请问yolov8训练模型如何写双线程？

用yolo8训练的模型做送药小车，看了yolov8的历程，可以使用，但是不知道输出时具体用的是什么通道？我看API发现，是用get_frame()获取一帧图片给AI程序使用，但是返回值是ulab.numpy.ndarray格式。我做巡线也用摄像头，返回的ulab.numpy.ndarray格式没办法给巡线使用，所以我参考了前面大佬回复的相关双线程的问题，想给巡线单独配置一个通道使用，但是没有相关教程，配置一直出错。

下面是官方yolov8模型调用的代码：
from libs.PipeLine import PipeLinefrom libs.YOLO import YOLOv8from libs.Utils import *from media.sensor import *from media.display import *from media.media import *import time, gc, _thread, ujson, utime, os, sys,imageimport ulab.numpy as npfrom machine import UART, FPIOA, Pin# ---------- 串口初始化 ----------fpioa = FPIOA()fpioa.set_function(11, FPIOA.UART2_TXD)fpioa.set_function(12, FPIOA.UART2_RXD)uart = UART(UART.UART2, baudrate=9600, bits=UART.EIGHTBITS, parity=UART.PARITY_NONE, stop=UART.STOPBITS_ONE)if __name__=="__main__":    # 这里仅为示例，自定义场景请修改为您自己的模型路径、标签名称、模型输入大小    kmodel_path="/sdcard/test_number.kmodel"    labels = ["1","2","3","4","5","6","7","8"]    model_input_size=[320,320]    display_mode="lcd"    rgb888p_size=[640,360]    confidence_threshold = 0.4    nms_threshold=0.4    # 初始化PipeLine    pl=PipeLine(rgb888p_size=rgb888p_size,display_mode=display_mode)    pl.create()    display_size=pl.get_display_size()    # 初始化YOLOv8实例    yolo=YOLOv8(task_type="detect",mode="video",kmodel_path=kmodel_path,labels=labels,rgb888p_size=rgb888p_size,model_input_size=model_input_size,display_size=display_size,conf_thresh=confidence_threshold,nms_thresh=nms_threshold,mask_thresh=1,max_boxes_num=50,debug_mode=0)    yolo.config_preprocess()    while True:        with ScopedTiming("total",1):            # 逐帧推理            img=pl.get_frame()            res=yolo.run(img)            # res说明            # res[0] = [bbox1, bbox2, ...]          # 每个目标的边界框：数组格式 [x, y, w, h]            # res[1] = [class_id1, class_id2, ...]  # 每个目标对应的类别索引            # res[2] = [score1, score2, ...]        # 每个目标对应的置信度分数            boxes, class_ids, scores = res            start_x = 5            start_y = 5            line_height = 20            for i in range(min(4, len(class_ids))):                x, y, w, h = boxes                cx = int(x + w / 2)                cy = int(y + h / 2)                class_id = class_ids                label = labels[class_id] if class_id < len(labels) else str(class_id)                text = "{}:({},{})".format(label, cx, cy)                print(text)            yolo.draw_result(res,pl.osd_img)            pl.show_image()            gc.collect()    yolo.deinit()    pl.destroy()"""我想在上面的基础上配置一个通道，将输出的图片信息提供给巡线使用。下面是巡线模块："""from media.sensor import *from media.display import *from media.media import *from machine import UART, FPIOA, Pinimport time, utime, image, gc# ---------- 串口初始化 ----------fpioa = FPIOA()fpioa.set_function(11, FPIOA.UART2_TXD)fpioa.set_function(12, FPIOA.UART2_RXD)uart = UART(UART.UART2, baudrate=9600, bits=UART.EIGHTBITS,            parity=UART.PARITY_NONE, stop=UART.STOPBITS_ONE)# ---------- 摄像头配置 ----------sensor = Sensor(width=1280, height=720)sensor.reset()sensor.set_framesize(width=800, height=480, chn=CAM_CHN_ID_1)sensor.set_pixformat(Sensor.RGB565, chn=CAM_CHN_ID_1)Display.init(Display.ST7701, width=800, height=480, to_ide=True)MediaManager.init()sensor.run()# ---------- 颜色阈值 ----------red_threshold = [(20, 60, 20, 127, -128, 127)]black_threshold = [(0, 30)]  # 黑色色块检测（终点）# ---------- ROI 区域 ----------ROIS_MID = [    (200, 120, 400, 40),    (200, 200, 400, 40),    (200, 280, 400, 40),]ROIS_LR = [    (0, 0, 200, 100),     # 左    (600, 0, 200, 100),   # 右]# ---------- 全局状态变量 ----------turn_state = 0              # 0 正常, 1 左转中, 2 右转中at_intersection = Falseintersection_flag = Falsewait_for_manage = Falseend_flag = False# ---------- 功能函数 ----------def draw_rois(img):    for r in ROIS_MID + ROIS_LR:        img.draw_rectangle(r, color=(0, 255, 0))def compute_offset(blobs):    weight_sum, cx_sum = 0, 0    weights = [0.3, 0.4, 0.3]    for i, b in enumerate(blobs):        if b:            largest = max(b, key=lambda x: x.pixels())            cx_sum += largest.cx() * weights            weight_sum += weights    if weight_sum == 0:        return 0    cx = cx_sum / weight_sum    dx = int(cx - 400)    return dxdef get_red_offset(img):    blobs_mid = [img.find_blobs(red_threshold, roi=roi, merge=True) for roi in ROIS_MID]    return compute_offset(blobs_mid)def detect_intersection(img):    left = img.find_blobs(red_threshold, roi=ROIS_LR[0], merge=True)    right = img.find_blobs(red_threshold, roi=ROIS_LR[1], merge=True)    left_ok = any(b.pixels() > 1500 for b in left)    right_ok = any(b.pixels() > 1500 for b in right)    return left_ok, right_okdef detect_end(img):    count = 0    blobs = img.find_blobs(black_threshold, roi=(0, 400, 800, 80), pixels_threshold=1000)    for b in blobs:        if b.pixels() > 1500:            count += 1    return count >= 5def send_uart(msg, debug_text=None):    uart.write((msg + "n").encode())    if debug_text:        print(msg + " —— " + debug_text)    else:        print(msg)def receive_turn_command(dx):    global turn_state, intersection_flag, wait_for_manage    if uart.any():        cmd = uart.read().decode().strip()        if cmd == "1":            turn_state = 1            send_uart("[1,0]", "左转")            wait_for_manage = True            intersection_flag = False        elif cmd == "2":            turn_state = 2            send_uart("[2,0]", "右转")            wait_for_manage = True            intersection_flag = False        elif cmd == "0":            turn_state = 0            send_uart(f"[0,{dx}]", "直行")            intersection_flag = Falsedef wait_turn_finish():    global wait_for_manage, turn_state    if uart.any():        cmd = uart.read().decode().strip()        if (turn_state == 1 and "left-manage" in cmd) or (turn_state == 2 and "right-manage" in cmd):            wait_for_manage = False            turn_state = 0            print("转弯完成，恢复直行")# ---------- 帧率初始化 ----------last_time = utime.ticks_ms()# ---------- 主循环 ----------while True:    start_time = utime.ticks_ms()    draw_rois(img)    if not end_flag and detect_end(img):        send_uart("[3,0]", "终点识别，停止")        end_flag = True        continue    dx = get_red_offset(img)    left_ok, right_ok = detect_intersection(img)    if left_ok and right_ok and not at_intersection:        intersection_flag = True        at_intersection = True        send_uart("[0,0]", "十字路口检测，等待指令...")        continue    elif not (left_ok and right_ok):        at_intersection = False    if intersection_flag:        receive_turn_command(dx)    elif wait_for_manage:        wait_turn_finish()    elif not end_flag:        send_uart(f"[0,{dx}]", f"巡线中 dx={dx}")    # ---------- 计算与显示 FPS ----------    end_time = utime.ticks_ms()    duration = utime.ticks_diff(end_time, start_time)    fps = 1000 / duration if duration > 0 else 0    print("FPS: {:.2f}".format(fps))    img.draw_string(5, 5, "FPS: {:.1f}".format(fps), scale=2, color=(255, 255, 255))    Display.show_image(img)    gc.collect()    time.sleep_ms(100)"""下面是数字识别模块："""from libs.PipeLine import PipeLinefrom libs.YOLO import YOLOv8from libs.Utils import *from media.sensor import *from media.display import *from media.media import *import time, gc, ujson, utime, os, sys, imageimport ulab.numpy as npfrom machine import UART, FPIOA, Pin# ---------- 串口初始化 ----------fpioa = FPIOA()fpioa.set_function(11, FPIOA.UART2_TXD)fpioa.set_function(12, FPIOA.UART2_RXD)uart = UART(UART.UART2, baudrate=9600, bits=UART.EIGHTBITS,            parity=UART.PARITY_NONE, stop=UART.STOPBITS_ONE)# ---------- 数字识别模型和参数 ----------kmodel_path = "/sdcard/test_number.kmodel"labels = ["1", "2", "3", "4", "5", "6", "7", "8"]model_input_size = [320, 320]display_mode = "lcd"rgb888p_size = [640, 360]confidence_threshold = 0.3nms_threshold = 0.45# ---------- 初始化视觉模块 ----------pl = PipeLine(rgb888p_size=rgb888p_size, display_mode=display_mode)pl.create()display_size = pl.get_display_size()yolo = YOLOv8(task_type="detect", mode="video", kmodel_path=kmodel_path,              labels=labels, rgb888p_size=rgb888p_size, model_input_size=model_input_size,              display_size=display_size, conf_thresh=confidence_threshold,              nms_thresh=nms_threshold, max_boxes_num=5, debug_mode=0)yolo.config_preprocess()# ---------- 全局变量 ----------first_digit = Nonemode = 0  # 0: 空闲，1: 等待保存数字，2: 对比模式compare_count = 0compare_total = 5# ---------- 判断相对位置 ----------def analyze_res_position(res):    bboxes = res[0]    class_ids = res[1]    result = []    center_x = 800 // 2    for i in range(min(4, len(bboxes))):        x, y, w, h = bboxes        label = class_ids        obj_center_x = x + w / 2        position = "left" if obj_center_x < center_x else "right"        result.append([label, position])    return result# ---------- 比较函数 ----------def compare_with_reference(ref_digit, result_list):    for label_idx, pos in result_list:        label_str = labels[label_idx] if 0 <= label_idx < len(labels) else str(label_idx)        if label_str == ref_digit:            return pos    return "go straight"# ---------- 封装：获取稳定的第一个数字 ----------def get_stable_first_label(res):    class_ids = res[1]    if len(class_ids) == 1:        idx = class_ids[0]        if 0 <= idx < len(labels):            return labels[idx]    return None# ---------- 串口输出和打印函数 ----------def print_and_send(msg):    # 打印到终端    print(msg)    # 发送到串口    uart.write((msg + "n").encode())# ---------- 主循环 ----------while True:    with ScopedTiming("total", 1):        img = pl.get_frame()        res = yolo.run(img)        # 串口监听指令        if uart.any():            try:                cmd = uart.read().decode().strip()                if cmd == "1":                    if first_digit is None:                        mode = 1                        print_and_send("准备记录第一个数字，请确保画面中仅有一个数字...")                    else:                        mode = 2                        compare_count = 0                        print_and_send("进入对比模式，参考数字为:" + str(first_digit))                elif cmd == "2":                    print_and_send("收到结束指令，退出程序")                    break            except Exception as e:                print("串口读取错误:", e)        # ---------- 模式1：记录第一个数字 ----------        if mode == 1 and first_digit is None:            label = get_stable_first_label(res)            if label:                first_digit = label                print_and_send("记录成功，第一个数字为:" + str(first_digit))                mode = 0            else:                print_and_send("等待仅出现一个数字...")        # ---------- 模式2：对比参考数字 ----------        elif mode == 2 and first_digit:            result = analyze_res_position(res)            decision = compare_with_reference(first_digit, result)            print_and_send("对比结果:" + decision)            compare_count += 1            if compare_count >= compare_total:                print_and_send("比对结束，共输出" + str(compare_total) + "次")                mode = 0        yolo.draw_result(res, pl.osd_img)        pl.show_image()        gc.collect()# ---------- 释放资源 ----------yolo.deinit()pl.destroy()"""        首先理解sensor的单摄三通道的概念，一个摄像头可以出三路不同格式不同分辨率的图像数据，不同的数据分别给到不同的程序做处理，比如AI模型一般需要RGBP888格式，openmv方法使用RGB565或者GRAYSCALE格式。详细配置见下图：

• 对于AI推理这一路，不要调用pipeline了，直接使用sensor.snapshot(CAM_CHN_ID_2)获取AI推理的数据：
  

# 获取一帧RGBP888的数据img_rgbp888=sensor.snapshot(CAM_CHN_ID_2)# 转成ulab.numpy格式，可以直接给YOLO封装的run方法img_np=img_rgbp888.to_numpy_ref()这里得到的img_np和pl.get_frame得到的是一样的。

• 对于巡线或者其他使用openmv方法的这一路：
  

# 获取一帧RGB565的图像数据img_565=sensor.snapshot(CAM_CHN_ID_1)这里得到的img_565可以被巡线的方法使用。

0