip

# 利用yolov5-5进行实际场景开发部署 ### 主要检测目标：头盔、吸烟、火灾 场景：风电电力网络安全监测 说明：利用摄像头实时监测电力网络和人员行为，如有下面情况进行报警：工作人员进入工作区域未佩戴安全帽、吸烟和设备冒烟起火。 项目难点：摄像头取景距离远，室内视野5~10m，室外视野在5-20m，检测类别多、尺度不一，在视野中目标较小；室外的背景复杂；夜间环境。 如图所示： # yolov5算法开发 基础环境：ubantu18.04+Anconda3 搭建环境：CUDA:11.1 CUDNN:8.0 Python:3.8 torch+torchvision:1.10.1+0.11.2 数据处理：旋转、裁剪、缩放、Mosaics和mixup等数据增强操作。  训练自定义数据集参见[知乎](https://zhuanlan.zhihu.com/p/523184652)。 # 测试效果  视频测试效果请见：[仓库上传视频](https://github.com/dailonggang/yolov5-Application/tree/main/%E9%83%A8%E7%BD%B2%E6%B5%8B%E8%AF%95) # 部署 为了兼顾速度以及达到客户的实际要求，选取 Jetson Xavier NX 开发板进行部署开发。 NX 环境搭建：python 3.6.9 pytorch 1.7.0 cuda 10.2 cudnn 8.0 tensorrt 7.1.3.0 torchvison 0.8.1。 # 部署流程 1.选择合适版本的tensorRTX 对照YOLOv5给出版本，[参考网址](https://github.com/wang-xinyu/tensorrtx/tree/master/yolov5) 2.修改配置文件 主要修改CLASS_NUM、INPUT_H、INPUT_W和量化类型 3.编译运行 首先利用tensorrtx下的 gen_wts.py 文件将生成的.pt权值文件转为.wts的中间格式，然后利用 .wts 中间格式转为.engine文件 4.将生成的engine文件放入c++文件中重新编译运行 # 优化 优化效果请见：[仓库上传视频](https://github.com/dailonggang/yolov5-Application/tree/main/%E9%83%A8%E7%BD%B2%E6%B5%8B%E8%AF%95)