2024年，吹了个大牛。

当时，一位老朋友找到我，说手头有个无人机巡检项目，想问问我该怎么实现。我想都没想就说：“这有啥难的？现在 AI 图像识别算法这么成熟，获取无人机拍摄的图片，识别一下，再上报结果，不就搞定了嘛。”

朋友一听，便说：“那行啊，能不能先做个 demo 给客户演示演示？要是合同签下来了，咱们一起分钱。” 我琢磨着，人生不能只靠死工资，有机会拓展拓展其他赚钱渠道也挺好，就答应了下来。

于是，我们一边和客户沟通交流，深入了解他们的需求，一边利用业余时间研究如何读取无人机拍摄的视频，以及怎样训练模型等一系列功能。

很多事情想起来好像很简单，但真正深入后才发觉坑有点深。

本来以为一周就能搞定的事，结果浪费了我一整个月。（好在当时正值过年放假，时间相对充裕些。）

简单说说其中的波折吧：

先说视频编解码，需要用到ffmpeg库。

我头一回接触这个库，上手难度着实不小，它的接口设计不太友好。印象特别深刻的是，我在找官方例程的时候，发现官方推荐了一个中国人写的文档：

https://leixiaohua1020.github.io/#ffmpeg-development-examples

我点进这个国人的 github 一看，大部分内容都是 9 年前写的，使用的 API 都有些陈旧了。我就很纳闷，为啥作者不更新呢？后来一查才知道，原来作者因工作过度劳累，已经去世了。那一刻我才深刻意识到，搞视频编解码研究的人，真的太不容易了。

从这个故事 ，你可以感受到调试和集成ffmpeg这个库，得耗费多少脑细胞了吧？

再讲讲 AI 图像识别这一块。当下最热门的特征识别算法当属 yolo 了，我几年前用的时候还是 yolo5，如今都已经发展到 yolo11 了，能一直保持热度，肯定有它的过人之处。一开始，我以为只需要识别一个分类就行，跟客户深入沟通后才知道，他们要求识别近 100 个分类，而且可用的素材还严重不足。更麻烦的是，很多分类的特征并不明显，人眼都难以分辨，更何况是机器呢。但既然已经答应了人家，只能硬着头皮上，怎么着也得先展示一下自己的实力。图片不够，我就到网上去找，先挑最简单的几个分类进行训练，能演示个大概就行。

训练这关好不容易过了，又遇到了部署这个难题。客户要求把程序放在搭载 rk3588 芯片的 AI 盒子里运行。这就意味着得把模型从 torch 格式转成 onnx 格式，再转成 rknn 格式，整个过程别提多折腾了。

好在，经过近一个月的艰苦折腾，今天程序总算基本成型了。虽说距离成为成熟的产品还有很大一段距离，但好歹没有半途而废，该实现的功能都实现了。

这件事也算是暂时告一段落，我可以先把它放下，去忙其他事儿了。毕竟今年还有一大堆事等着我去做，还有好多计划等着我去实现呢。