<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lxh042的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lxh042</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lxh042]]></copyright><item><title><![CDATA[Orange Pi AI Pro 部署教程]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/160850323</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/160850323</guid><author>lxh042</author><pubDate>Thu, 07 May 2026 10:34:53 +0800</pubDate><description><![CDATA[本教程详细介绍了在Orange Pi AI Pro开发板上的部署流程。主要内容包括：1) 部署目录结构说明，包含模型文件、C++推理引擎和Web仪表盘；2) 硬件和软件环境要求；3) 详细的安装步骤，包括依赖安装和环境配置；4) 三种运行模式：CPU测试、完整ONNX链路测试和NPU加速测试；5) 多种输入源配置方式；6) Web仪表盘的启动和使用方法。该教程特别强调了环境检查和ONNX Runtime版本的注意事项，提供了从基础测试到完整部署的完整指导方案，适合在边缘设备上实现AI模型的部署和可视化展示。]]></description><category></category></item><item><title><![CDATA[#Orange Pi AI Pro 部署教程]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/160441548</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/160441548</guid><author>lxh042</author><pubDate>Thu, 23 Apr 2026 13:57:50 +0800</pubDate><description><![CDATA[本教程只针对deploy/目录，也就是项目的最终部署成果。CANN EP。]]></description><category></category></item><item><title><![CDATA[基于yolo+双层gru实现的暴力行为检测]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/160131215</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/160131215</guid><author>lxh042</author><pubDate>Tue, 14 Apr 2026 09:05:20 +0800</pubDate><description><![CDATA[本文档提供了本地电脑研发与运行教程，适用于除部署外的所有项目内容。教程详细说明了在Windows系统下搭建开发环境（Python 3.8+、Anaconda、OpenCV等）、项目目录结构认知以及完整的研发流程。核心内容包括：通过YOLO Pose提取关键点特征训练GRU分类器、MindIR模型离线评估、无界面实时推理（支持视频/摄像头输入）、Streamlit原型界面开发等标准运行步骤。此外还提供了进阶验证方法，包括特征CSV导出对比和C++工程编译指南，帮助开发者理解部署结构并验证推理一致性。文档配套详]]></description><category></category></item><item><title><![CDATA[暴力行为检测系统项目介绍]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/160130798</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/160130798</guid><author>lxh042</author><pubDate>Tue, 14 Apr 2026 08:59:07 +0800</pubDate><description><![CDATA[本文档描述了一个基于人体关键点序列的暴力行为检测系统项目。项目采用YOLO11n-pose提取17个关键点，通过轻量时序分类模型实现暴力行为判别。系统分为本地研发和Orange Pi AI Pro板端部署两部分，包含完整的训练、评估和推理链路。技术核心包括固定153维单帧特征和41帧时序窗口，支持最多3人同时检测。项目文档提供了本地开发和板端部署的详细指南，并明确了当前技术边界，如MindIR评估限制和C++前处理对齐问题。系统最终以ONNX Runtime+C++方案实现部署，包含完整的推理工程和Web面]]></description><category></category></item><item><title><![CDATA[笔记：Orange Pi AI Pro 的端侧暴力行为检测系统(一)——概览]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/160057469</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/160057469</guid><author>lxh042</author><pubDate>Sat, 11 Apr 2026 18:03:13 +0800</pubDate><description><![CDATA[本文探讨了端侧打斗检测系统的设计与实现，重点分析了算法选型和工程架构。针对监控场景的实时性、隐私和带宽需求，系统采用YOLO11n-pose提取人体关键点特征，配合轻量级GRU时序分类器，在保证93.75%准确率的同时满足边缘设备部署要求。工程实现上采用C++优化视频处理链路，通过ONNX Runtime对接NPU加速，并设计了滑动平均和状态机机制来消除预测抖动。该系统在算法精度与部署效率之间取得了平衡，为端侧行为识别提供了实用解决方案。]]></description><category></category></item><item><title><![CDATA[9华为 SDC 告警消息订阅与本地接收调试指南]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156387832</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156387832</guid><author>lxh042</author><pubDate>Sun, 04 Jan 2026 10:31:41 +0800</pubDate><description><![CDATA[本文介绍了如何通过Postman调用SDC摄像机的RESTful API接口订阅智能元数据，并搭建本地服务器验证数据回传功能。主要内容包括：1) 使用Postman工具构造告警订阅请求，配置Digest Auth鉴权和JSON请求体；2) 启动本地http_port8119.exe接收服务监听8119端口；3) 发送订阅指令并验证数据回传。文章还提供了常见问题排查方法，如检查SSH进程状态、网络连通性及Postman参数配置等。整个过程实现了摄像机智能元数据的订阅与本地接收验证。]]></description><category></category></item><item><title><![CDATA[8模型上机验证]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156387732</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156387732</guid><author>lxh042</author><pubDate>Tue, 30 Dec 2025 14:35:45 +0800</pubDate><description><![CDATA[摘要： 本文详细介绍了将AI模型部署到摄像机的完整流程，包括三个主要步骤：1) 准备推理代码包（打包模型文件并压缩）；2) 通过FTP上传代码包到摄像机指定目录，并进行解压和权限配置；3) 执行推理命令并查看实时检测结果。关键操作包含使用MobaXterm进行SSH连接、FTP文件传输、权限修改（chmod）以及启动监控程序。最终可通过浏览器界面实时查看车辆类型检测结果，实现摄像机端的AI推理功能。]]></description><category></category></item><item><title><![CDATA[7推理代码编译]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156387663</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156387663</guid><author>lxh042</author><pubDate>Tue, 30 Dec 2025 14:34:57 +0800</pubDate><description><![CDATA[摘要： 本文介绍了将wk模型部署到摄像机前的推理代码配置与编译流程。首先需修改hw_app_config.h、main_queue.cpp和yolov3app.cpp中的关键参数，包括模型名称和web界面显示字段。随后在Docker终端执行编译指令./build.sh 3559 release，成功编译后生成build-hisi3559-linux目录，提取其中的queue文件用于后续部署。整个流程重点关注参数配置和编译验证环节，为模型部署提供基础支持。]]></description><category></category></item><item><title><![CDATA[6模型转换]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156387455</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156387455</guid><author>lxh042</author><pubDate>Mon, 29 Dec 2025 13:15:22 +0800</pubDate><description><![CDATA[本文介绍了将PyTorch训练的pth模型转换为Caffe模型并进行验证的完整流程。首先通过pytorch2caffe工具转换模型，替换YOLO检测层确保转换顺利；然后使用Caffe框架进行推理验证，包括模型加载、图片预处理和预测过程。关键步骤包括：1)定义网络结构和参数；2)实现坐标转换函数；3)执行前向推理。整个过程涵盖了从模型转换到实际应用验证的完整链路，为模型部署提供了实用参考。]]></description><category></category></item><item><title><![CDATA[5工厂安全检测：YOLOv5 模型训练与推理实战指南]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156017202</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156017202</guid><author>lxh042</author><pubDate>Mon, 29 Dec 2025 12:55:54 +0800</pubDate><description><![CDATA[本文介绍了工厂安全帽佩戴检测系统的数据集收集与处理流程。首先通过华为SDC摄像机后台获取监控视频，使用录屏软件录制视频素材。随后安装Miniconda环境，通过Jupyter Notebook将视频逐帧转换为图片数据集。使用Labelme工具对图片进行标注，区分&quot;hat&quot;（佩戴安全帽）和&quot;no-hat&quot;（未佩戴安全帽）两类。最后将标注好的数据集压缩保存，为后续模型训练做准备。整个流程涵盖了从原始视频采集到标注数据集生成的关键步骤，为构建安全帽佩戴检测系统提供了数据基础]]></description><category></category></item><item><title><![CDATA[4Docker 实验环境配置指南]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156016606</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156016606</guid><author>lxh042</author><pubDate>Wed, 17 Dec 2025 14:45:12 +0800</pubDate><description><![CDATA[摘要： 本指南介绍在Docker Desktop中部署沙盘视觉(Shapan Vision)实验环境并启用GPU加速的步骤。首先需确保已安装Docker Desktop和NVIDIA显卡驱动。操作包括：通过WSL2进入目录、从华为云拉取镜像、验证下载、启动容器时添加--gpus all参数开启GPU支持并映射端口。随后需检查容器状态，记录ID并通过docker exec进入容器。常见问题涉及驱动识别错误（需更新驱动或Docker版本）和--gpus参数报错（检查WSL2配置）。全文提供完整命令行示例和解决方]]></description><category></category></item><item><title><![CDATA[2WSL2 与 Ubuntu 22.04 环境部署指南]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/156007763</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/156007763</guid><author>lxh042</author><pubDate>Wed, 17 Dec 2025 11:34:23 +0800</pubDate><description><![CDATA[本文详细介绍了在Windows系统上安装WSL2及Ubuntu 22.04的完整流程。首先需检查并更新WSL状态，提供自动安装（推荐）和手动安装两种方案。安装完成后，可通过命令行或微软商店获取Ubuntu 22.04，并完成初始配置。针对C盘空间问题，文章还提供了将WSL系统迁移至其他磁盘的详细步骤，包括导出镜像、注销原系统、导入新位置和恢复用户设置等操作。整个安装过程涵盖从环境检查到存储优化的全流程指导。]]></description><category></category></item><item><title><![CDATA[3Docker Desktop 配置指南]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/155990713</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/155990713</guid><author>lxh042</author><pubDate>Tue, 16 Dec 2025 22:06:03 +0800</pubDate><description><![CDATA[本文详细介绍了在Windows系统上安装WSL2和Ubuntu 22.04的完整流程。首先检查WSL状态并更新组件，然后提供自动安装（推荐）和手动安装两种方案。安装完成后，可通过命令行或微软商店安装Ubuntu 22.04，并设置用户名密码。针对C盘空间不足问题，还提供了将WSL系统迁移至其他磁盘的详细步骤，包括导出系统镜像、注销原系统、导入新位置及恢复默认用户等操作。整个过程涵盖从安装到迁移的完整解决方案。]]></description><category></category></item><item><title><![CDATA[1华为SDC摄像机操作手册]]></title><link>https://blog.youkuaiyun.com/lxh042/article/details/155987520</link><guid>https://blog.youkuaiyun.com/lxh042/article/details/155987520</guid><author>lxh042</author><pubDate>Tue, 16 Dec 2025 19:40:18 +0800</pubDate><description><![CDATA[本文详细介绍了华为SDC摄像机的配置与使用流程：1）通过交换机连接设备并设置PC端静态IP（192.168.0.x）；2）在Edge浏览器启用IE兼容模式登录Web管理端（默认账号admin/Huawei@123），安装视频播放控件；3）开启SSH服务后使用MobaXterm连接（IP 192.168.0.121，密码Huawei123）；4）通过SSH启动算法推理进程后，在Web端开启TLV实时收图功能查看车型检测结果。全文包含完整操作步骤与关键配置截图，指导用户完成从硬件连接到算法验证的全流程。]]></description><category></category></item></channel></rss>