使用YOLO5和ONNXRuntime实现塔工安全绳图像识别

摘要在公司最近开发的图像识别模块中，我们专注于识别塔工在上塔过程中是否正确扣好安全绳。经过研究和比较，我们选择了YOLO5作为核心算法，并采用ONNXRuntime在Java环境中进行模型的部署和预测。选择YOLO5YOLO5以其出色的性能和准确性在图像识别领域备受推崇。然而，YOLO5原生并不支持Java环境，这给我们的部署带来了挑战。解决方案：PT到ONNX的转换为了解决这一问题，我们探索了将YOLO5训练后的PyTorch权重文件(.pt)转换为ONNX格式的方法。这样，我们便能利用Java支持的ONNXRuntime进行模型的加载和预测。本地环境搭建我们推荐使用Anaconda来管理Python环境，确保依赖性和版本的一致性。以下是搭建本地环境的步骤：安装Anaconda。创建名为test的新的yolo测试环境：conda create --name test。激活yolo环境：conda activate test。转换流程在环境激活后，进入YOLO5的目录，并执行以下命令来输出ONNX模型：cd path/to/yolo python export.py --weights

📘 开发记录 · 06-04 · 119 人浏览
使用YOLO5和ONNXRuntime实现塔工安全绳图像识别
2024 - 2024 执迷的博客 - Lovisnd BLOG. All Rights Reserved.🥝
Under CC BY NC-SA License.
Powered by Typecho | Theme by Jasmine
您是第 10151 位访客