2. 开发环境搭建：树莓派系统烧录、SSH远程连接、配置Python虚拟环境、安装OpenCV与PyTorch
说实话，环境搭建这一步，劝退了很多人。
我见过不少同学，模型训练得挺好，一到树莓派上就卡住——系统起不来、SSH连不上、OpenCV编译半天报错。其实说白了，只要把流程理顺，按部就班来，半小时就能搞定。
这一章，我就带你走一遍我自己的标准流程。每一步都是我在项目里踩过坑之后沉淀下来的。
本章核心目标：让树莓派变成一个能跑YOLO模型的AI推理节点。你需要完成：系统烧录 → 远程连接 → Python环境隔离 → 安装OpenCV和PyTorch。
2.1 树莓派系统烧录
我个人习惯用 Raspberry Pi Imager 来烧录系统。它官方出品，操作简单，还内置了SSH和WiFi配置选项——这个功能太实用了。
你想想看，以前烧完系统还得插显示器、接键盘去配网络。现在Imager直接帮你写好配置文件，插电就能SSH连上。
烧录步骤
- 下载Raspberry Pi Imager（官网就有，Windows/Mac/Linux都支持）
- 选择操作系统：我推荐
Raspberry Pi OS (64-bit) Lite——不带桌面环境，省资源。如果你需要调试画面，可以选带桌面的版本。 - 选择SD卡：建议32GB以上，Class 10速度等级。
- 点击齿轮图标（高级设置）：
- 启用SSH（设置用户名和密码）
- 配置WiFi（SSID和密码）
- 设置地区（选中国，时区自动匹配）
- 写入SD卡：等待进度条走完，大概5-10分钟。
我的经验：烧录完成后，把SD卡插回电脑，检查 /boot 分区下有没有 ssh 这个空文件。如果没有，手动创建一个。这是树莓派开启SSH的"开关"。
2.2 SSH远程连接
系统烧好了，SD卡插进树莓派，通电。接下来怎么操作？
你需要找到树莓派的IP地址。最简单的方法：登录路由器管理页面，看DHCP客户端列表。或者用 arp -a 命令扫描局域网。
连接命令
# 默认用户名 pi，密码是你烧录时设置的
ssh pi@192.168.1.100
# 第一次连接会提示确认主机指纹，输入 yes 即可连上之后，我建议先做两件事：
- 更新系统：
sudo apt update && sudo apt upgrade -y - 修改主机名：
sudo raspi-config→ System Options → Hostname → 改成yolo-pi（方便区分多台设备）
我曾经踩过的坑：树莓派默认的SSH密码强度很弱。如果你把设备暴露在公网（比如用端口转发），一定要改密码、禁用密码登录、改用密钥认证。不然你的树莓派分分钟变成别人的挖矿机。
2.3 配置Python虚拟环境
为什么要用虚拟环境？
说白了，就是怕Python包打架。你想想看，一个项目要PyTorch 1.13，另一个要2.0，装在一起肯定出问题。虚拟环境就是给每个项目一个独立的"小房间"。
创建虚拟环境
# 安装 venv（树莓派OS通常自带）
sudo apt install python3-venv -y
# 创建项目专用环境
python3 -m venv ~/yolo-env
# 激活环境
source ~/yolo-env/bin/activate
# 检查Python版本
python --version
# 应该输出 Python 3.9.x 或更高激活后，终端前面会出现 (yolo-env) 前缀，说明你已经在虚拟环境里了。
我的习惯：每次SSH连上树莓派，第一件事就是 source ~/yolo-env/bin/activate。我把这行命令加到了 ~/.bashrc 里，自动激活。但注意，如果你同时管理多个项目，不建议这么做。
2.4 安装OpenCV与PyTorch
这是整个环境搭建里最"刺激"的部分。为什么？因为树莓派是ARM架构，很多预编译包不兼容。
安装OpenCV
我推荐用 pip 安装预编译版，别自己编译——自己编译要2-3个小时，还不一定成功。
# 先安装系统依赖
sudo apt install libatlas-base-dev libhdf5-dev libhdf5-serial-dev -y
# 安装OpenCV
pip install opencv-python==4.8.1.78
# 验证安装
python -c "import cv2; print(cv2.__version__)"如果输出 4.8.1 之类的版本号，说明安装成功。
注意：树莓派上OpenCV的 imshow 功能需要桌面环境支持。如果你用的是Lite版系统，图像显示功能不可用。但别担心，YOLO推理只需要 cv2.imread 和 cv2.dnn，完全够用。
安装PyTorch
PyTorch官方对树莓派的支持比较"暧昧"。我建议用 torch==2.0.0 版本，兼容性最好。
# 安装PyTorch（CPU版本，树莓派没有NVIDIA GPU）
pip install torch==2.0.0 torchvision==0.15.1
# 验证安装
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"输出应该是 2.0.0 和 False——别看到 False 就慌，树莓派本来就没有CUDA。
安装验证清单
| 组件 | 验证命令 | 预期输出 |
|---|---|---|
| Python | python --version |
3.9.x 或更高 |
| OpenCV | python -c "import cv2; print(cv2.__version__)" |
4.8.x |
| PyTorch | python -c "import torch; print(torch.__version__)" |
2.0.0 |
| 虚拟环境 | which python |
路径包含 yolo-env |
到这里，你的树莓派已经具备了运行YOLO模型的基本条件。 系统就绪、远程可控、Python环境隔离、OpenCV和PyTorch到位。下一章，我们就要开始真正的模型部署了。
嗯，环境搭建这部分，说难不难，说简单也不简单。关键是别急，一步一步来。我当年第一次搞树莓派，光烧系统就折腾了三次——第一次SD卡没插好，第二次忘了开SSH，第三次WiFi密码输错了。都是经验啊。