-【学习资料】
子豪兄的零基础树莓派教程
https://github.com/TommyZihao/ZihaoTutorialOfRaspberryPi/blob/master/%E7%AC%AC2%E8%AE%B2%EF%BC%9A%E6%A0%91%E8%8E%93%E6%B4%BE%E6%96%B0%E6%89%8B%E6%97%A0%E7%97%9B%E5%BC%80%E6%9C%BA%E6%8C%87%E5%8D%97.md#%E7%83%A7%E5%BD%95%E9%95%9C%E5%83%8F第2讲：树莓派新手无痛开机指南【子豪兄的树莓派零基础教程】https://www.bilibili.com/video/BV1ab411x7aC/?spm_id_from=333.999.0.0 树莓派４ｂ开发之开发环境搭建 - 飞起的小田 - 博客园https://www.cnblogs.com/tianxxl/p/13587054.html
基于树莓派4B的OpenCV安装与简单应用（真速通版）https://blog.csdn.net/black_sneak/article/details/131343797 《树莓派快速上手》 说明 (itprojects.cn)https://doc.itprojects.cn/0007.zhishi.raspberrypi/02.doc/index.html#/READMEYOLOv8应用及解析https://www.youtube.com/watch?v=ydC9x1L5SJU目标检测---教你利用yolov5训练自己的目标检测模型https://blog.csdn.net/didiaopao/article/details/119954291yolov5 训练结果解析https://blog.csdn.net/sinat_37322535/article/details/117260081?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169080317916800186567366%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=169080317916800186567366&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~sobaiduend~default-2-117260081-null-null.268%5Ev1%5Ekoosearch&utm_term=yolov5%E7%BB%93%E6%9E%9C%E5%88%86%E6%9E%90&spm=1018.2226.3001.4450
-【超详细 Python+PyCharm的安装步骤及PyCharm的使用】
- 【python安装包不要放在python在install选择路径的文件夹里】
否则pycharm在配置python环境时会一直显示重新安装python
-【cmd安装pip和setuptools但pycharm的setting中检测不到这两个工具包，重点在于修改pycharm中python的安装路径（Pycharm cannot set up a python SDK问题解决方法）】Pycharm cannot set up a python SDK问题解决方法_山河不见老的博客-CSDN博客https://blog.csdn.net/weixin_42212872/article/details/122405569
-【第三方工具包清华大学镜像网站cmd用安装指令（以安装TensorFlow为例）】
pip install TensorFlow -i https://pypi.tuna.tsinghua.edu.cn/simple
-【最好用16GB的SD卡下载系统镜像，泪的教训！！！为了配置用户名及密码，最新版本只能用树莓派官方的镜像下载器下载镜像】
-【插上SD卡后红灯常亮，绿灯闪烁；网线绿灯不亮，橘灯常亮；此时需要重启树莓派；即安装好系统后树莓派需要两次开机！！！】
-【同一局域网下查找树莓派ip，在cmd中（管理员身份运行）输入ping -4 raspberrypi.local】
-【VNC连接树莓派出现cannot currently show the desktop问题的解决方法】树莓派默认分辨率模式为Default 720×480，这可能造成VNC显示异常，在putty中用sudo raspi-config修改相关设置，以更换到其他更高的分辨率模式。
-【由于ip分配是随机的，每次更换wifi后vnc都需要重新查找树莓派ip】
-【sudo = superuser do】
-【使用putty重启树莓派时，如果卡了需要手动拔掉充电线；使用reboot重启不需要拔掉充电线】
-【使用camera后如果VNC不能打开，需要在putty中用sudo nano /boot/config.txt删除文件中hdmi_force_hotplug前的#符号（不要再添加其他语句！！！），然后ctrl+x再按y回车后退出，拔线重启树莓派；若仍旧不行，则查看分辨率是否又被更改】
-【更换国内镜像源】
注意下载的树莓派系统版本用户是什么，三种用户有三种不同的镜像源，本机用户为aarch64
-【树莓派如果可以正常import cv2但是无法用print(cv2.__version__)语句查看opencv版本，可使用下面这个语句】
import pkg_resources
pkg_resources.get_distribution("opencv-python").version
-【树莓派使用opencv环境安装（实际上不知道到底有没有关系，主要还是跟着老师的教程做了一遍，估计是安装的软件包太多了，出了什么错，以至于把系统都搞崩了一次，重装系统后，按王铭东老师的步骤安装opencv（4.8.0）与numpy（1.25）等皆正常）】
sudo apt-get install libjpeg-dev libatlas-base-dev libjpeg-dev libtiff5-dev libpng12-dev libqtgui4 libqt4-test libjasper-dev （后来安装的部分软件包，不知道安装成功和这些有没有直接关系）
-【一些linux终端的命令】
- 以管理员身份运行终端
sudo -s
- 终端运行桌面上的python代码
cd Desktop/
Python camera.py
- 终端打开桌面上的xxx.txt文件
cd Desktop/xxx.txt/
- 查看文件目录
ll或者ls
- 打开桌面上Data文件夹中的command.txt文件
cd Desktop/Data/
cat command.txt
-【使用OpenCV在树莓派上实时显示摄像头画面的Python代码示例】
import cv2
# 创建摄像头对象
cap = cv2.VideoCapture(0)
#调用摄像头‘0’一般是打开电脑自带摄像头，‘1’是打开外部摄像头
# 检查摄像头是否成功打开
if not cap.isOpened():
print("无法打开摄像头")
exit()
# 循环读取摄像头画面
while True:
# 读取一帧图像
ret, frame = cap.read()
# 检查图像是否成功读取
if not ret:
print("无法获取图像帧")
break
# 在窗口中显示图像
cv2.imshow("Camera", frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放摄像头资源
cap.release()
# 关闭窗口
cv2.destroyAllWindows()
这段代码首先创建一个摄像头对象 `cap`，然后通过 `cap.read()` 循环读取摄像头画面的每一帧图像。每次读取到图像后，使用 `cv2.imshow()` 在窗口中显示图像。通过按下 'q' 键可以退出循环，最后释放摄像头资源并关闭窗口。
请确保已经安装了OpenCV库，并且摄像头设备正确连接并且具有适当的权限。可以将代码保存为 `camera.py`，然后在终端中运行 `python camera.py` 来执行代码。- 【模型训练，文件修改】
文件目录
- yolov5-master
- data
- GarbageClassify（新建文件夹，存放训练图片和配置路径文件等）
- images
- test（模型训练好后测试时图片）
- train（模型训练时所用的训练图片）
- val（模型训练时所用的验证图片）
- labels
- train（模型训练时所用的训练标签）
- val（模型训练时所用的验证标签）
- GarbageClassify（ymal文件，根据注释修改路径、检测类别等内容）
- .......（固定文件）
- model（固定文件夹）
- runs（新建文件夹，存放训练结果）
- detect（新建文件夹，存放训练结果）
- train（新建文件夹）
- segments（固定文件夹）
- utils（固定文件夹）
- ......一堆固定文件（注意有一个train.py文件，具体看下面）
- train.py
（按照路径提示①把yolov5s.pt预训练模型放在一级文件夹下②查看model文件夹中是否包含yolov5的各种ymal文件③【最重要】data中的yaml文件路径）
- 【labelimg标记】VOC更换成YOLO才能把标记结果的xml转换成txt文件
- 【树莓派运行yolo时，模型文件放置位置】训练好的模型文件best.pt（最好更改一个名称，因为每次训练模型文件都分为best和last）放置在整个文件夹的根目录下
- 【command命令】树莓派终端cd Desktop/yolo文件夹名称/
训练的命令:（云服务器上）
python3 train.py --weights yolov5s.pt --data data/GarbageClassify/GarbageClassify.yaml --workers 4 --batch-size 2 --epochs 50
（workers同时训练目标；batch训练批次；epochs训练轮次）
识别的命令：（树莓派上）
python3 detect.py --weight best.pt --source data/GarbageClassify/images/test
-【树莓派摄像头实时识别出现0: 480x640 (no detections), 2073.9ms】
- 情况1：模型问题。第一轮仅用90张图片训练50轮，结果不是很理想；第二轮用300张图片训练100轮，准确率有明显提升
- 情况2：摄像头问题。重新检查了一遍摄像头，包括连接、设置、固件等，均无问题。后面用第二次训练的模型实时测试时，正常识别了
- 情况3：光线问题。第二次测试时也出现了同样有时无法识别的问题，主要在于周围杂物太多，放在干净的桌面上，准确率也会变高些，但主要还是在于模型训练的程度！！！需要增加数据集优化模型。
- 【多个种类训练时，总是第一个类别精确度高，且大多数都被认为是第一个类别】
添加数据集后需要手动标注每一张图，但由于每次只添加一个类别进行标注，故标号全成了0，后来更改txt文件中相应序号，就恢复正常了
所以标注时最好收集到全部类别，进行同一批次的标注，这样才能保证类别的序号不会对应错误
- 【YOLOv8目标检测，路径正确但找不到测试图片】
终端命令：yolo task=detect predict model=yolov8_train2_best.pt source=datasets/test/images
原因：images文件夹中的图片出现了非英文字符命名，在图像读取时出现问题
解决方案：重命名图片，且仅包含英文字符