AIGlasses_for_navigation环境配置：Docker+Supervisor+Nginx组合部署要点总结

1. 项目概述与核心价值

AIGlasses_for_navigation是一个基于YOLO分割模型的智能视觉系统，专门为视障人士导航辅助而设计。这个系统能够实时检测和分割图片、视频中的盲道和人行横道，为AI智能盲人眼镜提供核心的视觉感知能力。

核心功能特点：

• 实时目标检测与分割：支持图片和视频的即时处理
• 多场景适用：盲道检测、人行横道识别、无障碍设施巡检
• 高精度识别：基于YOLO分割模型，检测准确度高
• 易于扩展：支持多种预训练模型的快速切换

这个系统最初是为智能盲人眼镜设计的，但现在可以部署在任何支持Docker的环境中，为更多应用场景提供视觉感知能力。

2. 环境架构设计思路

2.1 为什么选择Docker+Supervisor+Nginx组合

这个技术栈组合不是随意选择的，而是经过实际验证的最佳实践：

Docker容器化：保证环境一致性，避免"在我机器上能跑"的问题。所有依赖包、系统库、Python环境都打包在镜像中，部署时一键搞定。

Supervisor进程管理：Web应用需要长时间稳定运行，Supervisor能监控进程状态，意外退出时自动重启，还能集中管理日志。

Nginx反向代理：处理静态文件更高效，提供SSL加密，负载均衡，还能缓存一些静态内容减轻应用压力。

2.2 整体架构流程图

用户请求 → Nginx(80/443端口) → Gunicorn(应用服务器) → Flask Web应用 → YOLO模型推理

这种分层架构让每个组件各司其职，系统更加稳定和可维护。

3. 详细部署步骤

3.1 基础环境准备

首先确保你的服务器有Docker环境，如果没有安装，可以用这个命令：

# Ubuntu/Debian系统安装Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo usermod -aG docker $USER

还需要安装Docker Compose：

sudo curl -L "https://github.com/docker/compose/releases/download/v2.24.5/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose

3.2 关键配置文件详解

Dockerfile核心配置：

FROM pytorch/pytorch:2.0.1-cuda11.7-cudnn8-runtime

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    libgl1-mesa-glx \
    libglib2.0-0 \
    nginx \
    supervisor \
    && rm -rf /var/lib/apt/lists/*

# 安装Python依赖
COPY requirements.txt .
RUN pip install -r requirements.txt

# 复制应用代码
COPY . /app
WORKDIR /app

# 暴露端口
EXPOSE 7860

Supervisor配置（/etc/supervisor/conf.d/aiglasses.conf）：

[program:aiglasses]
command=gunicorn -w 4 -b 0.0.0.0:7860 app:app
directory=/app
autostart=true
autorestart=true
stopwaitsecs=30
user=root
redirect_stderr=true
stdout_logfile=/var/log/supervisor/aiglasses.log

Nginx配置（/etc/nginx/sites-available/default）：

server {
    listen 80;
    server_name localhost;
    
    location / {
        proxy_pass http://127.0.0.1:7860;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
    
    # 静态文件缓存
    location /static {
        alias /app/static;
        expires 30d;
    }
}

3.3 一键部署脚本

创建一个部署脚本让安装更简单：

#!/bin/bash
# deploy.sh

echo "开始部署AIGlasses_for_navigation..."

# 构建Docker镜像
docker build -t aiglasses-nav .

# 创建数据卷用于持久化模型
docker volume create aiglasses-models

# 启动容器
docker run -d \
    --name aiglasses-container \
    -p 7860:7860 \
    -v aiglasses-models:/root/ai-models \
    --restart unless-stopped \
    aiglasses-nav

echo "部署完成！访问地址：http://服务器IP:7860"

4. 模型管理与切换实践

4.1 预置模型说明

系统内置了三个训练好的模型，适应不同应用场景：

盲道分割模型（yolo-seg.pt）：专门检测盲道和人行横道，是默认模型。

红绿灯检测模型（trafficlight.pt）：识别各种交通信号灯状态，包括绿灯通行、红灯停止、倒计时等。

商品识别模型（shoppingbest5.pt）：识别常见商品，如AD钙奶、红牛饮料等，适合购物辅助场景。

4.2 模型切换实操

切换模型很简单，只需要修改配置文件并重启服务：

# 首先备份原始配置
cp /opt/aiglasses/app.py /opt/aiglasses/app.py.backup

# 使用sed命令快速修改模型路径
sed -i 's|yolo-seg.pt|trafficlight.pt|g' /opt/aiglasses/app.py

# 重启服务生效
supervisorctl restart aiglasses

# 检查服务状态
supervisorctl status aiglasses

如果要切换回盲道分割模型，只需要把模型路径改回去：

# 修改/opt/aiglasses/app.py中的这行代码
MODEL_PATH = "/root/ai-models/archifancy/AIGlasses_for_navigation/yolo-seg.pt"

5. 运维监控与故障排查

5.1 服务状态监控

日常运维中这些命令很实用：

# 查看服务实时状态
supervisorctl status aiglasses

# 查看最近日志（最后100行）
tail -100 /var/log/supervisor/aiglasses.log

# 实时监控日志
tail -f /var/log/supervisor/aiglasses.log

# 检查GPU使用情况（确保模型在使用GPU）
nvidia-smi

5.2 常见问题解决

问题1：检测不到目标

• 检查图片中是否包含支持的目标类型
• 确认当前使用的模型是否正确
• 查看日志是否有错误信息

问题2：视频处理速度慢

• 检查GPU内存是否充足（需要至少4GB）
• 考虑降低视频分辨率或帧率
• 对于长视频，建议分段处理

问题3：服务无法访问

• 检查端口7860是否开放
• 确认Supervisor服务正常运行
• 查看Nginx配置是否正确

问题4：GPU内存不足

• 尝试减小模型输入尺寸
• 关闭其他占用GPU的程序
• 考虑使用CPU模式（但速度会慢很多）

6. 性能优化建议

6.1 GPU内存优化

如果遇到GPU内存不足的问题，可以尝试这些优化方法：

# 在app.py中添加这些配置
import torch

# 清空GPU缓存
torch.cuda.empty_cache()

# 使用半精度浮点数减少内存占用
model.half()

# 设置较小的批处理大小
batch_size = 4  # 根据实际情况调整

6.2 推理速度优化

对于实时性要求高的场景，可以这样优化速度：

# 使用TensorRT加速（如果环境支持）
import tensorrt as trt

# 减少输入图像尺寸
img_size = 640  # 原为1024，减小后速度更快但精度略降

# 启用CUDA图形加速
torch.backends.cudnn.benchmark = True

7. 总结与最佳实践

通过Docker+Supervisor+Nginx的组合部署AIGlasses_for_navigation系统，我们获得了一个稳定、可扩展、易维护的AI视觉应用环境。

部署要点回顾：

1. 环境一致性：Docker确保开发、测试、生产环境完全一致
2. 进程守护：Supervisor保证服务7×24小时稳定运行
3. 高效访问：Nginx提供高性能的反向代理和静态文件服务
4. 灵活扩展：支持多种模型的快速切换，适应不同场景需求

实践建议：

• 定期备份模型文件和配置文件
• 监控GPU内存使用情况，避免内存溢出
• 根据实际需求选择合适的模型和参数配置
• 保持系统和依赖包的定期更新

这种部署方案不仅适用于AIGlasses_for_navigation项目，也可以作为其他AI视觉项目的参考架构，具有良好的通用性和可移植性。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。