一、实验目的

本节视频的目的是了解YOLOv5模型的用途及流程，并掌握基于YOLOV5算法实现物体识别的方法。

二、实验原理

YOLO（You Only Look Once！）

YOLOv5 是一种非常流行的实时目标检测模型，它提供了出色的性能和精度。YOLOv5可以分为三个部分，分别是：
1、主干特征提取网络(Backbone)
2、加强特征提取网络(FPN)
3、分类器与回归器(Yolo Head)。
整个 YOLOv5 网络所作的工作就是：
特征提取-特征加强-预测特征点对应的物体情况。

YOLOv5目标检测流程

YOLOv5 开发流程如下：
（1）安装 YOLOv5 和相关依赖
确保安装了所有必要的依赖。这通常包括 torch、torchvision 和 opencv-python。
（2）下载预训练模型
YOLOv5 提供了多个预训练模型，可以从官方仓库或相关资源中下载。
（3）编写 Python 脚本进行目标检测
编写一个 Python 脚本来加载模型并对图像或视频进行目标检测。

三、操作现象

实验设备

本实验中使用的软件为VMware17+Ubuntu18.04.4 和串口调试工具Xshell。

本实验中使用的是TL3568-PlusTEB实验箱，所需的配件为Micro SD卡、Type-C线、电源和网线。

硬件连接

（1）将Ubuntu系统启动卡插至Micro SD卡槽。
（2）使用Type-C线连接USB TO UART2调试串口到PC机。
（3）将实验箱ETH0 RGMII网口（COM21）通过网线连接至路由器。
（4）连接实验箱电源，先不要上电。

软件操作

（1）先在设备管理器查看串口的端口号；
（2）再设置串口调试工具，波特率设置为1500000，点击连接，在Xshell调试终端会显示连接成功。
（3）连接成功后，拨动实验箱的电源开关，将实验箱上电。
（4）系统启动成功后，输入账户密码登录即可（账密均为：tronlong）
（5）登录成功后，查询实验箱的网口地址。

拷贝文件

我们先打开Ubuntu，将Demo文件夹拷贝到RK3568目录下。
"Ctrl+Alt+T"打开控制台，执行命令将文件拷贝至实验箱文件系统（根据实验箱实际IP地址修改命令）。

运行程序

在串口调试窗口执行命令，启动开发环境
在网页输入地址，即可打开登录界面 （根据实际IP地址修改网页地址）。
输入密码：tronlong，登录。
在程序目录，双击打开程序，点击重新运行程序。
等待右上角的进度饼图变白，程序运行完成。
在程序最下方，会显示运行结果。程序对2张图片进行识别，会在蓝框上方标注识别的结果和识别率。