YOLOv10+PyQt5在ARM架构Linux开发板（旭日X3派/树莓派/香橙派）的无桌面环境部署实战

原创

于 2026-02-11 00:33:58 发布 · 322 阅读

在ARM架构的Linux开发板上部署深度学习模型，环境配置是第一步也是最关键的一步。我使用的是旭日X3派的无桌面版本系统，通过MobaXterm进行远程连接。这种无桌面环境节省了系统资源，但同时也带来了一些挑战，特别是依赖库的安装和配置。

首先需要安装Miniconda环境，这是管理Python环境的利器。由于旭日X3派是ARM架构，必须选择aarch64版本的安装包。我直接从官网下载了适用于Python 3.8的Miniconda版本：

wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.9.2-Linux-aarch64.sh

下载完成后，通过bash命令执行安装脚本：

bash Miniconda3-py38_4.9.2-Linux-aarch64.sh

安装过程中需要一直按Enter阅读许可协议，然后输入yes同意条款。安装完成后，务必将conda添加到环境变量中。如果输入conda -V没有显示版本信息，需要手动编辑bashrc文件：

vim ~/.bashrc

在文件末尾添加：

export PATH=$PATH:/home/sunrise/miniconda3/bin

保存退出后执行source ~/.bashrc使配置生效。接下来创建专门的虚拟环境用于YOLOv10项目：

conda create -n yolo python=3.8
conda activate yolo

虚拟环境可以隔离项目依赖，避免与系统自带的Python环境产生冲突。这一步虽然简单，但为后续的依赖管理打下了坚实基础。

在ARM架构上安装PyTorch需要特别注意版本兼容性。经过多次测试，我发现直接使用conda安装是最稳定的方式：

conda install -c pytorch pytorch

这个命令会自动选择适合ARM架构的PyTorch版本。安装完成后，务必验证是否安装成功：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 虽然ARM板没有GPU，但检查一下也无妨

接下来安装OpenCV，这是计算机视觉项目的基础依赖。由于ARM架构的编译较慢，建议使用清华源加速下载：

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

安装过程中可能会提示缺少一些依赖库，比如libgtk2.0-dev等，这些可以通过apt安装：

sudo apt update
sudo apt install libglib2.0-0 libsm6 libxrender1 libxext6

有时候opencv-python在ARM架构上编译会失败，这时可以尝试安装预编译的版本，或者使用opencv-python-headless版本，它不包含GUI相关的功能，在无桌面环境下更加轻量。

验证OpenCV安装：

import cv2
print(cv2.__version__)

如果遇到"ImportError: libGL.so.1"错误，需要安装额外的依赖：

sudo apt install libgl1-mesa-glx

YOLOv10是Ultralytics公司最新的目标检测模型，相比YOLOv8在精度和速度上都有提升。在ARM开发板上部署YOLOv10需要特别注意模型格式转换和优化。

首先安装ultralytics库：

pip install ultralytics

安装完成后，可以测试一下基础功能：

from ultralytics import YOLO
model = YOLO('yolov10n.pt')  # 使用nano版本，适合ARM设备

由于ARM开发板的计算资源有限，建议使用较小的模型版本，如yolov10n或yolov10s。在部署前，最好将PyTorch模型转换为ONNX格式，这样可以获得更好的推理性能：

from ultralytics import YOLO

# 加载模型
model = YOLO('yolov10n.pt')

# 导出为ONNX
model.export(format='onnx', opset=11, simplify=True)

ONNX格式的模型可以在不同的推理引擎上运行，提供了更好的兼容性。在ARM设备上，我们还可以使用ONNX Runtime进行推理，它针对ARM架构进行了优化：

pip

标签

#YOLOv10 #ARM Linux #嵌入式部署 #PyQt5