07-本地推理

7.1基于机器人：TPU插机械臂上，电脑连接机械臂（无线）。机械臂拍照，在TPU上进行推理，TPU得到推理结果返回给机械臂。电脑全程没有参与，电脑只是与机械臂进行数据传输，从而让电脑可以显示机械臂的信息。

7.1.1将电脑与机械臂置于同一局域网下进行无线连接（详见电脑与机器人连接说明），打开电脑终端查看是否连接成功。
ping 192.168.110.103（此为机械臂无线地址）
![](/media/202504/2025-04-22_174415_3939880.6756641259767916.png)

7.1.2打开vscode或pycharm，使用ssh远程连接机械臂
![](/media/202504/2025-04-23_092143_4193520.622531595462432.png)

7.1.3连接成功后即可进入data/projects目录中查看刚刚固化好的模型，模型名称为固化时的名称，/data/projects为TPU模型的存放目录。
![](/media/202504/2025-04-23_084529_0058070.3693018674564762.png)

7.1.4进入刚刚固化好的模型目录中，新建tpudetect.py文件进行本地推理，代码如下：
```python
from arm_module import Control_Arm as arm      #机械臂
from tpu_module import Control_TPU as tpu      #TPU
from cap import VideoCapture        #摄像头

mode = False        #无线远程连接
model_name = "demo" #模型名称
conf = 0.5        #精度
iou = 0.45        #IoU阈值
width = 640        #图片宽度
height = 640        #图片高度

arm.reset_position()        #机械臂复位
cap = VideoCapture()        #调用摄像头拍照
img = cap.read()            #读取图片
result = tpu.predict(img, mode=mode, model_name=model_name, conf=conf, iou=iou, w=width, h=height)
print(result)

cap.release()             #释放摄像头资源
```

7.1.5在终端运行代码，首先使用
sudo su进入超级root权限
python3 tpudetect.py运行Python文件
![](/media/202504/2025-04-23_085627_8471080.2730169153098361.png)
出现结果，推理完成。
![](/media/202504/2025-04-23_085745_4262110.7993329366195031.png)

7.2基于windows系统：TPU插在电脑上，配置本地环境，进行TPU模型推理。
7.2.1安装anaconda进行python环境管理
安装教程可参考：https://www.cnblogs.com/ajianbeyourself/p/17654155.html

7.2.2进入Anaconda Prompt
创建虚拟环境，输入conda create -n amc python=3.9

7.2.3进入创建的环境
conda activate amc

7.2.4下载解压本地推理附件压缩包(本节最后)，从prompt进入目录安装相关依赖
cd /Desktop/AMC_release/tests
pip install -r requirements.txt

7.2.5安装ai_stick包，进入host-sdk文件下：
cd ../host-sdk
pip install ai_stick-1.1.1-py3-none-any.whl

7.2.6模型推理
7.2.6.1检测模型推理（以垃圾检测模型为例）
（1）在tests文件下，创建garbage文件
（2）将测试图片、模型和yaml文件放到garbger文件下
（3）进入tests文件下，执行推理
cd tests
python yolov5s_det_inference.py -m garbage_48.lfQdata -i garbage -s 3x640x640 -t 0.5 -n 0.45
![](/media/202504/2025-04-23_182803_4879960.4367018116563236.png)
参数解释：
-m, --model_name: 模型名称（必要）
-i, --input_file: 包含图片、模型和yaml文件的文件夹名称（必要）
-s, --input_size: 模型输入的size，默认3x640x640（可选）
-t, --obj_thresh: 目标检测阈值，默认0.5（可选）
-n, --nms_thresh: IOU阈值，默认0.45（可选）

7.2.6.2分类模型推理（以水果分类模型为例）
（1）在tests文件下，创建fruit文件
（2）将测试图片、模型和yaml文件放到fruit文件下
（3）执行推理
python yolov5s_cls_inference.py -m garbage_48.lfQdata -i garbage -s 3x224x224
![](/media/202504/2025-04-23_182943_3071230.018993233041305735.png)
参数解释：
-m, --model_name: 模型名称（必要）
-i, --input_file: 包含图片、模型和yaml文件的文件夹名称（必要）
-s, --input_size: 模型输入的size，默认3x224x224（可选）

==注意：若出现libusb文件缺失，则将附件压缩包中的libusb-1.0.dll文件移动到C:\Users\32869\anaconda3\envs\amc\Library\bin目录下（即anaconda下的envs\amc\Library\bin）==

7.3基于linux系统：除了最开始需要进入root用户外，其他操作与windows系统相同。即在进入推理项目目录前先执行：
sudo su
然后进入推理目录：
cd /Desktop/AMC_release/tests
后续操作同windows

[【附件】AMC_Release.zip](/media/attachment/2025/04/AMC_Release.zip)