深度学习模型在产业落地时面临诸多挑战，平时也许我们忙得最多的训练模型、反复调优、寻找最佳算法，也许能出个paper——但是，在产业落地的时候，这却是最“简单”的一环。

比如我们首先要能够解读用户的需求，设计好一个场景，做好数据采集，训练一个能用的模型，知道它可以在什么条件下做预测，和用户确定部署的方式，准备部署的硬件设备，把模型成功部署上去……说不定还要根据用户的要求，对部署模型做适当的后处理。

在本文中，我将为大家介绍一个“基于飞桨的安全帽佩戴巡检机器人”诞生记。

第一步：先分析下，用户大概想要什么？比如在工地上，用户可能怕员工图省事，没戴安全帽，违反了工作纪律。用户是希望提醒没戴好安全帽的员工尽快改正，还是准备考核他们？或许二者皆有。还有，在工地上，是找个定点摄像头来检查，还是能手动、自动巡逻的？那大概是能够手/自切换比较好。那用户是要远程控制还是就近控制？肯定是远程啦~用户一般是管理者，就近控制的话他还不如自己走过去提醒工地上的员工。

所以，方向就这么愉快地决定了，我们需要一个能够自动巡逻或远程遥控的安全帽检测机器人，它发现有员工没戴好安全帽会大声报警提醒，还会把“证据”存下来，万一考核可以用到。

第二步：确定一下开发流程。做个机器人属于比较复杂的事情，面对难题，比较好的办法是先完成、再完善、最后完美。所以我的计划是，先证明基于深度学习的安全帽检测可行、再完成模型的部署（模型也可以从易到难）、最后增加报警和截图存证的后处理。考虑到用户大概率不了解人工智能，所以得先尽快把检测效果图放出来——对，就是“卖家秀”。

第三步：“卖家秀”阶段，用最快速度训练一个安全帽检测模型。幸运的是，安全帽检测这个场景已经比较成熟啦，有一些开源数据集，减少了很多数据采集的工作。当然我们也可以自己采集数据做补充。所以，赶快先把模型训练出来，顺便告诉老板，如果退而求其次的话，在服务器上部署也不是不可以嘛——还能加密模型！这方面PaddleX无敌好用！当然，其实我们可以设想下，后面不是还要部署嘛，所以这时候建议也“留一手”，做好PaddleDetection的模型训练准备，双保险。

项目链接：

PaddleX GUI版：零代码实现目标检测模型

https://aistudio.baidu.com/aistudio/projectdetail/1416534

PaddleX、PP-Yolo：手把手教你训练、加密、部署目标检测模型

https://aistudio.baidu.com/aistudio/projectdetail/920753

安全帽佩戴检测模型训练与一键部署（PaddleX、HubServing）

https://aistudio.baidu.com/aistudio/projectdetail/742090

第四步：“买家秀”阶段，把检测模型部署到树莓派小车上，尽可能降低用户心理落差。做全流程的开发工程师就是有点惨，“买家秀”也得自己来体验。

一方面，我们知道，服务器性能肯定比移动端设备好了不知道多少倍嘛，就连7nm的手机都不够看，更不要说树莓派开发板了。好在我们有PaddleLite，量化模型一转，能给模型瘦身，还能尽可能维持检测效果，最重要的是，转好的模型能放到树莓派上部署了。当然，这个阶段可能会遇到个问题，就是PaddleLite直接提供的目标检测demo不太多——一开始只有SSD。这回知道为什么前面最好能够“留一手”了吧，PaddleDetection能训练SSD模型，PaddleX暂时不行，把标签改改，在官方demo上微调一番，SSD安全帽检测模型就部署到树莓派上啦。

另一方面，树莓派小车也是要自己组装的~当然，时间来不及也可以买个成品，只是要错过不少动手的乐趣了。把树莓派小车装点一番，用户体验就很好了。

项目链接：

PaddleLite树莓派从0到1：安全帽检测小车部署（一）

https://aistudio.baidu.com/aistudio/projectdetail/1059610

第五步：初代机器人上线。现在流行一个词，迭代~所以赶紧先把零号机上架了再说。当然，零号机太简陋也不行~前面证明了树莓派上PaddleLite部署模型效果不错，现在就需要尽快把后处理做好，初代机器人就能报警、会截图，可以投入生产试运行，这样用户肯定满意！当然，还是要先学点C++、准备好报警灯、蜂鸣器的，后处理阶段也是个软硬件一体的过程啊。

项目链接：

巡检告警机器人上线！PaddleLite安全帽检测小车部署（二）

https://aistudio.baidu.com/aistudio/projectdetail/1209733

第六步：追求完美，YoloV3版小车上线。众所周知，YoloV3系列指标比SSD好看（除了速度），所以，把YoloV3部署到树莓派上，准确率不会更高嘛？还有，用PaddleX训练的模型直接部署可行吗？欢迎读者来体验一番。

项目链接：

部署PPDET训练的YoloV3模型：PaddleLite安全帽检测小车（三）

https://aistudio.baidu.com/aistudio/projectdetail/1292497

YoloV3检测模型在树莓派上的部署（PaddleX、PaddleLite）

https://aistudio.baidu.com/aistudio/projectdetail/1227445