前言
ultralytics公司开源的目标检测算法yolov5在最近一段时间十分火热，而这次正好碰上一个实际应用（分拣小车）的机会，便在此记录下全过程以供参考。其中目标检测的作用在于标出每一帧输入图像中垃圾的具体位置（框），并以该信息做PNP解算，得到相应需发送给下位机的速度指令，使其到达垃圾所在位置并捡起以进行后续操作。
实际效果如下：
Nvidia TX2实现垃圾目标检测（yolov5 + TensorRT）
文章列表
- Nvidia Jetson TX2刷机（三天刷机真实过程包教包会）
- [超详细!!!]yolov5_4.0版本目标检测（环境配置+数据集制作+模型训练）–垃圾分拣业务流
- 【全网唯一】【yolov5模型部署落地】Nvidia Jetson TX2使用TensorRT部署yolov5s模型
版权声明：本文为CSDN博主「Rosetta_Leong」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/RosettaLeong/article/details/117880883
![[系列文章]Nvidia Jetson TX2使用yolov5进行目标检测](https://51qudong.com/wp-content/themes/Autumn-Pro/public/qrcode/?data=https://51qudong.com/xi-lie-wen-zhang-nvidiajetsontx2-shi.html)
暂无评论