当前位置：首页 > news >正文

图像识别系统 - Ubuntu部署指南(香橙派开发板测试)-学习记录1

news 2025/7/4 8:04:32

图像识别系统 - Ubuntu部署指南-学习记录1

本文档提供在Ubuntu系统上部署图像识别系统的详细步骤。

系统要求

Ubuntu 18.04 LTS 或更高版本
Python 3.6+
至少2GB内存
至少1GB可用磁盘空间

部署步骤

1. 安装系统依赖

# 更新系统包
sudo apt update
sudo apt upgrade -y# 安装Python及相关工具
sudo apt install -y python3 python3-pip python3-dev
sudo apt install -y python3-venv
sudo apt install -y build-essential libssl-dev libffi-dev# 安装OpenCV依赖
sudo apt install -y libsm6 libxext6 libxrender-dev libgl1-mesa-glx

2. 创建项目目录

# 创建项目目录
mkdir -p ~/pd_recognition_system
cd ~/pd_recognition_system

3. 设置Python虚拟环境

# 创建虚拟环境
python3 -m venv svm_venv# 激活虚拟环境
source svm_venv/bin/activate

4. 获取项目代码

方法一：克隆Git仓库（如果使用Git）

git clone <项目Git仓库URL> .

方法二：手动上传项目文件

使用SCP或SFTP等工具将项目文件上传到Ubuntu服务器的~/pd_recognition_system目录下。确保上传以下内容：

svm_fastapi.py
requirements.txt
svm_pd_model/ 目录及其中的所有文件
test_dataset/ 目录（可选，仅用于测试）

5. 安装项目依赖

# 确保虚拟环境已激活
pip install --upgrade pip
pip install -r requirements.txt

6. 测试服务

# 运行服务
python svm_fastapi.py

访问 http://<服务器IP>:9000/docs 检查API文档界面是否正常加载。

7. 配置系统服务（使服务在后台运行）

创建systemd服务文件：

sudo nano /etc/systemd/system/pd-recognition.service

添加以下内容：

[Unit]
Description=PD Recognition System API Service
After=network.target[Service]
User=<你的用户名>
Group=<你的用户组>
WorkingDirectory=/home/<你的用户名>/pd_recognition_system
Environment="PATH=/home/<你的用户名>/pd_recognition_system/svm_venv/bin"
ExecStart=/home/<你的用户名>/pd_recognition_system/svm_venv/bin/python svm_fastapi.py[Install]
WantedBy=multi-user.target

注意：替换 <你的用户名> 和 <你的用户组> 为实际值。可以通过 whoami 和 groups 命令获取。

实测例子-以香橙派开发版安装ubuntu系统的系统服务配置如下(已测试成功)：
我是root(管理员)运行方式。
添加内容如下：


[Unit]
Description=PD Recognition System API Service
After=network.target[Service]
User=root
Group=root
WorkingDirectory=/root/pd_recognition_system
Environment="PATH=/root/pd_recognition_system/svm_venv/bin"
ExecStart=/root/pd_recognition_system/svm_venv/bin/python svm_fastapi.py[Install]
WantedBy=multi-user.target

启用和运行服务：

sudo systemctl daemon-reload
sudo systemctl enable pd-recognition.service
sudo systemctl start pd-recognition.service

检查服务状态：

sudo systemctl status pd-recognition.service

8. 配置防火墙（如需对外提供服务）

# 允许9000端口通过防火墙
sudo ufw allow 9000/tcp
sudo ufw status

API测试

使用curl测试API

curl -X POST -F "file=@./test_dataset/corona/corona111.png" http://localhost:9000/api/v1/predict

使用Python脚本测试

创建测试脚本 test_api.py：

import requestsurl = 'http://localhost:9000/api/v1/predict'
file_path = './test_dataset/surface/surface57.png'  # 替换为实际图像路径
files = {'file': open(file_path, 'rb')}response = requests.post(url, files=files)
print(response.json())

运行测试：

python test_api.py

系统维护

查看日志

sudo journalctl -u pd-recognition.service

重启服务

sudo systemctl restart pd-recognition.service

停止服务

sudo systemctl stop pd-recognition.service

可能遇到的问题及解决方案

1. 依赖安装失败

问题：安装某些Python依赖包时出错。

解决方案：

# 安装Python开发包
sudo apt install -y python3-dev# 安装编译工具
sudo apt install -y build-essential

2. OpenCV导入错误

问题：导入OpenCV库时出现错误。

解决方案：

# 安装OpenCV系统依赖
sudo apt install -y libsm6 libxext6 libxrender-dev libgl1-mesa-glx

3. 服务无法访问

问题：无法从外部访问API服务。

解决方案：

检查防火墙设置

sudo ufw status
sudo ufw allow 9000/tcp

确保FastAPI服务绑定到0.0.0.0而不是127.0.0.1
检查云服务提供商的安全组/网络ACL设置

4. 内存不足

问题：服务运行一段时间后崩溃，日志显示内存不足。

解决方案：

增加虚拟机内存
配置swap空间

sudo fallocate -l 2G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

性能优化建议

考虑使用Gunicorn作为WSGI服务器与Uvicorn配合使用，提高并发处理能力

pip install gunicorn
gunicorn -w 4 -k uvicorn.workers.UvicornWorker app:app

使用Nginx作为反向代理，提供更好的负载均衡和安全性

sudo apt install -y nginx

配置Nginx：

server {listen 80;server_name your_domain.com;location / {proxy_pass http://127.0.0.1:9000;proxy_set_header Host $host;proxy_set_header X-Real-IP $remote_addr;}
}

查看全文

http://www.xdnf.cn/news/141121.html