项目环境搭建

从这一期开始我们要正式开始做项目。项目的开发环境是python，Longan Pi中已经预先安装了Python 3.11。出于多用途使用考虑，我们最好给每一个项目新建一个虚拟环境，这样可以避免污染系统环境，同时避免了平台内多个项目的环境之间发生冲突。

要创建虚拟环境，我们要先安装python venv支持包。

sudo apt install python3-venv

安装好后，新建项目文件夹，在项目文件夹中创建虚拟python环境

cd ~
mkdir jarvis
cd jarvis
python3 -m venv venv

运行完成后，我们用ls -l就可以看到文件夹下多出了个venv文件夹。这就是我们的虚拟环境。下面我们就要在这个虚拟环境中来安装一切项目所需的库文件，首先就是物体识别需要用到的YoloV8。

由于后续步骤比较费时，因此建议所有操作都在screen中完成，这样可以避免由于ssh掉线导致命令执行过程中断。

screen -R project
source venv/bin/activate
pip3 install ultralytics

这个安装过程比较漫长，有部分库没有现成的whl，需要在本地编译。而其中psutil库在编译过程中可能由于缺少文件而报错。如果报错的话在报错信息中会提示需要通过apt来安装哪些库。我显示的错误信息如下：

一般情况下安装以下的库就可以解决问题。如果不行再去安装报错信息中显示的其他库。

sudo apt install gcc python3-dev

安装好后，我们可以使用官方的测试命令来测试一下。

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

但不出意外的话这里就要出意外了。大概率这张图片我们无论如何都下载不下来。因此我们可以去随便百度张jpeg格式的照片，把命令中的照片链接替换为我们找的新照片。我测试使用的命令如下：

yolo predict model=yolov8n.pt source='https://pics2.baidu.com/feed/d788d43f8794a4c2c0832f8b448ed6d8ac6e3972.jpeg'

运行完成后，如果没有报错，会有识别结果显示出来：

我们可以发现当前文件夹下出现了一个叫runs的目录，识别的结果就存在这个目录中。我们接下来可以用exit命令退出ssh，再使用scp命令把识别后的图片下载到D盘（这里我感觉有些繁琐，不知有没有更好的方法在ssh已连接的状态下直接传送文件）

scp sipeed@192.168.199.124:~/jarvis/runs/detect/predict/d788d43f8794a4c2c0832f8b448ed6d8ac6e3972.jpeg D:\\

传输完成后，如果显示为以下识别结果，那么说明我们Yolo环境已经可以正常工作。