【Android】拍照后只需0.5秒实现目标检测计数,将YOLOv5模型移植到平台的一种应用

一、项目背景：

    在某些特定场景下，如果需要快速对某一类或某一种物体进行计数，数量在20以内的话还行，但是如果数量超过了20，而且无规则摆放，肉眼计数的效率极低，于是我就有了以下的摸索。

    本项目以识别回形针进行计数为例。

内容不是非常详细，有些东西需要你自己摸索，全写清楚了你就享受不到解决问题的过程了。

免责声明：以下内容仅代表个人的一种方案，不是最专业的方案，本人也不是专业研究这个方向的专家，不对过程与结果负责。

二、基于项目代码：

1. YOLOv5-v6.0项目地址：https://github.com/ultralytics/yolov5/releases/tag/v6.0
2. Ncnn-Android-yolov5项目地址：https://github.com/nihui/ncnn-android-yolov5
3. 软件体验版本v1.0下载地址(只有安卓版)：https://www.123pan.com/s/rhqLVv-FPRSv.html

三、配置项目环境：

1. 下载YOLOv5-v6.0项目代码解压，建议使用6.0版本，避免参数不对应
2. 有NVIDIA显卡的话安装显卡驱动、CUDA、cuDNN
3. Windows端安装Anaconda或者Miniconda，创建conda环境：在cmd输入 conda create -n yolo python=3.9
4. 进入yolo环境，并进入YOLOv5-6.0项目代码目录，执行命令安装项目依赖
   

四、标注训练数据：

1. 安装Labelimg：pip install Labelimg，执行运行命令：Labelimg

1. 尽量多标注数据，并准备一些特征相似的物品图片用来作为背景

五、训练模型：

1. 默认基于yolov5s.pt训练，原来第一个标签是“person”，所以在训练集里加一些含“person”的图片作为背景图
2. 修改yaml文件，关于数据集的分布
   
3. 修改训练程序train.py的部分参数：默认在300个epoch之后没提升会停止训练，建议把“--patience”改到1000以上（仅供参考，所有参数请根据实际情况酌情修改）
   
4. 在conda环境中运行train.py开始训练，训练完得到的best.pt就是本次训练得到的最佳模型
   

六、模型转换：

1. 将模型从 .pt转换为 .bin与 .param，参考：https://blog.csdn.net/LHYlhy0825/article/details/123060624

七、将模型移植到安卓源码并打包App：

1. 下载Ncnn-Android-yolov5项目源码：https://github.com/nihui/ncnn-android-yolov5，根据项目说明下载相关代码依赖
2. 将项目导入AndroidStudio，替换模型
   
3. 要避免修改其他代码的话，替换的文件尽量改成原有模型文件的名称
4. 打包App
   
   
   
   创建签名教程：https://blog.csdn.net/Master_Cui/article/details/115736145
   
   

八、番外：

1. 我对App的功能界面做了少量修改，更方(jia)便(guan)实(gao)际使用（左边原项目，右边我改的）,修改简单，暂不开源，自己动手
   
2. 有需要协助训练模型、打包定制App的请加我微信：56346596