Skip to content

DOCKER.zh.md

Latest commit

 

History

History
211 lines (147 loc) · 4.48 KB

DOCKER.zh.md

File metadata and controls

211 lines (147 loc) · 4.48 KB
Raw

Docker 部署指南

🌐 语言: English | 中文 (Chinese)

本文档详细说明如何在 NVIDIA Jetson 设备上使用 Docker 部署 Industrial Security Demo。

前置条件

  • NVIDIA Jetson 设备（Orin NX / Orin Nano）
  • JetPack 6.x（Ubuntu 22.04）
  • Docker Engine 已安装（可使用 install-docker-jetson.sh 脚本）
  • NVIDIA Container Runtime 已配置

快速开始

1. 构建镜像

cd Industrial-security-demo
docker build --network=host -t industrial-security-demo:latest .

注意：使用 --network=host 确保构建过程中能下载依赖。

2. 运行容器

docker compose up -d

3. 访问 Web 面板

浏览器打开：http://<Jetson-IP>:8080

4. 查看日志

docker compose logs -f

配置说明

摄像头设备

默认情况下，容器不挂载摄像头设备。如需使用 USB 摄像头，编辑 docker-compose.yml：

devices:
  # 取消注释以下行
  - /dev/video0:/dev/video0

RTSP 摄像头

如果使用 RTSP 网络摄像头，无需修改设备映射，只需在 config/demo_config.json 中配置 RTSP URL：

{
  "camera": {
    "source": "rtsp://admin:@192.168.3.10/Streaming/Channels/101",
    "use_gstreamer": true
  }
}

自定义配置

配置文件通过 volume 挂载到容器内，修改宿主机上的 config/demo_config.json 后重启容器即可生效：

docker compose restart

TensorRT GPU 加速

容器通过 bind-mount 方式使用宿主机的 TensorRT/CUDA 库，无需在镜像内安装完整 CUDA Toolkit。

挂载的库

  • /usr/local/cuda - CUDA Toolkit
  • /usr/lib/tensorrt - TensorRT 库
  • /usr/lib/python3/dist-packages/tensorrt* - TensorRT Python 绑定
  • /dev/nvidia* - NVIDIA GPU 设备

验证 GPU 加速

查看容器日志，应显示：

[TRT] Loading engine from /app/models/yolo26n_fp16.engine...
✅ YOLO TensorRT ready (e2e head, 640px)

如果显示 Using OpenCV DNN CPU fallback，说明 TensorRT 未正确加载。

离线部署

导出镜像

bash scripts/docker-export.sh industrial-security-demo:latest ./industrial-security-demo.tar.gz

导入镜像

gunzip -c industrial-security-demo.tar.gz | docker load

故障排查

TensorRT 初始化失败

症状：日志显示 TensorRT init failed, falling back to OpenCV DNN CPU

解决方案：

  1. 确认 JetPack 6.x 已正确安装
  2. 检查 TensorRT Python 绑定路径是否正确： 
    ls -la /usr/lib/python3/dist-packages/tensorrt*
  3. 如果路径不同，修改 docker-compose.yml 中的 volume 映射

设备文件不存在

症状：容器启动失败，提示 /dev/nvidia0: no such file or directory

解决方案：

  1. 确认 NVIDIA 驱动已加载： 
    ls -la /dev/nvidia*
  2. 如果没有设备文件，加载内核模块： 
    sudo modprobe nvidia

摄像头无法访问

症状：无法打开视频源

解决方案：

  1. 确认摄像头设备存在： 
    ls -la /dev/video*
  2. 在 docker-compose.yml 中取消注释对应的设备映射
  3. 如果是 RTSP 摄像头，检查网络连接

端口冲突

症状：Address already in use

解决方案：

  1. 检查端口占用： 
    ss -ltnp | grep 8080
  2. 修改 docker-compose.yml 中的端口映射： 
    ports:
  - "8081:8080"  # 将容器 8080 映射到宿主机 8081

性能优化

使用硬件解码

确保 config/demo_config.json 中：

{
  "camera": {
    "use_gstreamer": true
  }
}

调整推理间隔

如果帧率过高，可以增加推理间隔：

{
  "detector": {
    "infer_interval": 2  # 每 2 帧推理一次
  }
}

安全注意事项

  1. 不要在生产环境暴露 Web 端口到公网
  2. 如需外部访问，配置防火墙： 
    sudo ufw allow from 192.168.1.0/24 to any port 8080
  3. 考虑添加反向代理和 HTTPS

与 SenseCraft Solution 集成

此项目可以作为 SenseCraft Solution 平台的一个方案集成。参考 app_collaboration 项目中的 integrate-jetson-solution skill 自动生成方案配置。

集成步骤

  1. 在 solutions/ 目录下创建新方案
  2. 使用 docker_remote 部署器类型
  3. 配置 docker-compose.yml 作为部署文件
  4. 编写方案描述和部署指南

详细参考：app_collaboration/.claude/skills/integrate-jetson-solution/SKILL.md