Android（Termux）部署 NCNN + YOLOv8 完整教程

目标：

• Android 手机
• 手机安装Termux 环境
• 编译 NCNN
• 下载 YOLOv8 NCNN 模型
• 本地图片目标检测
• 输出识别结果图片

最终效果：

./yolov8 ~/images/bus.jpg

输出：

5 = 0.87811 at ...
0 = 0.86568 at ...
0 = 0.85022 at ...

并生成：

image.png

---

一、安装并更新 Termux 环境

先准备一个不用的安卓手机，比如作者用的是2019年的vivo手机，参考《 手机安装Termux 环境》教程安卓Termux。

更新软件包：

pkg update -y
pkg upgrade -y

安装基础依赖：

pkg install -y \
python \
git \
wget \
curl \
clang \
cmake \
make \
ffmpeg \
tur-repo

检查 Python：

python --version

输出类似：

Python 3.12.x

---

二、开启手机存储权限

执行：

termux-setup-storage

手机会弹出：

允许 Termux 访问文件

点击：

允许

检查是否成功：

ls ~/storage

正常会出现：

downloads
dcim
shared
movies
pictures

---

三、创建工作目录

进入共享目录：

cd ~/storage/shared

创建目录：

mkdir -p AI/models
mkdir -p AI/images
mkdir -p AI/output

进入：

cd AI

目录结构：

AI
├── models
├── images
└── output

---

四、安装 Python 基础依赖

安装常用库：

pkg install -y \
python-numpy \
python-pillow

验证：

进入 Python：

python

输入：

import numpy
from PIL import Image

print("OK")

输出：
OK

退出：

exit()

说明：

本教程使用 NCNN 的 C++ 示例程序：

• 不需要 OpenCV
• 不需要 onnxruntime
• 不需要 PyTorch

---

五、下载 NCNN

进入工作目录：

cd ~/storage/shared/AI

下载源码：

git clone --depth=1 https://github.com/Tencent/ncnn.git

进入目录：

cd ncnn

创建编译目录：

mkdir build
cd build

---

六、编译 NCNN

执行：

cmake .. \
-DCMAKE_BUILD_TYPE=Release \
-DNCNN_BUILD_TOOLS=ON \
-DNCNN_BUILD_EXAMPLES=ON \
-DNCNN_SIMPLEOCV=ON \
-DNCNN_VULKAN=OFF

编译：

make -j4

如果只编译 YOLO 示例：

make yolov8 -j4

说明：

参数解释：

参数	作用
Release	发布模式
BUILD_TOOLS	编译工具
BUILD_EXAMPLES	编译示例
SIMPLEOCV	启用简化图像处理
VULKAN=OFF	关闭 GPU（手机更稳定）

编译时间：

5~15分钟

成功后：

build/examples/yolov8

---

七、整理目录

移动 NCNN：

cd ~

mv ~/storage/shared/AI/ncnn ~/

进入：

cd ~/ncnn/build/examples

增加执行权限：

chmod +x yolov8

---

八、下载 YOLOv8 NCNN 模型

创建模型目录：

mkdir -p ~/models

cd ~/models

下载：

curl -L \
https://github.com/nihui/ncnn-assets/raw/master/models/yolov8n.ncnn.param \
-o yolov8n.ncnn.param

curl -L \
https://github.com/nihui/ncnn-assets/raw/master/models/yolov8n.ncnn.bin \
-o yolov8n.ncnn.bin

复制模型：

cp ~/models/yolov8n.ncnn.* \
~/ncnn/build/examples/

检查：

ls

应看到：

yolov8n.ncnn.param
yolov8n.ncnn.bin

---

九、下载测试图片

创建目录：

mkdir -p ~/images

进入：

cd ~/images

下载：

wget \
https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg

检查：

ls

输出：

bus.jpg

十、运行 YOLOv8 检测

进入：

cd ~/ncnn/build/examples

执行：

./yolov8 ~/images/bus.jpg

输出示例：

5 = 0.87811 at 21.91 231.54 783.44 x 525.12

0 = 0.86568 at 48.45 398.48 196.56 x 504.25

0 = 0.85022 at 669.94 391.97 139.06 x ...

格式：

类别ID = 置信度 at x y w h

说明：

ID	类别
0	person
2	car
5	bus
7	truck

---

十一、查看检测结果

当前目录会自动生成：

image.png

查看：

ls -lh image.png

复制到手机相册：

cp image.png ~/storage/shared/AI/output/

然后打开：

文件管理
→ Internal Storage
→ AI
→ output

即可查看结果图。

---

十二、常见问题

1）提示：

Permission denied

执行：

chmod +x yolov8

---

2）提示：

cannot find xxx.ncnn.param

检查：

ls

确认：

yolov8n.ncnn.param
yolov8n.ncnn.bin

存在。

---

3）编译失败：

降低并行线程：

make -j2

甚至：

make -j1

手机内存不足容易出现此问题。

---

4）检测速度太慢

默认：

CPU推理

可开启 Vulkan：

修改：

-DNCNN_VULKAN=ON

重新编译：

make -j4

注意：

部分手机 GPU 驱动兼容性较差。

---

十三、后续可扩展

可进一步增加：

• 摄像头实时识别
• 视频流检测
• CCTV RTSP 接入
• YOLO11
• YOLO-Seg
• YOLO-Pose
• OCR
• RK3588边缘部署
• NCNN + Vulkan GPU加速
• OpenClaw Agent 接入
• 多路视频检测

推荐下一步：

手机摄像头 → YOLO实时检测 → WebSocket → SpringBoot告警系统

架构：

Camera
   ↓
YOLO(NCNN)
   ↓
事件JSON
   ↓
WebSocket/MQTT
   ↓
SpringBoot
   ↓
告警中心

适合后续做边缘 AI 实战。