企业官网建设流程全解析

简介：这是一份面向目标检测与机器视觉学习者的三轮车识别数据集资源，适用于基于yolov5的非机动车违规停放检测项目。压缩包内为tricycle7分类的1021张三轮车图片及对应的988个XML标注文件，图片涵盖凤凰、飞鸽等品牌车型，场景角度多样，标注内容完整，可直接用于模型训练与验证。数据整体包含自行车、电动车、三轮车共两万余张已标注图片，本包为其中三轮车第七类，便于按类别分步训练或与其他类目组合。资源共2009个文件，以JPEG图像与VOC格式XML标注为主，压缩包大小87.52MB，目录结构清晰，图片与标注一一对应，方便做数据集划分与增强。目前已有257人学习下载，适合需要特定类别非机动车数据用于yolov5训练、违规停放识别、目标检测算法验证等场景的研发人员。

1. 非机动车违规停放检测：为什么yolov5只解决了一半问题

做违规停放检测的都知道，这个需求不能光靠一个目标检测模型收工。yolov5能告诉你画面里有没有三轮车、车在哪个位置，但“停在这算不算违规”是另一套逻辑。城市管理项目里，网格员拍回一张三轮车乱停的照片，后台先做机器视觉识别，把车框出来，再判断它是不是落在禁停区、停了多久。tricycle7_images_xmls 这类已标注数据集，图片配 VOC 格式的 XML 标注，正好用来训练自己的检测模型。这篇笔记按落地顺序拆：环境配置、XML 转 YOLO 格式、训练调参、踩坑记录，最后落到树莓派这种边缘设备上的实时判定。适合正在做智慧城管、园区安防的算法工程师，或者接政企项目的个人开发者。

2. 跑通yolov5环境与tricycle7_images_xmls：conda配置、标注检查和数据划分

2.1 conda搭建yolov5训练环境：Python版本与依赖一次配齐

训练自己的数据集之前，先把环境固定下来。我一般用 conda 单独建一个环境，避免把系统 Python 搞乱，也方便后面多个项目切换。yolov5 源码对 Python 版本不挑，3.8 到 3.10 都能跑，但依赖版本之间有点讲究，个人经验是 Python 3.8 搭配 CUDA 11.x 最稳，老项目多、踩坑案例也多，搜问题容易搜到答案。

# 创建独立环境, 指定 Python 3.8, -y 跳过确认 conda create -n yolov5 python=3.8 -y # 激活环境, 后面所有操作都在这个环境里做 conda activate yolov5 # 在项目根目录安装依赖, requirements.txt 在 yolov5 源码仓库里 pip install -r requirements.txt

逻辑说明：yolov5 的训练链路依赖 torch、opencv、matplotlib、pyyaml 这些包，requirements.txt 已经把版本组合写好了，直接装比手动一个个装少踩很多坑。如果机器没有 NVIDIA 显卡，需要把 torch 换成 CPU 版本再装，否则会因 CUDA 版本不匹配报错。装完可以用python -c "import torch; print(torch.__version__)"验证一下。

参数说明：conda 环境名yolov5可以随意改，但保持和项目名一致比较好认；Python 3.8 不是必须的，但如果你后面要跑旧版 ultralytics 仓库里的脚本，3.8 的兼容性最省心。显存低于 6G 的机器，训练时把 batch size 调小就行，不影响环境搭建。

克隆源码时注意别用 master 分支的最新代码，新提交偶尔会引入问题。我习惯 clone 下来后用git tag看稳定版本，选一个时间久、issue 少的 tag 切过去，训练行为可预期。

2.2 检查tricycle7_images_xmls标注质量：先看XML再决定要不要清洗

已标注数据集不等于干净数据集。tricycle7_images_xmls 从命名看是三轮车图片加 XML 标注的集合，这类 XML 通常是 LabelImg 导出的 VOC 格式。拿到手先别急着转格式，花十分钟把标注体检一遍，能省后面几天的排查时间。

import xml.etree.ElementTree as ET from pathlib import Path xml_dir = Path("tricycle7_images_xmls/xmls") cls_counter = {} # 遍历所有 XML 标注文件 for xml_file in xml_dir.glob("*.xml"): tree = ET.parse(xml_file) root = tree.getroot() # 检查图片尺寸信息是否完整 size = root.find("size") img_w = int(size.findtext("width")) img_h = int(size.findtext("height")) if img_w <= 0 or img_h <= 0: print(f"尺寸异常: {xml_file.name}") # 遍历每个标注对象 for obj in root.iter("object"): name = obj.findtext("name").strip() difficult = obj.findtext("difficult", "0") bndbox = obj.find("bndbox") x1 = float(bndbox.findtext("xmin")) y1 = float(bndbox.findtext("ymin")) x2 = float(bndbox.findtext("xmax")) y2 = float(bndbox.findtext("ymax")) # 统计类别分布 cls_counter[name] = cls_counter.get(name, 0) + 1 # 坐标合法性检查: 左上角必须在右下角之前, 且不超图像边界 if not (0 <= x1 < x2 <= img_w and 0 <= y1 < y2 <= img_h): print(f"坐标异常: {xml_file.name} -> {name} [{x1}, {y1}, {x2}, {y2}]") print("类别分布:", cls_counter)

逻辑说明：这个脚本不修改任何文件，只做体检。三个检查点分别对应三类问题：尺寸异常说明图片可能被压缩过但标注没跟着更新；坐标异常说明标注时画框画出了边界；类别分布直接决定你要不要重新组织数据。跑完一遍，心里对这批数据的质量就有数了。

参数说明：findtext("difficult", "0")的第二个参数是默认值，当 XML 里没有 difficult 字段时返回 "0"，避免属性缺失报错。坐标检查用的是开区间判断，x1 < x2严格成立，因为 x1 等于 x2 的标注是无效框，训练时会让模型学到错误的位置信息。

如果统计出来类别名不统一，比如既有tricycle又有Tricycle，或者有多余的空格，趁现在一次性清洗掉。这种问题越早处理代价越小，等数据划分完再改就要重新生成一遍标签。

2.3 训练/验证/测试集划分：8比1比1，固定随机种子

数据集划分必须在格式转换之前做。原因很简单：转换后是 txt 标签，跟图片的对应关系靠文件名维系，如果先转换再划分，一旦文件复制出错，图片和标签就错位了。按图片维度划分，保证同一个场景的视频帧不会同时出现在训练集和验证集里。

import random import shutil from pathlib import Path image_dir = Path("tricycle7_images_xmls/images") train_dir = Path("images/train") val_dir = Path("images/val") test_dir = Path("images/test") for d in [train_dir, val_dir, test_dir]: d.mkdir(parents=True, exist_ok=True) images = sorted(image_dir.glob("*.jpg")) random.seed(42) # 固定种子, 保证每次划分结果一致 random.shuffle(images) # 打乱顺序, 避免同类图片扎堆 n = len(images) train_end = int(n * 0.8) val_end = int(n * 0.9) # 按 8:1:1 切分训练/验证/测试 for i, img in enumerate(images): if i < train_end: target = train_dir elif i < val_end: target = val_dir else: target = test_dir shutil.copy2(img, target) # copy2 保留文件元数据

逻辑说明：这里只复制图片，XML 标注先不动。下一步做格式转换时，按图片目录反查 XML，保证标签和图片一一对应。随机种子固定为 42 是习惯，这样你调整数据后重新划分，训练集和验证集的边界不会变化，模型对比才有意义。

参数说明：8:1:1 是检测任务最常见的划分比例。如果总图片数只有几百张，可以改 9:1:0，把测试集省下来，因为验证集每天训练完都在用，测试集只在最后评估一次。shutil.copy2比copy多复制元数据，对图片无所谓，但对后面排查文件来源有帮助。

注意：划分完成后数一下三个目录的图片数量，加总必须等于总数。目录里混入非图片文件是常见问题，glob 只匹配.jpg，如果数据集里混有.png、.bmp，需要先统一格式再划分。

3. 把VOC XML转成YOLO标签：转换脚本与四个边界坑

3.1 转换脚本：像素坐标bndbox到归一化cx,cy,w,h

yolov5 训练时不读 XML，它要求每个标注对象一行：类别ID + 归一化中心点坐标 + 归一化宽高。所以转换脚本是整个流程里最不能出错的一环，坐标错一个像素，训练出来的模型框就会偏。

import xml.etree.ElementTree as ET from pathlib import Path # names 的顺序必须和后续 tricycle.yaml 里的 names 完全一致 names = ["tricycle"] name2id = {name: i for i, name in enumerate(names)} xml_dir = Path("tricycle7_images_xmls/xmls") label_dir = Path("labels") label_dir.mkdir(exist_ok=True) def voc_to_yolo(size, box): """VOC像素坐标转YOLO归一化坐标, 返回 cx, cy, w, h""" dw, dh = 1.0 / size[0], 1.0 / size[1] x1, y1, x2, y2 = box # 归一化到 0~1 cx = (x1 + x2) / 2.0 * dw cy = (y1 + y2) / 2.0 * dh w = abs(x2 - x1) * dw h = abs(y2 - y1) * dh # 标注工具偶尔会画出图像边界, 越界值直接截断 cx = min(max(cx, 0.0), 1.0) cy = min(max(cy, 0.0), 1.0) w = min(max(w, 0.0), 1.0) h = min(max(h, 0.0), 1.0) return cx, cy, w, h for xml_file in sorted(xml_dir.glob("*.xml")): root = ET.parse(xml_file).getroot() size_el = root.find("size") img_w = int(size_el.findtext("width")) img_h = int(size_el.findtext("height")) lines = [] for obj in root.iter("object"): name = obj.findtext("name").strip() cls_id = name2id.get(name) # 类别不在映射表里就跳过并打印, 不要静默放过 if cls_id is None: print(f"未知类别: {name} in {xml_file.name}") continue # difficult=1 的样本直接跳过, 这些通常是遮挡严重的难例 if obj.findtext("difficult", "0") == "1": continue bndbox = obj.find("bndbox") box = ( float(bndbox.findtext("xmin")), float(bndbox.findtext("ymin")), float(bndbox.findtext("xmax")), float(bndbox.findtext("ymax")), ) cx, cy, w, h = voc_to_yolo((img_w, img_h), box) lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") if lines: out = label_dir / f"{xml_file.stem}.txt" out.write_text("\n".join(lines) + "\n")

逻辑说明：脚本遍历所有 XML，把每个<object>的 bndbox 像素坐标转成归一化的中心点坐标和宽高。核心是两个公式：中心点取左上角和右下角的平均值再除以图片宽高；宽高取差值再除以图片宽高。name2id映射表保证类别名到数字 ID 的转换是显式的，哪里错了打印哪里。

参数说明：cx:.6f保留六位小数足够，yolov5 训练时读取的精度就是 float32；difficult=1的样本跳过是保守做法，这些样本通常遮挡严重、边界框不准确，混进训练集反而让模型困惑。如果你样本总量太少，可以把 difficult 样本单独筛出来做验证集，不要直接删掉。输出文件用 XML 的文件名（stem），保证和图片同名，后面训练才能对上。

3.2 四个边界坑：越界坐标、大小写、空XML、文件对不上

第一个坑是坐标越界。LabelImg 画框时鼠标稍微拖出图片边界，xmax 就会大于图片宽度。转换脚本里必须做 clamp，否则训练时模型输出的框也会学着超出边界。判断标注是否越界最直接的方法是看 box 的 x2 减 x1 是不是负数，负数说明画反了，这种框不能 clamp 了事，要回到原图重新标注。

第二个坑是类别名大小写不一致。VOC 里写Tricycle，yaml 里写tricycle，name2id.get(name)返回 None，脚本打印一行提示然后跳过。最怕的是你不打印直接跳过，训练时发现某张图没有标签文件，排查半天才意识到是类别名大小写问题。所以转换脚本里的打印语句不是可有可无的装饰，它是你数据清洗的最后一道防线。

第三个坑是空 XML。有些图片标注到一半没保存完整，XML 里没有任何<object>。转换后生成一个空的 txt 文件，yolov5 训练时不会报错，但那张图相当于没参与训练，白白浪费一个样本。体检脚本里加一个计数：XML 有、但 object 为空的文件列出来，要么补标要么剔除。

第四个坑是文件名对不上。图片叫IMG_0421.jpg，XML 叫IMG_0421.xml是正常的；但有人标注完以后批量重命名了图片，XML 没跟着改，转换后标签和图片错位。这个必须靠代码检查：遍历 images 目录，对每张图查对应 XML 是否存在，反过来也查一遍，找出对方缺失的文件清单。

from pathlib import Path image_files = {p.stem: p for p in Path("images").glob("*.jpg")} xml_files = {p.stem: p for p in Path("xmls").glob("*.xml")} # 图片有但标注缺失 orphan_images = set(image_files) - set(xml_files) # 标注有但图片缺失 orphan_xmls = set(xml_files) - set(image_files) print("缺少标注的图片:", orphan_images) print("缺少图片的标注:", orphan_xmls)

逻辑说明：两个集合相减，把失配的文件一次性找出来。这一步要在转换之前跑，因为转换脚本是按 XML 生成的，某个 XML 对应的图片不存在，它的标签文件就会成为一个孤儿标签，训练时起不到任何作用。

3.3 可视化验证：把txt标签反算回像素坐标画框检查

转换完不能直接开训练，先抽样几步看一眼效果是值得的。把归一化的 txt 标签反算成像素坐标画到图上，一眼就能看出转换有没有问题。

import cv2 img_path = "images/train/IMG_0421.jpg" label_path = "labels/IMG_0421.txt" img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: for line in f: parts = line.split() cls_id = int(parts[0]) cx, cy, bw, bh = map(float, parts[1:]) # 归一化坐标反算回像素坐标 x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) # 越界画框会画到图像外面, 用 clip 限制显示范围 x1, y1 = max(x1, 0), max(y1, 0) x2, y2 = min(x2, w), min(y2, h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, f"cls{cls_id}", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite("check.jpg", img) print("已生成 check.jpg, 请打开检查框是否贴合车身")

逻辑说明：反算公式是转换公式的逆运算，中心点加减宽高的一半得到左上角和右下角。检查重点是两个：框是不是紧贴三轮车车身边缘，以及类别 ID 是不是正确。抽一两张正面、一张侧面、一张远处小目标的图看，基本就能确认转换质量。

参数说明：这里为了检查方便，直接把框画到原图上。实际数据集里三轮车会出现在不同距离，远处的框偏小是正常的，但如果所有框都比车身大一圈，大概率是 XML 里存的本来就是外接矩形，需要回到标注源头处理，不要靠代码硬调。

4. 用yolov5训练自己的三轮车检测模型：超参数设置与训练不收敛排查

4.1 tricycle.yaml与训练命令：先小图跑通再上大图

数据转换完，接下来就是 yolov5 训练自己的数据集的常规流程：写一个数据配置文件，然后跑 train.py。如果你只想把 yolov5 基础笔记里的命令抄一遍跑通流程，这段可以跳过；但如果要训练一个能落地的三轮车检测模型，yaml 里的细节值得抠一下。

# tricycle.yaml # 训练数据根目录, 相对路径以 train.py 所在位置为基准 path: ./ train: images/train val: images/val test: images/test # 类别数量与类别名, 顺序必须和转换脚本的 names 一致 nc: 1 names: 0: tricycle

# 先用 320 输入尺寸跑通流程, 确认数据没配错, 再上 640 python train.py \ --img 320 \ --batch 16 \ --epochs 50 \ --data tricycle.yaml \ --weights yolov5s.pt \ --hyp hyp.scratch-low.yaml \ --cache

逻辑说明：--weights yolov5s.pt用的是 COCO 预训练权重，迁移学习能大幅缩短收敛时间。单类检测任务用 s 模型足够，n 模型太小容易欠拟合，m 模型对边缘部署不友好。第一次跑用 320 输入不是为了省时间，是为了快速验证数据链路：如果数据配置有错，小图几十个 epoch 就能看到 loss 不降、mAP 为 0，比跑 640 省一半时间。

参数说明：--batch 16在 8G 显存下比较安全，显存不足时先降 batch 到 8，再不行才降--img到 320。--cache把图片缓存到内存，加速训练，前提是机器内存不能太小。hyp.scratch-low.yaml是 yolov5 自带的低增强超参组合，适合数据量不大、不想让增强把标注搞歪的场景。

4.2 真正影响检测效果的超参数：lr0、mosaic与类别权重

超参数不是玄学，但很多人直接改数值而不理解为什么改。对于三轮车这种单类、大目标、样本量几百到几千的任务，真正需要手动调的就三个地方。

# hyp.scratch-low.yaml 里改这三个位置 lr0: 0.005 # 初始学习率, 数据少就调小一半 mosaic: 0.8 # 马赛克增强概率, 0.8 保留部分真实场景 cls_pw: 0.9 # 类别权重, 单类任务保持接近 1.0

逻辑说明：lr0是最值得动的一个参数。默认 0.01 在 COCO 这种百万级数据上没问题，换成几百张三轮车图片，梯度更新方向不稳定，loss 容易下不去。降到 0.005 之后，训练曲线会明显平滑。mosaic是 yolov5 的招牌增强，把四张图拼成一张，但对于目标本身占比就大的场景，拼图后目标被缩小，小目标训练不足。三轮车检测的典型场景是近景，mosaic 开太高反而有害。

参数说明：cls_pw只对多类不平衡有意义。你只有一个tricycle类，把它调大反而会让模型对背景的抑制变弱，所以保持接近 1.0 就好。真正影响单类检测的是fliplr，默认 0.5，三轮车左右对称，水平翻转增强是安全的；flipud保持默认 0，车辆上下翻转在语义上说不通，不要开。

4.3 训练不收敛与过拟合排查：loss曲线和mAP怎么读

训练开始后，yolov5 会把 loss 曲线画在runs/train/exp目录下。常见翻车有两种：loss 一直降但 val 的 mAP 不涨，这是过拟合；loss 直接变 NaN，这是数据问题。

过拟合的判断标准不是 loss 本身，是 train 和 val 的差距。训练集 loss 降到 0.02，验证集 mAP 只有 0.5，说明模型把训练集背下来了。三轮车样本量少，增强又不强，很容易走到这一步。解决办法按优先级排：补数据 > 增强增强 > 换小模型。先看训练集里有没有大量重复背景的图片，比如同一个路口拍了几十张，去掉重复再训一轮。

loss 变成 NaN 的排查顺序：先看是不是学习率太大，把 lr0 调到 0.001 再试；如果还 NaN，回去跑第 2 章的标注体检脚本，确认没有异常坐标；最后检查图片本身有没有损坏，用 OpenCV 读一遍，返回 None 的就是坏图，删掉重训。

# 训练结束后, 结果都在 runs/train/exp 目录下 # 重点关注两个指标: # mAP@0.5: 0.5 IoU 下的平均精度, 单类检测 0.85 以上算可用 # mAP@0.5:0.95: 严格指标, 0.5 到 0.95 的积分平均, 能到 0.5 说明框很准

逻辑说明：mAP@0.5 对单类检测来说，0.85 以上才能上生产。低于 0.7 先别调参，此数据质量的问题大概率比模型问题大。mAP@0.5:0.95 偏低但 mAP@0.5 很高，说明框不够精确——三轮车检测对框的精度要求没那么苛刻，后续违规停放判定用的是中心点，所以 mAP@0.5 优先看。

注意：训练过程中不要频繁中断去改超参数。一个训练任务跑完再改，半途改参会让对比失去意义。

5. 避坑：非机动车检测从训练到部署最常踩的5个翻车现场

5.1 loss=NaN：先查标签坐标，别动网络结构

现象：训练跑了不到 10 个 epoch，loss 突然变成 NaN，后面直接雪崩，训练进程没法继续。

原因：90% 的情况出在标签数据上。XML 转 YOLO 格式时，某个框的坐标算出了 0 或者负数，比如 xmax 小于 xmin，归一化后 w 为 0，模型回传梯度时除零导致数值爆炸。剩下 10% 是图片损坏，某张图读出来是全黑的或者文件不完整。

解决：先跑第 2 章的体检脚本检查坐标，再跑第 3 章的转换脚本把越界坐标 clamp 掉。如果你已经把有问题的标签删了，确认 labels 目录下没有空 txt 文件对应的图片还在训练列表里。检查顺序是数据先行，网络结构一般不用动。

5.2 把自行车也当三轮车：类别错位看confusion matrix

现象：训练完的模型在测试图上把自行车、电动车全都框成 tricycle，置信度还很高。

原因：最常见的是数据集划分时的污染——标注 XML 里把bicycle和tricycle混在一起，或者转换脚本的name2id映射表漏了某个类别名，模型没见过真正的 tricycle 负样本。另一个隐蔽原因是 data.yaml 的 names 顺序和转换脚本不一致，类别 ID 错位。

解决：训练结束后去看runs/train/exp下的 confusion matrix 图。如果你的类别和背景混在一起，说明标签有误；如果 categories 之间互混，说明类间特征太像。确认 names 顺序，重点看第 3 章转换脚本里的names = ["tricycle"]和 yaml 里的names是否完全一致。类别错位这个问题，代码不会报错，只能靠混淆矩阵暴露。

5.3 现场漏检侧后方车辆：训练集角度太单一

现象：训练集和验证集 mAP 都到 0.9，但拿到现场素材一测，三轮车侧后方角度大量漏检，置信度普遍低于 0.3。

原因：标注数据大多来自同一个方向的拍摄，比如都是正面或正侧面。模型学到的其实是“这个角度的三轮车长这样”，换一个角度特征分布偏移，直接失效。这是机器视觉识别项目里最常见的“数据集分布偏差”。

解决：调参数没用，唯一的解法是补数据。去现场拍一段三轮车绕行的视频，抽帧后按第 2 章的流程补进训练集。如果暂时拍不了，用 yolov5 自带的增强加大旋转和透视强度，但这是临时补救，真实场景数据永远比增强生成的数据可靠。我一般会先在 hyp 文件里把degrees从 0 调到 30，perspective从 0 调到 0.0005，运行一轮看是否缓解。

5.4 树荫下和夜间的黑色三轮车漏检：对比度不足

现象：白天光线好的时候检测一切正常，一到树荫、傍晚、夜间，黑色的三轮车直接消失，框不出来。

原因：标注数据里大多是白天光照充足的图片，模型没学过低对比度场景下三轮车的特征。黑色车身和深色背景融合后，卷积特征响应变弱，置信度跌破阈值。

解决：数据集里补入低光照样本，这是最直接的办法。如果样本短期内补不到，训练时在 hyp 里开hsv_h、hsv_s增强，把饱和度扰动调大一点，同时把推理端的置信度阈值从 0.25 降到 0.15，配合后面要讲的停留计时逻辑来滤掉误检。这个组合拳能撑到收集到足够夜间数据为止，但不要指望它彻底解决。

5.5 违停判定反复横跳：检测框做平滑，停留做计时

现象：三轮车停在禁停区边缘，检测框轻微抖动，判定结果一会违停一会正常，截图工单都没法出。

原因：直接用单帧检测框的中心点判断是否在禁停区内，而检测框本身有随机抖动，中心点在地理上可能来回跨越 ROI 边界。另一个问题是把“短暂停留”和“缓慢行驶”混为一谈——电动车在禁停区前减速等红灯，也被误判成违停。

解决：两个手段配合。第一，对检测框中心点做指数移动平均（EMA）平滑，消掉单帧抖动；第二，加停留计时逻辑，连续 N 帧（对应实际时间 5~10 秒）检测到目标中心点在禁停区内才触发违停。这套逻辑的具体实现在第 6 章给出，这里想强调的是：判定“违规”必须有时间维度，单帧判定是血泪经验换来的教训。

6. 树莓派5上部署自训练的yolov5模型：onnx导出、违规停车判定与回放验证

6.1 导出onnx：输入尺寸、动态轴与半精度的取舍

训练完的best.pt不能直接给树莓派用，PyTorch 在 ARM CPU 上推理太慢。常见做法是先用 official 仓库自带的 export 脚本转成 onnx，再在边缘设备上用 onnxruntime 或 ncnn 推理。

# 输入尺寸降到 416, 和训练尺寸尽量接近, 不要直接上 640 python export.py \ --weights runs/train/exp/weights/best.pt \ --img 416 \ --include onnx \ --simplify

逻辑说明：--img 416是部署时的常用折中，原图 640 输入树莓派5 CPU 跑不动，降到 416 能保证准确率不损失太多。--simplify用 onnx-simplifier 去掉冗余算子，模型体积和推理时间都有改善。这里不推荐用--half转 FP16，树莓派 CPU 对 FP16 支持不好，反而比 FP32 慢。

参数说明：导出时如果提示动态轴问题，检查 onnx 输出是不是把 batch 维度固定成了 1。固定 batch 1 对部署是好事，省掉动态 shape 的额外开销。导出的 onnx 文件可以用 onnxruntime 在电脑上先跑一遍，确认输出张量和 PyTorch 原模型一致，再拷到树莓派上。

6.2 推理与违规停车判定：letterbox还原、ROI射线法与停留计时

树莓派5 上部署自己训练的 yolov5 模型，推理脚本的核心就三件事：letterbox 预处理、ONNX 推理加 NMS 后处理、违停判定逻辑。yolov5 后处理看着简单，部署到边缘设备后才知道 NMS 和坐标还原才是影响帧率的关键。

import cv2 import numpy as np import onnxruntime as ort session = ort.InferenceSession("tricycle.onnx", providers=["CPUExecutionProvider"]) def letterbox(img, new_size=416): """等比缩放 + 灰色填充, 记录缩放比和填充偏移用于反算坐标""" h, w = img.shape[:2] scale = min(new_size / h, new_size / w) nh, nw = int(round(h * scale)), int(round(w * scale)) resized = cv2.resize(img, (nw, nh)) canvas = np.full((new_size, new_size, 3), 114, dtype=np.uint8) top = (new_size - nh) // 2 left = (new_size - nw) // 2 canvas[top:top + nh, left:left + nw] = resized return canvas, scale, top, left def point_in_polygon(x, y, roi): """射线法判断坐标点是否在多边形禁停区内""" inside = False n = len(roi) for i in range(n): x1, y1 = roi[i] x2, y2 = roi[(i + 1) % n] if (y1 > y) != (y2 > y) and x < (x2 - x1) * (y - y1) / (y2 - y1) + x1: inside = not inside return inside # 禁停区多边形, 像素坐标, 需要根据实际监控画面标定 roi = [(100, 200), (500, 200), (500, 600), (100, 600)] track = {} # 目标ID -> 连续帧计数 cap = cv2.VideoCapture("test.mp4") fps = cap.get(cv2.CAP_PROP_FPS) while True: ret, frame = cap.read() if not ret: break # 预处理: letterbox 后归一化, 转 NCHW input_img, scale, top, left = letterbox(frame, 416) blob = input_img[:, :, ::-1].transpose(2, 0, 1)[None].astype(np.float32) / 255.0 # ONNX 推理, 输出形状为 (1, 25200, 5+类别数) outputs = session.run(None, {session.get_inputs()[0].name: blob})[0][0] boxes, scores = [], [] for det in outputs: score = det[4] if score < 0.25: # 置信度阈值, 树荫场景可降到 0.15 continue # 按 letterbox 的逆变换还原到原图坐标 cx, cy, w, h = det[:4] x1 = int((cx - w / 2 - left) / scale) y1 = int((cy - h / 2 - top) / scale) x2 = int((cx + w / 2 - left) / scale) y2 = int((cy + h / 2 - top) / scale) boxes.append([x1, y1, x2, y2, score]) # 省略 NMS 实现, 用最简单的按置信度排序后抑制重叠框即可 for box in boxes: x1, y1, x2, y2, score = box center_x, center_y = (x1 + x2) / 2, (y1 + y2) / 2 if point_in_polygon(center_x, center_y, roi): track_id = f"{(center_x // 20) * 20}-{(center_y // 20) * 20}" track[track_id] = track.get(track_id, 0) + 1 # 连续 fps*10 帧(约10秒)都在禁停区, 判定为违规停放 if track[track_id] > fps * 10: cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.putText(frame, "ILLEGAL PARKING", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) else: cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imshow("test", frame) if cv2.waitKey(1) & 0xFF == ord("q"): break

逻辑说明：这段代码把整个链路串起来了。letterbox 保持宽高比，避免拉伸变形导致检测精度下降；推理结果反算回原图坐标，才能在原图上画框和做 ROI 判断。point_in_polygon用射线法判断中心点是否落在禁停区内，这个方法在凸多边形和凹多边形上都能用，比简单的矩形判断通用。停留计时用track字典按中心点网格做简易 ID 匹配，没有做真正的多目标跟踪，但对“一个路口盯一辆三轮车”的场景够用。

参数说明：fps * 10表示连续 10 秒都在禁停区内才触发，这个值按业务调整。网格 20 像素的宽容度是给中心点抖动留的余量，配合 EMA 平滑，基本不会误判。置信度阈值 0.25 是通用值，如果你的模型在特定场景置信度普遍偏低，降到 0.15 配合计时逻辑，效果反而更好。

6.3 上生产前的验证技巧：拿现场录像回放跑一遍

模型在测试集上 mAP 再高，也不代表现场能用。我的习惯是训练完先不着急接摄像头，找一段现场真实录像回放跑一遍。录像比照片多一个时间维度，能验证停留计时逻辑，也能暴露照片测试发现不了的问题——比如树荫下的推车、临时停靠的货车、画面里飘过的塑料袋被误检成目标。

回放验证时重点记录两类现象：误报（把不是三轮车的东西框成三轮车）和漏报（现场有三轮车但没框出来）。误报多就看置信度阈值和 ROI 范围，漏报多就回到训练数据补样本。调完一轮再跑一遍，直到连续十分钟录像没有明显误报才算过。

我现在接到类似的违规停放检测项目，第一件事一定是去现场拍一段录像，而不是先把模型跑起来。这个习惯帮我省了太多返工的时间——数据集分布、光线条件、摄像头角度，这些在办公室里想是想不出来的，只有录像回放能暴露问题。训练模型只是第一步，把模型放进真实场景里还站得住，这个项目才算了结了一半。希望帮到你。

本文还有配套的精品资源，点击获取