반응형 python9 카메라 모듈 연동 — Picamera2 + YOLO26 [2-3] 2-1에서 구성한 환경(Picamera2 설치 + DrmPreview 수정 완료)을 바탕으로 카메라 모듈 3(IMX708)과 YOLO26을 연결하여 실시간 사물 검출을 구현합니다.여기 까지 오기가 쉽지가 않았습니다. 2-1 내용을 몇번을 수정했는지...라즈베리파이 OS를 사용하까? 고민을 몇번을 하게 되는군요. 😂💡 전제 조건 — 2-1에서 완료된 것들:✅ libcamera 소스 빌드 + 심볼릭 링크✅ venv (--system-site-packages) 생성✅ ultralytics, opencv-python, picamera2 설치✅ DrmPreview 수정 → Picamera2 OK 확인이 글에서는 위 내용을 반복하지 않고 카메라 연동 코드 작성부터 시작합니다.0. Picamera2 + YOLO2.. 2026. 4. 12. 카메라 연동 실시간 검출 [1-4] 지금까지 이미지 파일로만 테스트했다면, 이번엔 진짜입니다! 😄PC 웹캠(또는 USB 카메라)을 연결하고 YOLO26으로 실시간 사물 검출을 구현합니다.💡 이 글의 목표: OpenCV로 웹캠 영상을 캡처하고 YOLO26과 연결하여 실시간 검출 화면을 띄웁니다. FPS 표시, 키보드 종료, 모델 전환까지 단계적으로 구현합니다.작업 폴더: D:\00_Task\99_Test\python_workspace\yolo26_env0. 실시간 검출 전체 흐름카메라 연동 실시간 검출의 동작 원리를 먼저 이해하고 시작합니다. 💡 실시간이란?영상은 1초에 여러 장의 이미지(프레임)가 연속으로 표시되는 것입니다. 각 프레임마다 YOLO26 추론을 실행하고 결과를 화면에 그리는 루프를 빠르게 반복하면 사람 눈에 실시간처럼 .. 2026. 4. 4. Pretrained 모델 추론 테스트 [1-3] [개발환경구축 - Python venv 1-2] 에서 구축한 환경을 바탕으로 YOLO26 pretrained 모델로 실제 추론을 실행해봅니다.이미지 추론 → 결과 분석 → 모델 크기별(n/s/m/l/x) 성능 비교까지 단계별로 진행합니다.💡 이 글의 목표: YOLO26 pretrained 모델을 이용해 이미지에서 사물을 검출하고, n/s/m 모델별로 속도와 정확도 차이를 직접 눈으로 확인합니다.작업 폴더: D:\00_Task\99_Test\python_workspace /yolo26_env0. 시작 전 — venv 활성화 확인작업을 시작하기 전에 반드시 가상환경이 활성화된 상태인지 확인합니다. CMD를 새로 열었다면 매번 아래 명령을 먼저 실행해야 합니다.0venv 활성화CMDcd D:\00_Task\.. 2026. 4. 3. 이전 1 2 다음 반응형
