【保姆级超详细还免费（yolo-onnx-java）新手指导】

1. 项目基础介绍与编程语言

• 项目定位：Java调用AI模型的底层工具库，支持多种YOLO系列模型（v5/v7/v8/v9）及PaddlePaddle模型
• 核心功能：实现Java环境下ONNX模型推理，包含图像/视频流的目标检测、分类、姿态识别等
• 编程语言：纯Java开发（JDK≥11），无Python依赖

2. 项目优势

• 跨语言调用：解决非Python项目集成AI模型的痛点
• 轻量级：仅需2个核心依赖（onnxruntime + OpenCV）
• 工业级适配：支持GPU加速（CUDA 11.8以下）
• 多模型兼容：自动适配不同输出结构的ONNX模型
• 开箱即用：提供4种可直接运行的主类文件

3. 技术栈与依赖环境

4. 安装前准备

1. 确保系统路径无中文
2. 配置国内Maven镜像源（避免依赖下载超时）
3. 显卡用户需提前安装：
   • 最新版显卡驱动
   • CUDA≤11.8 + 对应版本cuDNN
   • 验证命令：nvcc -V

5. 详细安装步骤

步骤1：获取项目

git clone <项目仓库> --branch master

步骤2：配置依赖

修改pom.xml：

<repositories>
    <repository>
        <id>aliyun</id>
        <url>https://maven.aliyun.com/repository/public</url>
    </repository>
</repositories>

步骤3：运行示例

• 图片检测：直接运行ObjectDetection_1_25200_n.java
• 视频流检测：运行CameraDetection.java（需修改视频路径）

步骤4：模型替换

将训练好的ONNX模型放入model目录，注意需符合以下输出结构之一：

• [1,25200,85]（YOLOv5）
• [n,7]（YOLOv7）
• [1,84,8400]（YOLOv8/v9）

6. 常见问题解决方案

7. 应用案例

• 安防监控：实时检测烟火/跌倒/打架
• 工业质检：零件缺陷识别
• 智慧农业：害虫识别/农作物分类
• 交通管理：车牌识别/违章检测
• 医疗辅助：X光片病灶标注

提示：实际业务集成需自行处理多线程、消息队列等逻辑，本项目仅提供核心AI推理能力