RDK X5YOLO11训练得到bin模型后在网页显示报错

问题分析

从日志看，核心问题是 example-3 进程段错误崩溃（exit code -11），导致 WebSocket 收不到 AI 数据。

常见原因：

1. 模型 bin 文件与配置文件不匹配
2. 模型输入尺寸/格式与配置文件不一致
3. 模型版本与 HorizonRT 不兼容

---

排查步骤

1. 检查配置文件关键字段

请确认你的 yolo11workconfig.json 中以下字段：

{
  "model_file": "/path/to/your/model.bin",
  "model_input_type": "nv12",  // 必须与相机输出一致
  "input_width": 640,          // 必须与模型训练输入一致
  "input_height": 480,         // 必须与模型训练输入一致
  "model_type": "yolo",        // YOLO11 应设为 yolo
  "label_file": "/path/to/labels.txt"
}

关键检查点：

• input_width/height 是否与你训练时的输入尺寸一致？（YOLO11 默认通常是 640x640）
• model_file 路径是否正确？

2. 验证模型文件

# 检查 bin 文件是否存在且可读
ls -lh /home/sunrise/yiqiang_ws/src/origincar/models/your_model.bin

# 查看模型信息（如果有 hb_model_check 工具）
hb_model_check --model /path/to/your/model.bin

3. 查看完整错误堆栈

段错误的具体原因需要看 core dump 或更详细的日志：

# 启用核心转储
ulimit -c unlimited

# 重新运行，查看是否有更多错误信息
ros2 launch origincar_bringup usb_websocket_display.launch.py \
  dnn_example_config_file:=/home/sunrise/yiqiang_ws/src/origincar/models/yolo11workconfig.json \
  --log-level debug

4. 检查模型转换流程

YOLO11 模型转换到 bin 的正确流程：

# 1. ONNX 导出（确保 opset 版本兼容）
python export.py --model yolov11n.pt --imgsz 640 --format onnx --opset 11

# 2. HB 工具转换
hb_mapper --model-type yolo --model your_model.onnx --output-dir output/

---

社区资源

让我搜索一下社区中是否有类似的 YOLO11 部署问题：

问题分析与解决方案

根据你的报错日志，这是典型的 YOLO11 模型在 RDK X5 上部署崩溃问题（exit code -11）。结合社区已有案例，问题核心在于：

核心原因

1. 模型输出格式不匹配 - YOLO11 的 ONNX 导出格式与 TROS 的 dnn_example_node 期望格式不一致
2. Parser 配置错误 - YOLO11 应该使用 yolov8 parser，但输出头数量或顺序可能不对
3. 量化校准数据问题 - 如果做了双重归一化，会导致模型输出崩塌

---

解决步骤

步骤 1：检查模型输出格式

首先在板子上验证你的 bin 模型输出：

# 在 RDK X5 上运行
python3 << 'EOF'
from hobot_dnn import pyeasy_dnn as dnn
import numpy as np

models = dnn.load('/home/sunrise/yiqiang_ws/src/origincar/models/yolo11n.bin')
model = models[0]

print(f"Model inputs: {len(model.inputs)}")
print(f"Model outputs: {len(model.outputs)}")

for i, out in enumerate(model.outputs):
    p = out.properties
    print(f"Output[{i}]: shape={p.shape}, layout={p.layout}, type={p.dtype}")
EOF

期望输出（与官方模型一致）：

Output[0]: shape=(1, 64, 80, 80), layout=NCHW  # bbox_P3
Output[1]: shape=(1, 1, 80, 80), layout=NCHW   # cls_P3 (如果是单类别)
Output[2]: shape=(1, 64, 40, 40), layout=NCHW  # bbox_P4
Output[3]: shape=(1, 1, 40, 40), layout=NCHW   # cls_P4
Output[4]: shape=(1, 64, 20, 20), layout=NCHW  # bbox_P5
Output[5]: shape=(1, 1, 20, 20), layout=NCHW   # cls_P5

如果你的输出是 NHWC 格式 或 数量不是 6 个，说明导出有问题。

---

步骤 2：检查配置文件

查看你的 yolo11workconfig.json：

{
  "model_file": "yolo11n.bin",
  "dnn_Parser": "yolov8",
  "model_output_count": 6,
  "reg_max": 16,
  "class_num": 1,
  "cls_names_list": "config/fire.list",
  "strides": [8, 16, 32],
  "score_threshold": 0.25,
  "nms_threshold": 0.7,
  "nms_top_k": 300
}

关键检查点：

• dnn_Parser 必须是 "yolov8"（YOLO11/12/13 都用这个）
• model_output_count 必须是 6
• class_num 要和你的模型类别数一致

---

步骤 3：验证校准数据（如果量化有问题）

如果你是自己量化的模型，检查校准数据是否做了双重归一化：

# 验证校准数据
import numpy as np
import os

cal_file = "./calibration_f32/000000.f32"
data = np.fromfile(cal_file, dtype=np.float32).reshape(3, 640, 640)

print(f"Min: {data.min():.1f} (应该是 ~0)")
print(f"Max: {data.max():.1f} (应该是 ~255)")

if data.max() < 2.0:
    print(" 错误：校准数据被归一化到 0~1 了！")
    print("BPU 的 scale_value 会自动做 /255，校准数据必须是 0~255 范围")

---

步骤 4：使用官方参考模型对比

参考社区的完整教程：【保姆级教程】YOLO 自定义模型在 RDK X5 上的完整部署

关键导出代码（确保 NCHW 格式）：

# export_for_rdkx5.py
import torch
import types
from ultralytics import YOLO

model = YOLO("best.pt")
head = model.model.model[-1]

# 关键：6 输出，保持 NCHW，不做 permute
def new_forward(self, x):
    result = []
    for i in range(self.nl):
        bbox = self.cv2[i](x[i])  # (B, 64, H, W)
        cls = self.cv3[i](x[i])   # (B, nc, H, W)
        result.append(bbox)
        result.append(cls)
    return result

head.forward = types.MethodType(new_forward, head)

dummy = torch.randn(1, 3, 640, 640)
torch.onnx.export(
    model.model, dummy, "yolo11n.onnx",
    input_names=['images'],
    output_names=['bbox_P3', 'cls_P3', 'bbox_P4', 'cls_P4', 'bbox_P5', 'cls_P5'],
    opset_version=11,
    do_constant_folding=True,
)

---

步骤 5：临时排查方案

如果还是崩溃，先用官方模型测试 TROS 是否正常：

# 使用板子自带的模型测试
ros2 launch dnn_node_example dnn_node_example.launch.py

如果官方模型能跑，说明是你的模型格式问题；如果官方模型也崩溃，说明系统环境问题。

---

需要补充的信息

为了更精准定位问题，请提供：

1. 模型输出信息（步骤 1 的运行结果）
2. 系统版本：运行 sudo rdkos_info
3. 量化配置 yaml（如果是自己量化的）
4. ONNX 模型结构：运行 python3 -c "import onnx; m=onnx.load('your.onnx'); print([(n.name, n.op_type) for n in m.graph.node if 'Softmax' in n.op_type])"

---

相关资源

• YOLO11 完整部署教程（含踩坑记录）
• YOLO11n exit code -11 案例
• RDK X5 系统版本 3.2.3 更新说明

建议先执行步骤 1，把模型输出信息贴出来，可以更快定位问题。