树莓派3B+基于Python3实现TFlite口罩识别触发TypeError问题求解

• 核心错误是TFLite预测结果的取值逻辑错误，导致后续迭代时pred为单个浮点值，无法解包为mask和withoutMask两个变量。
  原来的Keras模型predict返回的是形状为(人脸数量, 2)的数组，每个元素对应单个人脸的「戴口罩概率、未戴口罩概率」。但你的代码中获取TFLite输出时加了[0]，直接取出了第一个人脸的预测结果（形状为(2,)的数组），并将其赋值给preds变量。
  后续执行for (box, pred) in zip(locs, preds)时，会把长度为2的预测数组拆成两个单独的浮点值迭代，第一次循环的pred就是单个float32类型的概率值，尝试解包为两个变量就触发了报错。
• 次要问题：代码中存在未定义的变量sw2Press，运行到对应逻辑会触发新的报错；detect_and_predict_mask函数中每次调用都执行interpreter.allocate_tensors()属于冗余操作，会拖慢树莓派上的运行效率；检测到人脸后执行time.sleep(2)甚至直接sys.exit()，会导致程序卡住或直接退出。

1. 修正TFLite输出获取逻辑
   找到detect_and_predict_mask函数中的以下代码：

preds = interpreter.tensor(interpreter.get_output_details()[0]["index"])()[0]

删除末尾的[0]，修改为：

preds = interpreter.tensor(interpreter.get_output_details()[0]["index"])()

2. 优化TFLite初始化逻辑
   把interpreter.allocate_tensors()从detect_and_predict_mask函数中移出，放在模型加载的位置只初始化一次：
   找到加载TFLite模型的代码段：

#maskNet = load_model("facemask_model.model")
interpreter = tf.lite.Interpreter("facemask_model.tflite")

修改为：

#maskNet = load_model("facemask_model.model")
interpreter = tf.lite.Interpreter("facemask_model.tflite")
interpreter.allocate_tensors() # 移到此处，仅初始化一次

之后删除detect_and_predict_mask函数里的interpreter.allocate_tensors()行即可。

3. 修复冗余/错误逻辑

• 代码中sys.exit() if sw2Press else buzzer.off()行的sw2Press未定义，如果不需要按钮退出功能直接删除该行即可，需要的话先补充对应按钮的初始化代码。
• 检测到人脸后的time.sleep(2)会阻塞视频流处理，不需要可以直接删除。
• 逻辑行buzzer.beep(0.1, 0.1, 1) if mask > withoutMask else led.off()的else分支逻辑错误，不需要LED操作的话可以改成else buzzer.off()。

内容的提问来源于stack exchange，提问作者sya