在k230上使用yolov5检测图像卡死，怎么解决?

答案对人有帮助，有参考价值 0

针对在K230上运行YOLOv5检测时卡死且输出异常的问题，以下是系统性的解决方案：

1. 检查模型转换参数（关键步骤）

• 输入尺寸对齐：确保转换命令中的input_shape与训练时完全一致（如[1,3,640,640]）。使用以下命令检查ONNX输入尺寸：
  

   python -c "import onnx; print(onnx.load('your_model.onnx').graph.input[0].type.tensor_type.shape)"



• 
  

  归一化参数：YOLOv5默认使用0-255整数输入，转换时不要添加归一化参数（移除--mean和--std）：

  
  

   # 错误示例（会导致输入异常）
  
   python converter.py yolov5s.onnx yolov5s.kmodel -i onnx --input_shape [1,3,640,640] --mean 0 0 0 --std 255 255 255
  
  
  
   # 正确示例（原始整数输入）
  
   python converter.py yolov5s.onnx yolov5s.kmodel -i onnx --input_shape [1,3,640,640]

  
  

2. 验证K230运行时输入

• 数据格式检查：在K230代码中打印输入张量的前10个值：
  

   // 示例伪代码
  
   uint8_t* input_data = get_input_buffer();
  
   for(int i=0; i<10; i++) printf("%d ", input_data[i]); 

  
  

  确认数值范围为0-255，而非浮点数。若为浮点则说明预处理错误。

3. 输出层解析修正

• 异常值溯源：在NMS前打印原始输出数据：
  

   # 在yolo大作战示例代码中定位输出处理部分
  
   outputs = kpu_outputs[0]  # 假设单输出层
  
   print("Raw output max:", np.max(outputs), "min:", np.min(outputs))

  
  

  若输出值远超1.0，说明：

  
  
  
  
  • 模型未正确量化（转KMODEL时需量化）
  
  
  • 输入数据未归一化但模型预期归一化输入
  
  

4. KMODEL转换量化（重要！）

• 添加校准数据集：使用100-1000张训练图片校准量化：
  

   python converter.py yolov5s.onnx yolov5s.kmodel -i onnx 
  
   --dataset images/*.jpg    # 校准图片路径
  
   --input_shape [1,3,640,640]



• 检查量化日志：转换时需出现类似提示：
  

   [INFO] Start calibration...
  
   [INFO] Calibration done.

5. 硬件资源排查

• 内存压力测试：在K230上运行free -m观察推理前后的内存变化，YOLOv5-640模型通常需要>100MB内存。


• 简化测试：尝试640x640纯黑输入图片，排除图像解码问题：
  

   input_data = np.zeros((640,640,3), dtype=np.uint8)

6. 固件与工具链更新

升级到最新版本避免已知Bug：

   # 更新nncase (Ubuntu侧)

   pip install nncase --upgrade



   # 更新K230固件 (设备侧)

   # 从嘉楠开发者官网下载最新固件

7. 替代方案验证

使用官方预训练KMODEL交叉验证：

• 下载K230官方YOLOv5示例模型


• 替换现有模型，若运行正常则确认是模型转换问题

调试流程图

graph TD

    A[K230卡死/输出>1] --> B{检查输入数据}

    B -->|0-255整数| C[检查KMODEL量化]

    B -->|浮点数| D[修正预处理]

    C -->|无量化| E[添加校准数据集转换]

    C -->|已量化| F[检查输出层解析]

    F -->|输出值域异常| G[修正后处理代码]

    F -->|输出正常| H[检查NMS实现]

    H -->|第三方NMS库| I[替换为简单NMS]

    H -->|自定义NMS| J[检查边界条件]

关键代码修正点

在K230后处理代码中，确保输出解码符合YOLOv5设计：

# 典型错误：未对输出进行sigmoid

def decode_output(output):

    grid_h, grid_w = output.shape[2:4]

    # 错误：直接使用输出值

    # x, y = output[0, 0, ...], output[0, 1, ...] 



    # 正确：sigmoid处理坐标

    x = 1 / (1 + np.exp(-output[0, 0, ...]))

    y = 1 / (1 + np.exp(-output[0, 1, ...]))

    return x, y

通过逐步排查，90%的问题集中在输入数据格式不匹配和模型未量化两个方面。优先检查转换命令是否带多余归一化参数，并确认K230预处理代码未引入浮点转换。