智能禁烟（树莓派 yolo+stm32）

训练模型

数据集

直接从开源数据集网站 roboflow 下载即可，下载时可以选择标签样式

网站：https://universe.roboflow.com/search?q=smoke

训练

在服务器完成训练（RTX3090 显卡）,文件目录如下（我从 roboflow 下载了 cigarette 和 smoke 两个数据集文件，然后下载了 yolov8n.pt 放入文件夹，新建了 code 文件夹用于存放代码）：

.
└── dataset
    ├── cigarette
    │   ├── Cigarette.v3i.yolov9.zip
    │   ├── code
    │   ├── data.yaml
    │   ├── README.dataset.txt
    │   ├── README.roboflow.txt
    │   ├── test
    │   ├── train
    │   ├── valid
    │   └── yolov8n.pt
    └── smoke
        ├── code
        ├── data.yaml
        ├── README.dataset.txt
        ├── README.roboflow.txt
        ├── smaoking.v3i.yolov9.zip
        ├── test
        ├── train
        └── yolov8n.pt

10 directories, 10 files

code/train.py 文件内容如下

from ultralytics import YOLO

# Load a model
model = YOLO('../yolov8n.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='../data.yaml', epochs=100, imgsz=640)

在服务器终端执行

#数据集存放在dataset文件夹中，用docker配置,该镜像已有pytorch和cuda驱动
docker run -it -d --gpus all --privileged \
    -v /dataset:/yolov8 \
    --name pytorch_pytorch \
    pytorch/pytorch:latest

docker exec -it yolov8 bash
apt update
pip install ultralytics
cd /yolov8/cigarette/code
python3 train.py

训练好后会得到权重文件和过程文件，如下图所示（最重要的是 best.pt 文件）

部署（树莓派）

树莓派基础配置和使用

镜像烧录（开启 SSH、配置 wifi）

参考微雪的教程烧录树莓派镜像到 SD 卡，同时开启 SSH 和 WiFi（教程中包括相关基础知识，没接触过树莓派需要先过一遍，了解基本常识），

注意：记得按照教程，开启 SSH 并配置 wifi，后续有用
连接树莓派(以下方案任选一个即可，上一步已经配置了 wifi，树莓派启动后会自动连接 wifi)
- 最简单的方案：给树莓派外接键盘、鼠标、显示器；把树莓派当成一台电脑使用
- 获取树莓派 ip 地址
  
  由于我们烧录镜像时，已经设置过连接的 wifi，可以直接登录路由器管理界面查看树莓派的 IP 地址
  
  也可以用 ip 扫描软件 Advanced IP Scanner 来获取（电脑需要和树莓派连接相同的 wifi）
- 用 VScode 的 remote ssh
  
  VSCODE 远程开发树莓派_vscode ssh orangepi-CSDN 博客
  
  连接后，直接将文件拖进 VScode 中树莓派的文件夹即可
- mobaxterm 连接树莓派
  
  https://blog.csdn.net/u011198687/article/details/119839400
- ssh
  
  linux 指令熟的话，直接 ssh 就行
- VNC（本文由于需要用到视觉，建议用 VNC）
  
  https://blog.csdn.net/qq_44214671/article/details/110581282
然后参考教程更新源（依据教程，查看树莓派版本，再进一步选择相应的源）

**********树莓派替换镜像源（终极版！）*********

安装项目所需依赖

关闭外部管理警告

参考 https://www.yaolong.net/article/pip-externally-managed-environment/

#python版本必须替换为你的实际版本，请到/usr/lib/查看
sudo mv /usr/lib/python3.11/EXTERNALLY-MANAGED /usr/lib/python3.11/EXTERNALLY-MANAGED.bk

opencv、yolov8、pytorch

参考 https://blog.csdn.net/qq_44231797/article/details/133270195

sudo apt-get install python3-opencv --fix-missing
sudo pip install ultralytics
pip3 install torch torchvision torchaudio

测试

将训练好的权重文件，即上文提到的 best.pt 文件，放入树莓派。如何传输文件请参考上文{树莓派基础配置和使用}

请先完成前面所说的各项工作

用 vnc 连接树莓派，开始编写测试代码（也可以直接将我提供的树莓派代码文件，放进树莓派任意位置，然后运行/code/ultralytics/code/test.py）

from ultralytics import YOLO
import cv2
import serial
import time

def send_serial_data(data, port='/dev/ttyUSB0', baudrate=9600):
    try:
        # 打开串口
        ser = serial.Serial(port, baudrate)
        time.sleep(2)  # 等待串口初始化完成

        ser.write(data.encode())  # 发送数据
        print("已发送：", data)

        # 关闭串口
        ser.close()
    except serial.SerialException:
        print("无法打开串口，请检查串口是否正确连接。")


# 加载YOLO模型
model = YOLO("../model/train3/weights/best.pt")

# 打开摄像头
cap = cv2.VideoCapture(0)

# 设置摄像头分辨率为640x480
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 160)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 120)

while True:
    # 读取视频流中的一帧
    ret, frame = cap.read()
    if not ret:
        break
  
    # 对当前帧进行目标检测
    results = model.predict(source=frame,conf=0.1,show=True)#调用模型预测,conf是可信度，show代表是否显示

    #提取出检测信息里的阈值，阈值不为空就是检测到了
    print("--------------box--------------------")
    results = results[0].boxes
    start_index = str(results).find("conf")#提取字段开头
    end_index = str(results).find("data")#提取字段结尾
    extracted_info = str(results)[start_index+len("conf")+10:end_index-3]#获得检测阈值列表
    # 使用正则表达式提取阈值
    if len(extracted_info)>2:
        print("检测到对象，阈值为:", extracted_info)  
        send_serial_data('1', '/dev/ttyUSB0', 115200)  # 根据实际情况修改串口地址和波特率
    else:
        print("未检测到对象")
        send_serial_data('0', '/dev/ttyUSB0', 115200)  # 根据实际情况修改串口地址和波特率
    print("----------------------------------")
    # 调用函数，传入要发送的数据、串口地址和波特率
  

# 释放摄像头资源并关闭窗口
cap.release()
cv2.destroyAllWindows()

结果如下：

STM32

硬件：STM32F103C8T6、1.44 寸 TFT 液晶屏、有源蜂鸣器、DHT11 温湿度传感器、烟雾传感器

DHT11 温湿度传感器

基本思路参考如下：

https://blog.csdn.net/weixin_52988524/article/details/127603488

需要跟随教程完成配置操作，代码可以不用管

最终 DHT11 连接 PB12 引脚

蜂鸣器

基本思路参考如下（图省事，用的有源蜂鸣器，跟 LED 没区别了）：
https://blog.csdn.net/weixin_52988524/article/details/124082430

需要跟随教程完成配置操作，代码可以不用管

最终蜂鸣器接 PB5 引脚

烟雾传感器

基本思路参考如下（图省事，用的传感器 DO 口，跟按键没区别了）：

https://blog.csdn.net/weixin_52988524/article/details/125231680（读取红外避障 DO 的）

https://blog.csdn.net/weixin_52988524/article/details/124082430（也可以参考按键）

需要跟随教程完成配置操作，代码可以不用管

最终烟雾传感器接 PB8 引脚（这个和教程里不同）

TFT 显示屏

基本思路参考如下（注意我配置的引脚和教程中不同）：

https://blog.csdn.net/lwb450921/article/details/124250361

引脚说明，引脚不能改，改了跑不了（我踩坑了）
TFT   stm32f103c8t6
GND 	接地
VCC		电源
SCL		PA5
SDA		PA7
RES		PB0
DC		PB1
CS		PA4
BL		PB10

串口通信

基本思路参考如下（讲解很细致，完美无缺）：

https://www.bilibili.com/video/BV1Na4y1T7VQ/?spm_id_from=333.788&vd_source=0da482e1d715b9a8f77b5626ba60fcd0

合并项目

代码链接：https://pan.baidu.com/s/1yJC1dm9vJDiSvgXqix

测试效果

‍

智能禁烟（树莓派 yolo+stm32）

训练模型

数据集

训练

部署（树莓派）

树莓派基础配置和使用

镜像烧录（开启 SSH、配置 wifi）

VNC（本文由于需要用到视觉，建议用 VNC）

安装项目所需依赖

关闭外部管理警告

opencv、yolov8、pytorch

测试

STM32

DHT11 温湿度传感器

蜂鸣器

烟雾传感器

TFT 显示屏

串口通信

合并项目

测试效果

相关帖子

公共场所抽烟的行为是否是谋杀

智能鸡舍（yolov5-lite 部署在树莓派）

智能家居安防

树莓派语音识别项目

RS485 温湿度模块和 DS18B20 传感器

树莓派串口连接调试激光测距模块 TOF200F（VL53L0X）

2. 树莓派微雪显示屏配置

欢迎来到这里！

智能禁烟（树莓派 yolo+stm32）

训练模型

数据集

训练

部署（树莓派）

树莓派基础配置和使用

镜像烧录（开启 SSH、配置 wifi）

VNC（本文由于需要用到视觉，建议用 VNC）

安装项目所需依赖

关闭外部管理警告

opencv、yolov8、pytorch

测试

STM32

DHT11 温湿度传感器

蜂鸣器

烟雾传感器

TFT 显示屏

串口通信

合并项目

测试效果

相关帖子

公共场所抽烟的行为是否是谋杀

智能鸡舍（yolov5-lite 部署在树莓派）

智能家居安防

树莓派语音识别项目

RS485 温湿度模块和 DS18B20 传感器

树莓派串口连接调试激光测距模块 TOF200F（VL53L0X）

2. 树莓派 微雪显示屏配置

欢迎来到这里！

2. 树莓派微雪显示屏配置