[V851s] YOLOv5 v7.0 转 Acuity 6.6.1 深度解析：从 ONNX 崩溃到依赖地狱，以及三条出路的分析

lcsing0 LV 3

【环境配置】

开发主机：HP OMEN 9 (暗影精灵9)
主机系统：Ubuntu 22.04 (物理机)
主机显卡：
    NVIDIA GeForce RTX 4060 Laptop GPU (Device 28e0)
    Intel Corporation Device a788 (Intel 核显)
目标板卡：V851s
工具链版本：Acuity-Toolkit-Binary-6.6.1
Python 环境：Conda yolo5_retro (Python 3.8)

【项目背景】
正在部署开发板识别打火机的火的项目，基于 YOLOv5 v7.0 训练完成 best.pt，目标是在 V851s NPU 上部署。目前在将模型转换为 Acuity 可用的 .nb 格式时，遇到了新旧工具链不兼容的严重问题，陷入了“依赖地狱”。

【核心冲突】
Acuity 6.6.1（2020年代工具）的底层库要求极其老旧，与现代 YOLOv5（2024年代码）及 PyTorch 生态的依赖完全互斥，导致无法构建一个同时满足“Acuity能运行”和“YOLOv5能导出”的 Python 环境。

【详细排查过程与报错】

路线一：ONNX 导入（遇到死胡同）

模型导出操作：
使用 YOLOv5 v7.0 源码，执行：

python export.py --weights best.pt --include onnx --opset 9 --imgsz 640

 *结果*：成功生成 best.onnx，输入 [1, 3, 640, 640]。结构包含 onnx::Reshape_397, onnx::Sigmoid_440 等中间节点。

环境适配（痛苦过程）：
为了兼容 Acuity 6.6.1，我进行了强制降级：
    降级 numpy：pip install numpy==1.19.5 (Acuity 报错强制要求 < 1.20)
    降级 onnx：pip install onnx==1.10.0
    降级 protobuf：pip install protobuf==3.20.3 (解决 Descriptor 验证错误)
    源码修补：由于 NumPy 1.19.5 在新 onnx 库下存在 API 废弃，手动修改了 .../site-packages/onnx/mapping.py，将 np.object 改为 object 才勉强让 import 不报错。

Acuity 导入操作：

pegasus import onnx --model best.onnx --mean-values 0 0 0 0.00392156862745098 --scale 0.017 0.017 0.017 --quantized-input on

关键报错：
Acuity 在解析图结构时内部崩溃：

I Start importing onnx...
...
File "acuitylib/app/importer/import_onnx.py", line 109, in run
    TypeError: object of type 'NoneType' has no len()

 *个人推测*：Acuity 6.6 的旧版解析器无法正确处理 YOLOv5 v7 的某些特定节点，或者因版本不匹配导致图属性读取为 None。

路线二：TFLite 导入（遭遇依赖互斥）

环境冲突 A (NumPy vs Pandas)：
Acuity 要求 numpy < 1.20，但 YOLOv5 的 export.py 依赖 pandas，而新版本 pandas 拒绝在 numpy < 1.20.3 上运行。这导致导出脚本甚至启动不了。

环境冲突 B (TensorFlow 版本)：
临时升级 numpy 并尝试 tensorflow 2.13.1，结果导出失败。

TensorFlow SavedModel: export failure ❌ 1.0s: 'anchors'
TensorFlow Lite: export failure ❌ 0.0s: 'NoneType' object has no attribute 'call'
AttributeError: 'NoneType' object has no attribute 'outputs'

 *推测*：YOLOv5 v7.0 脚本逻辑未适配 TF 2.13（正准备尝试降级 TF 2.10 验证）。

【我的思考：三条可能的出路】

目前卡在 ONNX 解析崩溃上，我思考了三条路，不知哪条是正解：

方案一：寻找更新版本的 SDK / Acuity

思路：是否存在针对 V851s 的更新版 Tina SDK？其中是否内置了 Acuity 7.x 或更高版本？
顾虑：非常担心“生成端”和“运行端”不匹配。如果我用新版 Acuity 生成 .nb，放到现有的 V851S 系统（SDK 里的驱动）跑，会不会直接报错 Version mismatch？

方案二：降级 YOLOv5 版本（以退为进）

思路：放弃 v7.0，改用 2020-2021 年的 YOLOv5 v6.0。那个时代的 ONNX 格式和依赖库应该完美契合 Acuity 6.6。
代价：需要重新训练模型。
问题：如果不换 SDK，这是否是唯一可行的工程方案？

方案三：放弃 Acuity，换推理框架

思路：改用 NCNN 或 TFLite + CPU 运行。
顾虑：V851S 性能有限，如果失去 NPU 加速，CPU 跑 YOLO 可能帧率极低，无法满足实时检测需求。

【求助】
以上是目前遇到的所有问题。恳请全志的大佬或有经验的朋友指点：

我的 TypeError: object of type 'NoneType' has no len() 还有救吗？
V851s 是否有更新版 SDK 支持？如果没有，推荐我走哪条路？

卡在这一步很久了，万分感谢！！！！

awwwwa LV 8

Acuity-Toolkit-Binary-6.6.1 版本已经非常老了，建议更新下版本，社区目前有 Radxa 提供的 NPU 开发环境：https://docs.radxa.com/en/cubie/a5e/app-dev/npu-dev/cubie-acuity-sdk

doniyor_khalilov LV 5

此回复已被删除！