1. 数据标注结果输出

在10000个样本中选择200-300个好的样本，尽量丰富，一个类型的主题的图片选择2-3张，形成一个新的存放数据的文件夹。

精灵标注助手：打开软件后，左上角“新建”-选择“位置标注”-选择存放数据的文件夹-记录标签并用英文逗号分隔类标签-创建

左侧选择标注类型-矩形框-标注好后按ctrl+s保存

精灵标注助手快捷键：→控制下一个标注对象

标签数据的导出：左下角有个“导出”按键，保存为pascal-voc格式。-“确定导出”。 默认的标签数据文件夹导出的位置是在标注的存放数据文件夹的下一级目录下，也可以改文件夹。其中每个标签的名字与被标注的图片名字同名。

之后要把标注的数据名称进行编号，独立一个python项目进行操作。（如果文件名字不是数字的话就这样处理）

数据集制作

将voc格式数据转换成yolo v5格式的数据

需要将数据集分为训练集、验证集、测试集，比例8:1:1

里面注意改路径

将标注的框voc格式转化为txt

这两段代码分别存储为两个.py，存放在下面的路径：

然后分别一次run每一个文件，然后在data-dataset-imagesets里面就会生成下面的.txt文件，这些是数据集中训练集、测试集（验证集，因为测试集要训练完后获取）的标签。

2.模型训练

在data.yaml里面检查修改path路径、检车下面的类数量以及类别

然后打开项目文件根目录下的train.py   ，  查看一下训练参数有没有需要改的

然后运行这个文件。之后会在这个目录下生成训练好的模型。

然后要测试集，之后看一下说明文件。有可能是运行项目文件下的test.py

参考资料：https://blog.csdn.net/weixin_46751388/article/details/126070967

另外的全局性的参考资料：https://blog.csdn.net/FK2016/article/details/108000297

模型打包部署到边缘端

远程登陆边缘设备：在边缘端的查看ip地址（点击下方坞的cloudid），pc端浏览器上输入边缘端的IP地址链接到边缘端。

边缘端代码存放在文件夹的home目录

里面有个aidlux文件夹

把我们训练好的模型和监测需要用的检测detect数据上传到aidlux文件目录里面，就是这里

点这个上传按钮就能上传文件（选左边）。

然后更改.py文件（不一定是run.py）下面对应的模型名称以及detect数据的路径(这里因为是同级目录，所以检查一下名称就行了)

如果模型训练时候的图片大小更改过，上面in_shape, out_shape也需要更改，其他的就不需要更改了.

然后就是在linux终端执行.py文件（cd到.py文件的目录，然后）

可参考https://blog.csdn.net/weixin_47702737/article/details/121721523

细节：

使用VOC格式数据的时候检查VOC.yaml文件里面的路径、模型类别数、类别的名称。然后path里面不能在最后的VOC处加斜杠/。其实也可以用绝对路径来替换掉。配置好后，训练模型的时候会根据这个自动去寻找训练集、测试集等所在路径。

yolov5在加载数据的时候，目录是固定死的，数据在images目录下，标签在labels中。

训练数据的时候这个JPEGimages名称改为images