使用Rust的OpenCV绑定加载YOLOv8 ONNX模型失败求助

系统信息 #

OpenCV version: 4.6.0
Operating System: ubuntu 20.04
GCC version: 9.4.0
Rust Binding Version: 0.86.1

错误详情 #

使用readNetFromONNX加载YOLOv8 ONNX模型时触发以下错误：

msg: Error { code: -204, message: "OpenCV(4.2.0) ../modules/dnn/include/opencv2/dnn/dnn.inl.hpp:349: error: (-204:Requested object was not found) Required argument \"split\" not found into dictionary in function 'get'\n" }

补充说明：代码基于OpenCV Rust绑定编写，但错误来自C++头文件；已尝试过ONNX Runtime。

复现代码 #

use opencv::dnn;

let onnx_path = "/home/Projects/rust-inference-onnx/model.onnx";

let model: dnn::Net = dnn::read_net_from_onnx(onnx_path).expect("Unable to load model");

1. 修复OpenCV版本不一致问题 #

错误提示显示的是OpenCV 4.2.0，但你系统安装的是4.6.0，说明Rust绑定链接到了旧版本的OpenCV库。需要确保绑定编译时使用正确版本：

• 卸载系统中残留的旧版OpenCV（如果存在）
• 重新编译Rust opencv crate，指定系统中4.6.0的OpenCV路径：

  OPENCV_PREFIX=/usr/local cargo build
  

  （若OpenCV安装在默认路径，可省略OPENCV_PREFIX，显式指定能避免链接错误）

2. 重新导出兼容的YOLOv8 ONNX模型 #

OpenCV DNN对YOLOv8的支持依赖模型导出时的opset版本，建议用opset 12或更低版本导出，同时开启模型简化：
在YOLOv8的Python环境中执行：

from ultralytics import YOLO

model = YOLO("yolov8n.pt")
model.export(format="onnx", opset=12, simplify=True)

3. 显式设置模型输入参数 #

加载模型后手动指定输入形状和预处理参数，避免自动推断时的错误：

use opencv::dnn;

let onnx_path = "/home/Projects/rust-inference-onnx/model.onnx";
let mut model = dnn::read_net_from_onnx(onnx_path).expect("Unable to load model");

// 根据你的模型尺寸设置输入形状（示例为640x640）
model.set_input_shape(0, &[1, 3, 640, 640]).unwrap();
// 设置输入归一化参数
model.set_input_scale(0, 1.0 / 255.0).unwrap();
model.set_input_mean(0, &[0.0, 0.0, 0.0]).unwrap();
model.set_input_swap_rb(0, true).unwrap();

4. 改用ONNX Runtime Rust绑定（备选方案） #

如果OpenCV DNN仍无法解决问题，使用ONNX Runtime的Rust绑定兼容性更稳定，示例代码：

use onnxruntime::{environment::Environment, GraphOptimizationLevel, Session};

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let env = Environment::builder()
        .with_name("yolov8_inference")
        .build()?;

    let session = Session::builder()?
        .with_optimization_level(GraphOptimizationLevel::Basic)?
        .with_number_threads(4)?
        .load_model("/home/Projects/rust-inference-onnx/model.onnx")?;

    // 后续可添加输入预处理、推理、输出解析逻辑
    Ok(())
}

内容的提问来源于stack exchange，提问作者Nawin Raj Kumar S