K210 YOLO 车类检测

一个基于 YOLO（MaixHub 生成的 YOLOv2/YOLO2 推理接口）在 Kendryte K210（如 Sipeed Maix 系列）上运行的单类目标检测项目，用于检测图像/视频流中的「car」。包含数据集划分、模型与推理脚本，支持在板端通过 LCD 实时显示与 UART 输出检测结果。

目录结构

• train/, valid/, test/: 数据集（YOLO 标注），图片与标签已按子目录组织
• data.yaml: 数据配置（类别数与名称、数据路径）
• model-234988.nncase/: 板端推理资源
  • model-234988.kmodel: K210 可执行模型
  • main.py: MaixPy3 推理脚本（LCD 显示与 UART 输出）
  • report.json: 训练与导出报告（输入/输出、anchors、指标等）

数据集说明

本项目为单类检测任务：

• 类别数 nc: 1
• 类别名 names: ['car']
• 数据路径在 data.yaml 中定义：train/valid/test 对应 images 与 labels

训练与导出（概览）

• 训练：按照常规 YOLO 流程准备数据与标签（已提供），可用任意 YOLO 训练框架或 MaixHub 工具链训练得到权重
• 导出：通过 NNCase/MaixHub 工具将模型转换为 K210 可执行的 .kmodel
• 参考信息：report.json 提供 anchors、输入分辨率（224×224×3）、输出张量形状等关键信息

板端部署与运行（MaixPy3）

1. 将以下文件复制到 TF 卡根目录（或保持 main.py 内的 model_addr 路径一致）：
   • model-234988.nncase/model-234988.kmodel
   • model-234988.nncase/main.py
   • 可选：labels.txt（内容为 labels = ['car']）
2. 将 TF 卡插入 K210 开发板，连接 LCD 与串口，通电启动。

脚本要点：

• 输入尺寸：224×224；默认 anchors 来自 report.json
• 阈值：kpu.init_yolo2(..., threshold=0.5, nms_value=0.3, ...)
• 显示：LCD 实时绘制框与置信度
• 输出：UART1（TX=IO10, RX=IO11, 115200bps）按行输出检测框，格式为：x:y:w:h:cls:score:label

如需自定义模型路径/阈值/镜像翻转等，可在 model-234988.nncase/main.py 的 main() 参数或常量处调整。

快速测试

• 将若干测试图像放入 TF 卡并在脚本中改为加载静态图（或直接连接摄像头实时预览）。
• test/ 目录中提供了样例图片，可用于离线评估或可视化。