K230 部署 YOLOv8
介绍 部署 YOLOv8 目标检测算法到 K230 开发板上运行，本文记录完整的部署流程。 环境准备 软件依赖 CanMV IDE 已训练好的 YOLOv8 模型（best.pt） Python 环境（建议使用 conda） 硬件要求 K230 开发板（已刷好固件） 摄像头 模型转换 PyTorch → ONNX 将训练好的模型导出为 ONNX 格式，支持模型量化优化。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 from ultralytics import YOLO if __name__ == "__main__": # 1. 加载训练好的 YOLO 模型 model = YOLO(r"..\best.pt") # 2. 调用 YOLO 模型实例的 export 方法 # 注意：这里不需要重新赋值 model，export 方法会直接生成 ONNX 文件 model.export( format="onnx", # 指定导出格式为 ONNX simplify=True, # 简化 ONNX 模型 imgsz=640, # 输入图像尺寸 opset=12 # ONNX 算子集版本 ) print("ONNX 模型导出成功！文件会保存在 best.pt 同目录下") ONNX → KModel 在 Windows 环境下完成模型转换。 ...