用树莓派4B和YOLOv5s打造一个24小时监控小站：完整配置与优化心得

树莓派4B+YOLOv5s构建智能监控系统的实战指南

在智能家居和物联网应用蓬勃发展的今天，如何将先进的计算机视觉技术部署到边缘设备成为了许多开发者和创客关注的焦点。树莓派凭借其低廉的价格、出色的能效比和丰富的扩展接口，成为了边缘计算的首选平台之一。而YOLOv5作为当前最流行的实时目标检测算法之一，其轻量级版本YOLOv5s特别适合在资源受限的设备上运行。本文将详细介绍如何将这两者结合，打造一个24小时运行的智能监控系统，从硬件选型到软件优化，分享一整套经过实战检验的解决方案。

1. 硬件准备与环境配置

1.1 树莓派4B的硬件选型与初始化

树莓派4B有多个内存版本（2GB/4GB/8GB），对于运行YOLOv5s而言，4GB版本是最佳性价比选择。8GB版本虽然内存更大，但对于这个应用场景提升有限，而2GB版本在长时间运行时可能会遇到内存瓶颈。

必备配件清单：

• 树莓派4B主板（推荐4GB内存版本）
• 官方树莓派摄像头模块（或兼容的USB摄像头）
• 至少16GB的Class 10 microSD卡
• 5V/3A的Type-C电源适配器
• 散热套件（金属外壳+散热片）
• 可选：PoE HAT（如需通过网线供电）

安装官方Raspberry Pi OS Lite（64位）系统后，建议进行以下基础配置：

# 启用摄像头接口 sudo raspi-config nonint do_camera 0 # 分配GPU内存（建议至少128MB） sudo raspi-config nonint do_memory_split 128 # 启用SSH远程访问 sudo raspi-config nonint do_ssh 0 # 设置静态IP（可选） echo -e "interface eth0\nstatic ip_address=192.168.1.100/24\nstatic routers=192.168.1.1\nstatic domain_name_servers=192.168.1.1" | sudo tee -a /etc/dhcpcd.conf

1.2 Python环境与关键依赖安装

虽然树莓派自带Python3，但为了获得最佳性能，建议使用miniconda创建独立环境：

# 下载并安装miniconda wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh bash Miniconda3-latest-Linux-aarch64.sh # 创建专用环境 conda create -n yolov5 python=3.8 conda activate yolov5 # 安装系统级依赖 sudo apt-get install -y libopenblas-dev libblas-dev m4 cmake cython libatlas-base-dev

2. YOLOv5s的部署与优化

2.1 模型选择与安装

YOLOv5有多个版本（s/m/l/x），其中s版本最适合树莓派：

# 克隆YOLOv5仓库（推荐6.0版本） git clone -b v6.0 https://github.com/ultralytics/yolov5.git cd yolov5 # 修改requirements.txt避免自动安装大尺寸依赖 sed -i 's/^opencv-python/#opencv-python/' requirements.txt sed -i 's/^torch/#torch/' requirements.txt sed -i 's/^torchvision/#torchvision/' requirements.txt # 安装精简版依赖 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

2.2 PyTorch的定制化安装

树莓派ARM架构需要特殊版本的PyTorch。以下是经过验证的组合：

# 下载预编译的PyTorch wheel文件 wget https://github.com/Qengineering/PyTorch-Raspberry-Pi-OS-64bit/raw/main/torch-1.10.0-cp38-cp38-linux_aarch64.whl wget https://github.com/Qengineering/PyTorch-Raspberry-Pi-OS-64bit/raw/main/torchvision-0.11.1-cp38-cp38-linux_aarch64.whl # 安装时排除不必要的依赖 pip install torch-1.10.0-cp38-cp38-linux_aarch64.whl --no-deps pip install torchvision-0.11.1-cp38-cp38-linux_aarch64.whl --no-deps # 验证安装 python -c "import torch; print(torch.__version__)"

3. 性能优化技巧

3.1 模型量化与加速

在树莓派上运行YOLOv5s时，可以采用以下优化策略：

1. 模型动态量化：

import torch model = torch.hub.load('ultralytics/yolov5', 'yolov5s') model = torch.quantization.quantize_dynamic( model, {torch.nn.Linear}, dtype=torch.qint8 ) torch.save(model.state_dict(), 'yolov5s_quantized.pt')

2. OpenCV的硬件加速：

import cv2 # 使用V4L2后端并开启硬件加速 cap = cv2.VideoCapture(0, apiPreference=cv2.CAP_V4L2) cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter_fourcc('M', 'J', 'P', 'G'))

优化前后性能对比：

3.2 温度控制与稳定性保障

树莓派长时间运行需要考虑散热问题：

# 安装温度监控工具 sudo apt-get install lm-sensors # 配置温度监控脚本 cat <<EOF > ~/monitor_temp.sh #!/bin/bash while true; do temp=$(vcgencmd measure_temp | cut -d= -f2) if [ \$(echo "\$temp > 70" | bc) -eq 1 ]; then echo "温度过高: \$temp" | mail -s "树莓派过热警告" your@email.com /usr/bin/python3 /home/pi/yolov5/detect.py --pause fi sleep 300 done EOF # 添加开机自启 (crontab -l 2>/dev/null; echo "@reboot /bin/bash /home/pi/monitor_temp.sh &") | crontab -

4. 实际应用场景实现

4.1 包裹检测系统实现

针对门口包裹检测场景，可以定制检测逻辑：

from yolov5 import detect import cv2 import time class PackageMonitor: def __init__(self): self.model = detect.load_model('yolov5s_quantized.pt') self.last_package_time = 0 def detect_package(self, frame): results = self.model(frame) detections = results.pandas().xyxy[0] packages = detections[(detections['name']=='package') | (detections['name']=='box')] if len(packages) > 0: self.last_package_time = time.time() cv2.putText(frame, "Package Detected!", (50,50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 2) # 触发通知逻辑 self.send_notification() return frame def send_notification(self): # 实现邮件或MQTT通知 pass # 使用示例 monitor = PackageMonitor() cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break output = monitor.detect_package(frame) cv2.imshow('Monitoring', output) if cv2.waitKey(1) == ord('q'): break

4.2 系统服务化与自启动

创建systemd服务实现开机自启：

# /etc/systemd/system/yolo_monitor.service [Unit] Description=YOLOv5 Monitoring Service After=network.target [Service] User=pi WorkingDirectory=/home/pi/yolov5 ExecStart=/home/pi/miniconda3/envs/yolov5/bin/python /home/pi/yolov5/monitor.py Restart=always Environment="DISPLAY=:0" [Install] WantedBy=multi-user.target

启用服务：

sudo systemctl daemon-reload sudo systemctl enable yolo_monitor.service sudo systemctl start yolo_monitor.service

5. 进阶技巧与问题排查

5.1 常见问题解决方案

摄像头无法识别：

# 检查摄像头模块 vcgencmd get_camera # 应返回supported=1 detected=1 ls /dev/video* # 应显示video0设备 # 如果检测不到，尝试加载驱动 sudo modprobe bcm2835-v4l2 echo "bcm2835-v4l2" | sudo tee -a /etc/modules

内存不足处理：

# 创建交换文件 sudo fallocate -l 2G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

5.2 能效优化配置

CPU调频策略：

# 查看当前频率 cat /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor # 设置为节能模式（适合24/7运行） echo "powersave" | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor # 限制最大频率（避免过热） echo "1200000" | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_max_freq

GPU内存动态调整脚本：

import subprocess import psutil def adjust_gpu_memory(): mem = psutil.virtual_memory() if mem.available < 100*1024*1024: # <100MB可用内存 subprocess.run(["sudo", "raspi-config", "nonint", "do_memory_split", "64"]) else: subprocess.run(["sudo", "raspi-config", "nonint", "do_memory_split", "128"])