Flutter项目中Yolov7自定义训练TFLite模型运行报错求助

错误核心原因 #

java.lang.IllegalArgumentException的本质是模型期望的输入张量字节数与实际传入数据不匹配，通常是自定义训练的Yolov7模型的输入尺寸、通道数或数据类型，和Flutter插件默认配置的参数不一致导致的。

找不到TFLiteObjectDetectionAPIModel.java的解决路径 #

这个文件不在Flutter项目本地源码中，而是在你使用的TensorFlow Lite相关插件的Android依赖包里，具体定位分两种场景：

场景1：使用tflite插件 #

1. 用Android Studio打开你的Flutter项目，切换到Project视图（而非Android视图）
2. 展开External Libraries → Flutter Plugins → 找到tflite-xxx（xxx为插件版本号）
3. 依次进入android → src → main → java → com → github → tensorflow → tflite，即可找到TFLiteObjectDetectionAPIModel.java

场景2：使用google_mlkit_object_detection等MLKit类插件 #

这类插件无需修改上述Java文件，直接在Dart代码中配置输入参数即可。

修复字节不匹配错误 #

第一步：确认模型输入参数 #

先明确你自定义训练的Yolov7模型的核心输入配置：

• 输入尺寸：比如训练时采用的640x640、416x416
• 通道数：通常为RGB 3通道
• 数据类型：比如uint8或float32
• 预处理规则：是否需要归一化、通道顺序（RGB/BGR）

第二步：根据插件类型调整配置 #

针对tflite插件

打开找到的TFLiteObjectDetectionAPIModel.java，修改以下关键变量：

// 替换为你的模型输入尺寸
private static final int INPUT_SIZE = 640;
// 若模型用float32输入，调整为训练时对应的均值和标准差
private static final float IMAGE_MEAN = 0.0f;
private static final float IMAGE_STD = 1.0f;
// 检查数据类型匹配性，比如模型是uint8输入时，确保转换逻辑正确

修改完成后重新运行项目。

针对google_mlkit_object_detection插件

初始化ObjectDetector时，指定与模型一致的输入尺寸：

import 'package:google_mlkit_object_detection/google_mlkit_object_detection.dart';

final options = LocalObjectDetectorOptions(
  modelPath: 'assets/yolov7_custom.tflite',
  inputSize: const Size(640, 640), // 替换为你的模型输入尺寸
  threshold: 0.5, // 根据需求调整检测阈值
  numThreads: 2,
);
final objectDetector = ObjectDetector(options: options);

同时要保证图片预处理逻辑和训练时一致，比如将图片缩放到指定尺寸、保持通道顺序正确。

额外排查点 #

如果修改后仍报错，确认TFLite模型导出是否正确：导出时需保证输入张量形状与训练时一致（如[1, 640, 640, 3]），不要随意修改输入维度。

内容的提问来源于stack exchange，提问作者Chirag Mittal