זיהוי אובייקט פטל פטל: 7 שלבים

2024 מְחַבֵּר: John Day | [email protected]. שונה לאחרונה: 2024-01-30 09:13

מדריך זה מספק הוראות שלב אחר שלב כיצד להגדיר את ממשק ה- API לזיהוי אובייקטים של TensorFlow ב- Raspberry Pi. על ידי ביצוע השלבים במדריך זה, תוכל להשתמש ב- Raspberry Pi שלך כדי לבצע זיהוי אובייקטים בווידאו חי מתוך מצלמת Picamera או מצלמת רשת USB. למידת מכונה ידנית אינה נדרשת כפי שהיא משמשת במסד הנתונים המקוון לגילוי אובייקטים. אתה יכול לזהות את רוב האובייקטים הנמצאים בשימוש נפוץ ברחבי העולם.

אנא עיין בתמונה שלי למעלה, השתמשנו בעכבר, אפל ומספריים וזיהינו את האובייקט בצורה מושלמת.

המדריך עובר את השלבים הבאים:

עדכן את ה- Raspberry Pi

התקן את TensorFlow התקן את OpenCV

הידור והתקן את Protobuf

הגדר את מבנה הספרייה TensorFlow

לזהות אובייקטים

שלב 1: עדכן את Raspberry Pi

צריך לעדכן את ה- Raspberry Pi שלך

שלב 1:

הקלד את מסוף הפקודה, עדכון sudo apt-get

ואז הקלד

sudo apt-get dist-upgrade

זה עלול לקחת הרבה זמן תלוי באינטרנט שלך ופי פטל

זה כל מה שאתה צריך, סיימת לעדכן את פאי הפטל שלך

שלב 2: התקן את TensorFlow

כעת, אנו הולכים להתקין את Tensorflow.

הקלד את הפקודה הבאה, pip3 התקן את TensorFlow

TensorFlow זקוק גם לחבילת LibAtlas, הקלד את הפקודה הבאה

sudo apt-get install libatlas-base-dev

והקלד גם את הפקודה הבאה, sudo pip3 להתקין כרית lxml jupyter matplotlib cythonsudo apt-get להתקין python-tk

כעת, סיימנו את התקנת Tensorflow.

שלב 3: התקן את OpenCV

כעת אנו עובדים על התקנת ספריית OpenCV מכיוון שדוגמאות זיהוי האובייקטים של TensorFlow משתמשות ב- matplotlib להצגת תמונות, אך אני בוחר לתרגל OpenCV מכיוון שקל יותר לעבוד איתה ופחות שגיאות. לכן, עלינו להתקין את OpenCV. כעת OpenCV אינו תומך ב- RPI, לכן אנו הולכים להתקין גרסה ישנה יותר.

כעת אנו עובדים על התקנת כמה תלות שצריך להתקין באמצעות apt-get

sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

sudo apt-get install libxvidcore-dev libx264-dev

sudo apt-get install qt4-dev-tools libatlas-base-dev

לבסוף, כעת נוכל להתקין את OpenCV על ידי הקלדה, pip3 התקן opencv-python == 3.4.6.27

זה הכל, התקנו כעת את OpenCV

שלב 4: התקן את Protobuf

ממשק ה- API לזיהוי אובייקטים של TensorFlow משתמש ב- Protobuf, חבילה המתאימה לפורמט הנתונים של פרוטוקול מאגר הפרוטוקול של Google. אתה צריך לאסוף מהמקור, עכשיו אתה יכול להתקין בקלות.

sudo apt-get להתקין protobuf-compiler

הפעל את גירסת הפרוטוקול ברגע שזה נעשה. אתה אמור לקבל תגובה של libprotoc 3.6.1 או דומה.

שלב 5: הגדרת מבנה מדריך TensorFlow

התקנו את כל החבילות, אנחנו רוצים להקים ספרייה עבור TensorFlow. מספריית הבית, צור שם ספרייה בשם "tensorflow1", הקלד את הדברים הבאים, mkdir tensorflow1cd tensorflow1

הורד כעת את TensorFlow על ידי הקלדה, שיבוט git -עומק 1

אנו רוצים לשנות את משתנה הסביבה PYTHONPATH לכוון לכמה ספריות בתוך מאגר TensorFlow. עלינו להגדיר את PYTHONPATH בכל פעם. עלינו להתאים את קובץ.bashrc. עלינו לפתוח אותו על ידי הקלדה

סודו ננו ~/.bashrc

בסוף הקובץ, ובשורה האחרונה הוסיפו את הפקודה, כמו בתמונה העליונה המסומנת בתיבת הצבע האדומה.

ייצוא PYTHONPATH = $ PYTHONPATH:/home/pi/tensorflow1/models/research:/home/pi/tensorflow1/models/research/slim

עכשיו שמור ויצא. עלינו להשתמש בפרוטוקול כדי לאסוף את קבצי פרוטוקול מאגר (. פרוטו) המשמשים את ה- API לזיהוי אובייקטים. קבצי.proto ממוקמים ב- /research /object_detection /protos, אנו רוצים לבצע את הפקודה מספריית /research. הקלד את הפקודה הבאה

cd/home/pi/tensorflow1/models/researchprotoc object_detection/protos/*. proto --python_out =.

פקודה זו משנה את כל קבצי ה-.proto "שם" לקובצי.py "name_pb2".

cd/home/pi/tensorflow1/models/research/object_detection

עלינו להוריד את דגם SSD_Lite מגן החיות של דגם TensorFlowdetection. לשם כך אנו רוצים להשתמש ב- SSDLite-MobileNet, שהוא הדגם המהיר ביותר הקיים עבור ה- RPI.

גוגל מוציאה אינסוף דגמים עם מהירות וביצועים משופרים, לכן בדוק לעתים קרובות אם יש דגמים משופרים.

הקלד את הפקודה הבאה כדי להוריד את דגם SSDLite-MobileNet.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

כעת נוכל לתרגל את מודלי Object_Detction!

כמעט סיימנו!

שלב 6: איתור אובייקט

עכשיו כל העניין מוגדר לזיהוי אובייקטים של ביצוע ב- Pi!

Object_detection_picamera.py מזהה אובייקטים בזמן אמת ממצלמת Picamera או מצלמת USB.

אם אתה משתמש ב- Picamera, שנה את תצורת Raspberry Pi בתפריט כמו בתמונה למעלה המסומן בתיבת צבע אדום.

הקלד את הפקודה הבאה כדי להוריד את הקובץ Object_detection_picamera.py לספריית object_detection.

wget https://raw.githubusercontent.com/EdjeElectronics/ TensorFlow-Object-Detection-on-the-Raspberry-Pi/master/Object_detection_picamera.py

python3 Object_detection_picamera.py

הקלד את הפקודה הבאה עבור מצלמת USB

python3 Object_detection_picamera.py --usbcam

הפקודה של אחד מבוצעת, לאחר דקה אחת נפתח חלון חדש שיתחיל לזהות את האובייקטים !!!

שלב 7: בעיות ותודה

אנא יידע אותי אם יש לך שאלות

דוא ל: [email protected]

תודה, ריטיק