Jetson AGX Orin 下 YOLOX C++部署

工业缺陷检测实战指南:分割、检测与异常检测选型 工业缺陷检测是智能制造质量控制的核心技术,其本质是将图像中的物理异常转化为可执行的工艺决策。原理上依赖深度学习对像素级纹理、几何结构和分布偏移的建模能力;技术价值在于替代人工目检、支撑自动返修与闭环追溯;典型应用场景覆盖汽车焊点、PCB短路、光伏隐裂及金属表面划痕等高精度定位需求。其中图像分割实现亚像素级缺陷定位,目标检测满足快速框选响应,而异常检测则应对未知缺陷泛化挑战。本文聚焦产线真实约束下的方法选型逻辑、数据构建规范与轻量化部署实践,尤其解析UNet在工业分割中的优势及YOLO系列在产线落地的常见失效 阅读详情

1、系统环境:

Jetpack5.1.2、CUDA11.4、Cudnn8.6.0、Tensorrt8.5.2、OpenCV4.5;

2、YOLOX 训练环境配置

conda create -n yolox python==3.8 -y # for Linux
conda activate yolox

按照要求下载指定包,关于Torch等包安装类是博客较程很多。

3、下载权重文件和导出enginen模型

python tools/trt.py -n yolox-s -c path/yolox_s.pth

导出的模型默认放在YOLOX/demo/TensorRT/cpp文件夹中

然后进行部署,需要留意的就是更改yolox.cpp文件,和CmakeLIsts文件

其中yolox.cpp文件 主要修改图像的输入大小,tiny、nano改为416*416, S、M 为640*640;

CmakeLIsts文件 更改cuda 和cudnn的路径,tensorrt路径注释掉。

# cuda
include_directories(/usr/local/cuda-11.4/include)
link_directories(/usr/local/cuda-11.4/lib64)
# cudnn
include_directories(/usr/local/cuda/include)
link_directories(/usr/lib/aarch64-linux-gnu)

4、编译然后运行

在build文件夹下,运行

./yolox ../model_trt.engine -i ../../../../assets/dog.jpg

/home/nvidia/code/deeplearning/YOLOX/demo/TensorRT/cpp/build/det_res.jpg

我用的为tiny模型,把狗识别为猫了,不知道为什么,不过整体还行。

Jetson AGX Orin安装Anaconda、Cuda、Cudnn 拿到一台Jetson AGX Orin,准备搭建AI环境,搭建过程中参考不少文章,也踩了不少坑,特此记录一下。 阅读详情

相关推荐

(Ubuntu20.04)Jetson AGX Orin进行部署YOLO5训练测试完整版教程Windows下Labelimg标注自己的数据集使用

整个实现过程所涉及的文件目录,其中,自备表示自己需要准备的,生成表示无需自己准备。很多朋友都会遇到的一个问题,yolo5-6.1已经不能使用之前的方法了了,是下载源码后的coco示例。

梁俊星的博客 2696

Jetson Orin平台搭建部署yolov5(一)

3.首先安装了Jetpack的os中都会在/etc/apt/sourch.list.d/中带有nvidia-l4t-apt-source.list文件,里面包含了需要安装基础环境的源路径,不用在单独去下载cuda,cudnn,tensorRT安装包,而且单独下载经过测试存在兼容性问题。cp yolov5/models/yolov5s.yaml yolov5/models/custom.yaml //拷贝标准网络结构,来设置自定义的网络结构。

weixin_44095109的博客 2936

Nvidia Jetson AGX Orin 64G深度学习环境配置的超详细教程

Nvidia Jetson AGX Orin 64G深度学习环境配置的超详细教程

qq_45679491的博客 1万+

YOLOX目标检测实战:Jetson Nano部署

YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 Jetson Nano是英伟达含有GPU的人工智能硬件。本课程讲述如何部署YOLOX在Jetson Nano开发板上。 部署完成后可进行视频文件和摄像头视频的目标检测。部署时将使用AI视频处理加速引擎TensorRT和DeepStream。课程内容包括:原理篇(DeepStream介绍、TensorRT介绍)实践篇(Nano硬件搭建、烧录系统镜像、安装远程登录工具、安装和测试DeepStream、导出YOLOX的onnx文件、安装onnx2trt、生成TensorRT的engine文件、使用DeepStream部署YOLOX(small, tiny, nano)、Nano部署测试、针对自训练数据集的修改。 相关课程:《YOLOX目标检测实战:训练自己的数据集》https://edu.youkuaiyun.com/course/detail/35586《YOLOX目标检测实战:TensorRT加速部署》https://edu.youkuaiyun.com/course/detail/35716《YOLOX目标检测实战:OpenVINO部署》https://edu.youkuaiyun.com/course/detail/35791《YOLOX目标检测实战:Flask部署》https://edu.youkuaiyun.com/course/detail/35815《YOLOX目标检测实战:Android手机部署》https://edu.youkuaiyun.com/course/detail/35884

端侧AI芯片怎么选?从ESP32-S3到RK3588再到Orin Nano的实战解析

终端侧AI正从概念走向规模化落地,而选型的关键不在于盲目追求高算力,而在于匹配真实场景的算力层级与功耗预算。从超轻量MCU到嵌入式SoC,再到边缘计算模组,不同档位的硬件平台对应着截然不同的部署逻辑:低功耗唤醒、多路视频分析、复杂模型推理各有其最优解。本文以实际量产经验为依托,横向对比ESP32-S3、RK3588与NVIDIA Jetson Orin Nano三款代表性方案,剖析工具链成熟度、生态完整性与工程落地中的典型陷阱。无论你是做智能家居、边缘网关还是机器人感知,理解从百毫瓦级分类任务到40TOPS

weixin_34367257的博客 446

EXACT-MPPI:基于精确ESDF的确定性实时导航控制

带符号距离函数(SDF)是机器人环境建模的基础几何工具,其精度与可微性直接决定运动规划的安全边界;而模型预测控制(MPC)类方法依赖精确、低延迟的状态反馈以保障闭环稳定性。EXACT-MPPI将二者深度耦合,摒弃神经网络拟合SDF的统计近似路径,转而通过解析式点云处理构建亚厘米级精确带符号距离函数(ESDF),使MPPI控制器得以在无标注、无GPU、甚至树莓派级硬件上,实现对物理边界的确定性感知与梯度驱动的实时避障。该方案直击‘感知-规划-控制’链路中因多级表征失真导致的鲁棒性衰减问题,适用于ROS2导航栈

weixin_30615767的博客 412

YOLOX目标检测实战:OpenVINO部署

YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 OpenVINO是针对Intel的CPU等设备的加速工具。本课程在Windows和Ubuntu系统上详细演示使用OpenVINO对YOLOX进行加速和部署。其中对Python和C++的OpenVINO部署都进行了讲解。特别是讲述了针对自己数据集上训练出的YOLOX的OpenVINO加速部署方法。相关课程:《YOLOX目标检测实战:训练自己的数据集》https://edu.youkuaiyun.com/course/detail/35586 《YOLOX目标检测实战:TensorRT加速部署》https://edu.youkuaiyun.com/course/detail/35716

YOLO与Transformer在光伏缺陷检测中的实测对比:RF-DETR-Small为何胜出?

目标检测是计算机视觉的核心任务之一,旨在从图像中定位并识别出感兴趣的对象。其技术原理从早期的传统方法演进到基于深度学习的现代框架,其中以YOLO系列为代表的单阶段检测器因其速度快、部署便捷,在工业界得到广泛应用。近年来,基于Transformer架构的检测模型(如DETR)凭借其端到端的训练方式和强大的全局建模能力,为检测任务带来了新的思路。在工业质检等对精度和鲁棒性要求极高的场景中,模型的选择直接关系到生产效率和产品质量。本次实测聚焦于光伏板电致发光(EL)图像中的缺陷检测,这是一个典型的具有小目标、低对

weixin_34166472的博客 368

Jetson AGX Orin刷机教程,奶奶看完都说会了!

Jetson AGX Orin 32GB开发者套件刷机过程记录。 详细的、图文并茂的、速通的刷机过程!

weixin_53776054的博客 3万+

玩转及解决问题——Jetson AGX Orin官方套件

玩转Jetson agx orin;解决agx orin问题点,悬挂agx orin官方套件

Agmage的博客 2398

边缘计算【智能+安全检测】系列教程-- Jeton Agx Orin 基础环境搭建

需要先长按住②键(Force Recovery键),然后给Orin接上电源线通电,此时白色指示灯亮起,但进入Recovery模式后是黑屏的,所以此时连接Orin的显示屏不会有什么反应。​ (1) 在之前烧录镜像时,通过SDK Manager流程操作时,会在目录下安装好一个JetPack_5.1_Linux_JETSON_AGX_ORIN_TARGETS目录,如下图。若Orin尚未进入Recvoery模式,则处于未检测到设备。,需要先长按住②键,然后按下③键(Reset键),先松开③键,再松开②键。

Starry-SkyJing的博客 3555

Nvidia Jetson AGX Orin开箱配置

之前实验室整来了一个Orin,自己无从下手,于是找了些资料用作参考,记录下了当时的设置流程。

weixin_45747274的博客 3810

部署与可视化系统:2026工业首选方案:DeepStream 7 极速部署 YOLO 串联多路 IP 监控摄像头(C++ 源码级剖析)

摘要: 2026年,工业视觉系统正迎来从“能用”到“好用”的质变。DeepStream 7.1与YOLO26模型的结合为多路视频流实时分析提供了高效解决方案。DeepStream 7.1引入的Service Maker框架支持Python配置化开发,而C++仍是工业级部署的核心选择。其关键能力包括多源输入支持、硬件加速编解码、TensorRT深度集成等,兼容各类NVIDIA GPU和边缘设备。 DeepStream-Yolo项目作为桥梁,支持20多种YOLO模型的高效部署,通过自定义C++引擎实现Tenso

ZXSXJ的博客 173

【NVIDIA Jetpack5.x】Jetson AGX Orin内核、设备树更新指南

博文总结了如何快速更新Jetson AGX orin内核和设备树文件。官网提供的资料分散而且有些是错误的操作,博主踩坑了多次后整理成此文。

从善若水的博客 1万+

Matlab编码转换实战:从GBK到UTF-8的完整解决方案

本文提供Matlab编码转换的完整实战方案,重点解决GBK与UTF-8编码冲突导致的中文乱码问题。通过修改系统配置文件、批量转换项目文件及设置默认保存编码,实现从GBK到UTF-8的彻底迁移,并分享常见避坑指南与自动化脚本技巧,确保代码跨平台协作的稳定性。

weixin_29031057的博客 324

【数字图像相关-OpenCorr学习笔记】Epipolar search原理+代码解析

OpenCorr是一个开源C++库,用于研究和开发数字图像相关(DIC)技术它提供了2D和立体声DIC的全功能模块,以及数字体积相关(DVC)。最近正在学习OpenCorr,为了更深层次地理解ICGN,我打算浅浅剖析Opencorr的代码,学习的过程中写下这篇学习笔记,以后忘记了还能回来看看。同时,作为一名在读研究生,希望能得到社区大佬的指点,以及跟同学们一起学习进步。这一期主要讲解Eipipolar search的原理,并且附上部分代码解析。

ywyywyy的博客 1356

jetson orin配置yolov8运行环境

当前jetpack版本为5.1.1,对应的torch为1.14.0版本,torchvision版本为0.14.1,CUDA版本为11.4.315.opencv with cuda 版本4.5.4,tensorrt版本5.1.1。2)注释掉torch和torchvision,后面单独安装。当前目录为readme目录。7)安装yolov8。当前目录为readme目录。6)验证torch和torchvision。下载对应的torch文件。

coder攻城狮的博客 1736

如何根据芯片手册时序图编写驱动程序

如何根据芯片手册时序图编写驱动程序 对于电子开发者来说,刚刚拿到一个芯片,常用的芯片可以参考网上的例程来做深入了解,对于一个不常用的芯片来说,Datasheet几乎是使用芯片的唯一的资料,所以根据Datasheet时序图写出对应的驱动程序就尤为重要。 本文根据一个简单的例子来阐述根据时序图来编写对应的程序过程。旨在讲解对于初学者应该怎么利用芯片的时序图编写符合要求的底层驱动程序(老鸟请跳过)。 下载芯片的Datasheet,(个人常用http://www.21icsearch.com/)如..

weixin_36447711的博客 1万+

jetson AGX orin 配置pytorch和cuda使用、yolov8 TensorRt测试

安装 sudo apt-get install libjpeg-dev zlib1g-dev 之后,删除所有缓存和编译零时文件,再重新编译安装即可。由于gpu推理通常需要预热,拷贝图像(bus.jpg)到文件夹重复多张(以10张为例)即可,重新运行,基本推理耗时。默认安装在系统环境中,若在虚拟环境中,可以创建软连接到虚拟环境中。导出默认的fp32模型,耗时11分钟,40qps,加载测试如下。,执行耗时32分钟(模型文件大小缩小一半),95qps,,如下。若均不报错,且能正常输出说明安装成功,如下图。

热爱生活,忠于自己 5992

MATLAB 论文复现——面向紧急需求响应的规模化灵活资源负荷管理快速决策方法

其次,对灵活资源参与EDR的功率分配模型进行了建模,并提出了基于分层分布式共识算法的快速决策方法,对功率分配模型进行快速求解,以满足EDR实时性的需求,在保证较高精度的前提下提高了决策速度。[1]孔祥玉,杨至端,孙裕策,等.面向紧急需求响应的规模化灵活资源负荷管理快速决策方法[J/OL].电力系统自动化,1-13[2024-07-29].http://kns.cnki.net/kcms/detail/32.1180.TP.20240709.1843.002.html.关键词: 规模化灵活资源;

sjr1478的博客 374

HC-05蓝牙模块AT指令配置避坑全记录:从配对失败到稳定主从通信

本文详细记录了HC-05蓝牙模块AT指令配置的全过程,从基础认知到主从通信的稳定实现。涵盖了进入AT模式的方法、关键AT指令详解、主从配对流程及常见故障排除,帮助开发者快速掌握蓝牙串口模块的配置技巧,避免常见配对失败问题。

weixin_42632434的博客 415

【Jetson系列Orin配置YOLO环境方法】

Jetson Orin配置YOLO环境

weixin_66080515的博客 2355

FM收音机调试-RDA5807M

收音机调试 IC型号:RDA5807M

mangofu的博客 6163

玩转Jetson AGX Orin—— Quick Start

也是最近看到的新闻,小马要在22年底量产基于orin的域控制器,本来还在考虑买Xaiver还是买orin呢,Xaiver现在本来就溢价很严重,这下就不纠结了,直接买orin了,先看一下NVIDIA这几款边缘计算平台的参数对比,orin现在的性价比还是很高的!......

one time one step的博客 7377

宇树G1开发实践--PPT汇报(遥控版)

本文介绍了一种基于遥控器交互的机器人演示控制系统。系统通过DDS中间件接收遥控器信号,采用位掩码边沿检测技术实现按键精准响应,将不同按键映射为播放控制命令(暂停/重播、跳转、跳过等)。核心交互逻辑包含主播放循环、命令处理和暂停机制,支持播放过程中的实时控制。与自动顺序播放版相比,该系统显著提升了演示灵活性,适用于需要人机互动的演讲场景。使用前需确保网络连接和设备安全,并熟悉按键功能映射。该系统实现了专业级的人机协同演示体验。

m0_47999117的博客 680

华为OD机试真题 新系统2026-04-01 C语言 实现【空间占用计算】

员工A的磁盘空间经常被耗尽,他需要找到占用空间最大的目录或文件,然后决定如何清理文件释放空间。给定某一目录,请编写程序帮助他统计该目录内一级子目录和文件的占用空间,并返回目标目录一级子项(文件或子目录)中占用空间最大的项。

MISAYAONE的博客 230
上一篇: Jetson AGX Orin 下 evo 安装与报错解决
下一篇: 基于JetsonOrin载板以YOLOX模型为例,实现环境部署、数据集制作、模型训练与部署
浪里肥鱼
博客等级 码龄7年 971粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值