描述
<div>
<h3 style="line-height:1.8;">* 1、项目功能介绍</h3>
<hr>
<p style="line-height:1.8;">基于树莓派的yolo8数字识别系统 ,可以识别屏幕,地板等地方所显示的数字,帧率高可以完成多种数字识别并快速相应,并在stm32主控的OLED显示数字</p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">*2、项目属性</h3>
<hr>
<p style="line-height:1.8;"><strong>首次公开</strong>：是</p>
<p style="line-height:1.8;"><strong>原创性</strong>：是（结合了开源技术但整体架构为原创设计）</p>
<p style="line-height:1.8;"><strong>获奖历史</strong>：无</p>
<p style="line-height:1.8;"><strong>答辩经历</strong>：无</p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">* 3、开源协议</h3>
<hr>
<p style="line-height:1.8;"> <em><strong>GPL-3.0</strong></em></p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">*4、硬件部分</h3>
<hr>
<p style="line-height:1.8;">核心计算平台：Raspberry Pi 5（或 Pi 4B 8GB 作为可选），负责视频采集、模型推理与上层逻辑，建议配合主动散热/风扇与外壳散热片以保证长时间高帧率稳定运行。<br>摄像头：高帧率 USB 摄像头或 CSI 摄像头<br>存储与电源：高速 eMMC/SD（建议 32GB+ UHS-I），稳压 5V/4A 电源或更高，确保摄像头与加速器稳定供电。<br>显示/交互：小型 HDMI 显示器或触摸屏（用于实时可视化）；备用：通过网页 UI/Flask 显示识别结果。<br>机电/安装：支架/外壳、线缆、USB 霍尔/延长线、支架与固定件以保证摄像头视角稳定；</p>
<p style="line-height:1.8;"> </p>
<p style="line-height:1.8;">此stm32原理图仅仅为了显示数字,也就是说仅仅用了OLED,注意.</p>
<p style="line-height:1.8;"><img src="//image.lceda.cn/pullimage/CEPcxbVhGjgV9vDyDNrqbWUP8hgdM5ufZtnRZFrW.png" width="762" height="530" alt="CEPcxbVhGjgV9vDyDNrqbWUP8hgdM5ufZtnRZFrW.png"></p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">*5、软件部分</h3>
<hr>
<p style="line-height:1.8;"> </p>
<p style="line-height:1.8;"><img src="//image.lceda.cn/pullimage/57wcMs82dyCVDkbmBtvuWBv5HGazJF7FAw1dGs9r.jpeg" alt="" width="321" height="428"></p>
<p style="line-height:1.8;">平台与依赖<br>操作系统：Raspberry Pi OS (64-bit) 。<br>运行环境：Python 3.9+，主要依赖：ultralytics (YOLOv8)、PyTorch / ONNX Runtime / TensorRT、OpenCV、numpy、pyserial、flask。<br>建议安装方式：使用虚拟环境（venv）或 Conda.<br>数据集：收集标注好的数字样本（屏幕、地板、不同光照、不同大小、不同角度），按 YOLO 格式（类/坐标）组织；数据增强.<br>模型：以 YOLOv8-small/tiny 为基线（目标是高帧率），根据精度/速度权衡选择；对模型做剪枝/蒸馏或使用量化训练（QAT）提高速度。<br>推理部署与优化<br>使用轻量模型（YOLOv8n/YOLOv8s）或自定义更小网络；<br>转为 ONNX 并使用 ONNX Runtime 或 TensorRT 加速；<br>若使用 Edge TPU，先做模型量化（int8），并编译为 Edge TPU 格式；<br>使用批量/异步推理、帧跳采样（只对关键帧做完整检测，其他帧做跟踪）与多线程（采集线程 + 推理线程 + 显示线程）结构；<br>使用简单跟踪算法（SORT / ByteTrack / DeepSORT-lite）将检测帧稀疏化，显著提升实效帧率同时保持目标连贯性。<br>预处理：统一色彩空间、固定曝光/白平衡后的归一化、letterbox 保持纵横比；可对屏幕与地板使用不同 ROI 以减少无关区域计算量。</p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">*6、BOM清单</h3>
<hr>
<p style="line-height:1.8;"><img src="//image.lceda.cn/pullimage/lepyUBEAoJA6nnttivtlcxsf3icXYdPjA6zWvPpx.png" width="800" height="342" alt="lepyUBEAoJA6nnttivtlcxsf3icXYdPjA6zWvPpx.png"></p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">*7、大赛LOGO验证</h3>
<hr>
<p style="line-height:1.8;"> </p>
<p style="line-height:1.8;"><span style="color:#95a5a6;font-size:14px;"><img src="//image.lceda.cn/pullimage/jMKIhUVec5I4D50xnEcGNFveCsZrAb8VSQfe1oHQ.jpeg" width="482" height="452" alt="jMKIhUVec5I4D50xnEcGNFveCsZrAb8VSQfe1oHQ.jpeg"></span></p>
<p style="line-height:1.8;"> </p>
<p style="line-height:1.8;"> </p>
<h3 style="line-height:1.8;">* 8、演示您的项目并录制成视频上传</h3>
<hr>
<p style="line-height:1.8;"> </p>
<p style="line-height:1.8;"> </p>
</div>
评论(0)