1. YOLOv5介绍

        YOLOv5是UItralyties开发的一种目标检测算法。它是YOLO（You Only Look Once）系列实时目标检测模型的演变。YOL0v5 建立在早期版本（如 YOLOv4 和 YOLOv3）的基础上，在准确性和速度方面进行了多项改进。
        YOLOv5快速且易于使用，它基于PyTorch框架，该框架拥有比YOLOv4 Darknet更大的社区。安装简单明了，YOLOv5是YOLO系列的一个延伸，可以看作是基于YOLOv3、YOLOv4的改进。YOLOv5 没有相应的论文说明，但是作者在Github上积极地开放源代码，通过对源码分析，我们也能很快地了解YOLOv5的网络架构和工作原理。

2. 安装 PyTorch和 torchvision

        YOLOv5是基于 PyTorch 框架来实现的，所以在使用之前需要安装这两个框架，首先可以去官方网站上下载两个编译好的包进行安装，官方网站为：

https://download.pytorch.org/whl/torch_stable.html

        找到torch-2.1.2-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl和
torchvision-0.16.2-cp311-cp311-linux_aarch64.whl文件，复制到树莓派的主目录下，然后运行如下命令进行安装：

sudo pip3 install torch-2.1.2-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
sudo pip3 install torchvision-0.16.2-cp311-cp311-linux_aarch64.whl

        安装成功后，检查一下安装是否成功。

        如果报错的话，说明安装有问题，一般问题是 numpy版本过低，我们可以更新一下: 

sudo pip3 install numpy --upgrade --ignore-installed

3. 部署 Yolov5 环境

        我们可以到官方网站上下载：

https://github.com/ultralytics/yolov5

3.1 安装 YOLOv5 的依赖包

cd yolov5-master
sudo pip3 install requirements.txt

4. 运行 Yolov5 摄像头目标检测

        由于我们使用的是CSI摄像头，而原生态的yolov5运行的是USB摄像头，所以需要修改一定的源码，具体修改位置为“/home/pi/yolov5-master/utils/dataloaders. py”文件。在最前面加上如下，说明我们是通过picamera2库来调用摄像头。

import libcamera

from picamera2 import Picamera2

import cv2

        在LoadStreams类中加入摄像头的开启命令，并去掉USB摄像头调用的方式 :

对应的如下位置也需要修改：

         接下来，运行摄像头目标检测：

cd yolov5-master

python3 detect.py --source 0