关于我为啥捣鼓这玩意

这是我的废话...不想看的直接上拉跳过看下个标题

• 先声明下，本人没有系统地学习过JAVA或者C++
• 我个人觉得学习东西，不要直接就去看那些所谓的教程，现在AI这么发达，完全可以直接问
• 所以，当我产生了开发Autojs插件的想法的时候，我第一时间不是去学JAVA基础，而是直接去看插件开发流程
• 因为有其它语言基础，至少Java一些共通点还是懂得，不懂的时候直接问AI，java的各种代码都是Ai给我写的，我只需要知道每一块代码的作用，并把它们拼接起来
• 于是在AI的帮助下，我成功开发出Autojs的插件了，虽然让我直接写java，可能即使是一个toast我都写不出来，但是至少在阅读或者修改源码方面是无障碍了，而这就足够了
• 在前天，我成功把Autojs的YoloV8插件开发出来了，各种功能都符合预想，但是yolov8训练出来的pt模型导出麻烦，比如修改代码文件后先导出onnx，再用pnnx工具将onnx导出ncnn才能使用
  
  
• yolov8目前是自带一键将pt导出ncnn的，但是用在我上面的插件上却不行，而ncnn提供了最新的yolov8.cpp代码，这个是适配一键导出的模型的
• 那么问题就来了....我不会C++
• 此时我有两个选择，
  • 凑合用吧，也就导出模型麻烦，至少能用不是吗？
  • 继续造，C++而已，干他
    我选择了后者，给我自己一天时间，不行就放弃。
• 于是我就思考可行的方案，一种是在现有的代码框架上修改源码，一一比对，看看到底差在哪里了，结果浪费了半天都没比对出个啥，一改就是各种报错，放弃了，毕竟对我来说还是个全新的语言，全文都没看懂怎么改
• 换了一种方案：不去研究代码的实现，去研究如何如何调用，到时候把原有的cpp相关的都删掉，自己再重新调用就好了
• 通过从java层的函数进行调用溯源追踪，一步一步追加到了C++，我明白了整个流程。
• 但是过程没那么顺利，老是有红字报错，差点给他搞奔溃了，AI也没问出个所以然，各种排查问题，交叉编译是真的让人头疼
• 当然，既然你看到了这篇文章，那就说明我最后还是成功了~

效果图示

这是由纯yolov8自带的ncnn一键导出的模型推理的结果。

配置 CMake 路径

在 build.gradle 文件的 android 节点下配置 CMake 路径。CMake 是用于构建本地代码的工具，通过它可以在 Android 应用中集成 C++ 代码。

android {
    ...
    externalNativeBuild {
        cmake {
            version "3.22.1" // 指定CMake版本
            path file('src/main/jni/CMakeLists.txt') // CMakeLists.txt文件的位置
        }
    }
}

配置 CMakeLists.txt

CMakeLists.txt 是 CMake 的配置文件，用于定义项目构建的各种规则和选项。在这个文件中，你需要指定使用的 C++ 标准、库文件、以及与 Java 层的接口函数。

# 设置CMake的最低版本
cmake_minimum_required(VERSION 3.22.1)

# 定义项目名称和使用的语言
project(yolov8ncnn LANGUAGES CXX)

# 设置C++标准
set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 添加源文件并生成共享库
add_library(yolov8ncnn SHARED yolov8ncnn.cpp)

# 链接必要的库
find_library(log-lib log) # 查找log库，用于日志输出
target_link_libraries(yolov8ncnn ${log-lib} ncnn) # 链接ncnn库和log库

实现接口层 (yolov8ncnn.cpp)

在 C++ 文件中，编写 JNI 接口函数，该函数将暴露给 Java 层使用。需要用 extern "C" 来防止函数名被 C++ 编译器修改（名字修饰）。

#include <jni.h>
#include <vector>
#include <opencv2/opencv.hpp> // OpenCV库
#include "ncnn/include/net.h" // ncnn库
#include "yolov8ncnn.h" // 引入声明函数和数据结构

// 编写具体的 YOLOv8 检测逻辑
int detect_yolov8(const cv::Mat& bgr, std::vector<Object>& objects) {
    // 实现检测逻辑，例如利用ncnn库进行YOLOv8推理
    // 1. 创建ncnn::Net对象
    // 2. 加载YOLOv8模型
    // 3. 执行检测并解析输出

    return 0; // 假设0表示成功
}

// JNI 接口函数定义
extern "C" {
    JNIEXPORT jint JNICALL Java_com_daowuya_ajyolov8_NCNN_detectYolov8(JNIEnv* env, jobject thiz, jobject bitmap) {
        // 从Bitmap转换为OpenCV的Mat对象
        cv::Mat bgr; // 这里需要完成Bitmap到Mat的转换
        std::vector<Object> objects;

        // 调用本地检测函数
        int result = detect_yolov8(bgr, objects);

        // 检测完成后，可以将检测结果返回给Java层

        return result; // 返回检测结果
    }
}

声明接口层函数 (yolov8ncnn.h)

声明本地函数接口，以便清晰地分离接口层和具体实现。

// 声明你需要的对象结构体
struct Object {
    cv::Rect_<float> rect;
    int label;
    float prob;
};
int detect_yolov8(const cv::Mat& bgr, std::vector<Object>& objects);

Java 对接层 (com.daowuya.ajyolov8.NCNN)

在 Java 层中，使用 System.loadLibrary 加载本地库，并调用 JNI 接口函数。你需要在 Java 类中声明一个 native 方法，这个方法名必须与 C++ 代码中的 JNI 函数名相对应。

package com.daowuya.ajyolov8;

public class NCNN {
    // 加载本地库
    static {
        System.loadLibrary("yolov8ncnn");
    }

    // 声明一个native方法，用于调用C++中的检测函数
    public native int detectYolov8(Bitmap bitmap);

    // 可以实现一个Java方法来调用native方法并处理结果
    public void runDetection(Bitmap bitmap) {
        int result = detectYolov8(bitmap);
        // 根据result做进一步处理，例如显示检测结果
    }
}

结语

• 本文仅仅是笔主为了记录学习历程、分享技术而作。
• 如果你是C++大佬，本文中如果有不对的地方欢迎留言指正！