基于树莓派4B的YOLOv5-Lite轻量级目标检测系统部署与迷宫寻宝应用
引言 本文聚焦于在树莓派4B平台部署轻量化目标检测模型YOLOv5-Lite，并将其应用于"迷宫寻宝"智能小车系统。该系统融合计算机视觉、光电传感与路径规划技术，实现对复杂环境的实时感知与自主决策。通过模型压缩与边缘推理优化，使原本依赖高性能GPU的深度学习任务得以在资源受限的嵌入式设备上稳定运行。 模型选型与轻量化设计 YOLOv5-Lite是YOLOv5系列的精简变体，专为边缘设备设计。其核心改进包括： 移除Focuss层，以标准卷积替代，提升ONNX导出兼容性 简化C3模块结构，减少重复Bottleneck堆叠，降低内存占用 采用SPPF（快速空间金字塔池化）替代传统...