yolov5模型结构（yolov3模型训练并部署到K210(零基础也可））

时间2025-06-19 21:34:44分类IT科技浏览11631

导读：1.yolov3模型训练...

1.yolov3模型训练

2.部署到K210

文章有点长，是因为很细节。

首先建一个新文件夹(要以英文命名）再在文件夹中建如下两个文件夹（images是用来放原照片的，xml是用来放标志后的照片的）。

将要识别的照片原照片放到images文件夹，然后先不要急着去标注，打开yolov3,在工具集中找到

打开后按照片中如下操作

然后点击开始下载，看到如下就是下载成功了

至于为什么这样呢

是因为K210上识别的照片模式是240x240,我们找到照片不全是这个格式，所以要转换才能更好的识别。训练效果才更好，同样照片集越多，识别越准。

然后回到images文件夹中你会发现出现了数量一样的jpg照片，这些就是224x224格式的照片，当然原来的照片也在，你可以删掉，也可以放到另一个文件夹，但就是不能放在images上了（不知道哪些是标注后的可以看时间，时间新的就是标注后的）。

还有一步很重要就是要点开转换后的照片看是否有空白的照片（可以在文件夹上方点击查看模式，方便查看），有的话就得全删掉（因为标志照片xml与images上的是一一对应的，不删的话，那些空白照片标志不了，会导致训练不了）。

如下

完成这一步就可以开始标注了

同样在工具集中找到如下工具

然后按下图所示一步步操作

change save Dir 是保存标注照片的地方。

然后

最后按如下步骤去标注，框要包住整个物体，刚刚包过是最好的。

一直标注完到最后一张照片就可以了。

然后再打开xml文件夹就可以看到如下

这时候就可以去训练了

按下图步骤

第一次训练是有点久的，慢慢等待，然后训练完会自动弹出一个文件夹。如下

将里面的所有文件复制到car文件夹的Train_date里（有没有发现文件里多了好多文件，这些都是自动生成的）。

复制完成后是这样的。

然后就可以测试模型了

按下图步骤

然后等待一会就会出现以下界面

这就表示测试完成了。（有一张图未识别出来，原因可能是照片数量太少，好的数据集大几千张，也可能是测试次数少）。

接下来就是部署到K210上了

因为K210上的文件形式是.kmodel,而训练完的模型文件的是.tflite 所以要转换。

按下图操作

然后点击转换，等待转换成功。打开文件夹中的Train_date中就会找到如下文件

接下来再新建一个文件夹

如下图，将下面的三个文件拖到新的文件夹（K210_car) 。

然后按如下路径在yolov3文件夹中找到

同样放到新建文件夹总（也可以不放，只是为了方便管理）

最后就将这些文件复制到你的SD卡中（也可以不用SD卡，下面再说）

然后将SD卡插入K210上，打开上图的boot.py 文件，就可以连接上机了

还需要按如下修改代码中的文件位置。

（下图中的labels,不是与下面的对应就行，也要跟你放进SD卡中的文件名称一样)

修改后记得点保存，然后就可以运行了。

识别不是很准确，也是因为数据集不够大(有时能识别到（很难），有时识别不到），也有灯光的原因，所以我换了成了yolov3中带的mask数据集进行测试可以看到以下结果

这就很稳定的识别出来了。到这你就再K210上成功了一大步。

那就来说说没SD卡的，这就得把模型包烧录到K210上了（建议还是用SD卡）

首先你得到Sipeed找到下面的固件并下载

然后再在kflash_gui.exe上烧录到K210的固件上，如下图

串口要选对，然后就是可以下载了。

然后再将.kmodel文件下载到K210上，如下（地址一定不要错，因为前面的是固件的地址）

然后就可以打开boot.py了，但是要修改以下地方（这里就以mask的为例）

可以在新建文件夹中找到这些数据复制过来就行了。

不懂这些函数的可以去Sipped 上学习。

然后就可以运行了。

文章到此就结束，这只是个人学习的记录分享，如有错误，请路过的大佬指导指导。