Zbulimi i objektit Raspberry Pi: 7 hapa

2024 Autor: John Day | [email protected]. E modifikuara e fundit: 2024-01-30 12:15

Ky udhëzues jep udhëzime hap pas hapi se si të vendosni API-në e Zbulimit të Objekteve të TensorFlow në Raspberry Pi. Duke ndjekur hapat në këtë udhëzues, do të jeni në gjendje të përdorni Raspberry Pi tuaj për të kryer zbulimin e objekteve në video të drejtpërdrejta nga një kamerë Picamera ose USB. Mësimi manual i makinerisë nuk kërkohet siç përdoret në bazën e të dhënave në internet për zbulimin e objekteve. Ju mund të zbuloni shumicën e objekteve që përdoren zakonisht në mbarë botën.

Ju lutemi referojuni figurës sime të mësipërme, ne përdorëm një mi, Apple dhe Gërshërë dhe e zbuluam objektin në mënyrë perfekte.

Udhëzuesi ndjek hapat e mëposhtëm:

Përditësoni Raspberry Pi

Instaloni TensorFlowInstall OpenCV

Përpiloni dhe instaloni Protobuf

Vendosni strukturën e drejtorisë TensorFlow

Zbuloni objektet

Hapi 1: Përditësoni Raspberry Pi

Raspberry Pi juaj duhet të përditësohet

Hapi 1:

Shkruani terminalin e Komandës, përditësim sudo apt-get

Dhe pastaj Lloji

sudo apt-get dist-upgrade

Kjo mund të marrë shumë kohë varet nga Interneti juaj dhe Raspberry pi

Kjo është gjithçka që ju nevojitet, ju keni përfunduar Përditësimin e Raspberry pi tuaj

Hapi 2: Instaloni TensorFlow

Tani, ne do të instalojmë Tensorflow.

Shkruani këtë komandë të mëposhtme, pip3 instaloni TensorFlow

TensorFlow gjithashtu ka nevojë për paketën LibAtlas, Shkruani këtë komandë të mëposhtme

sudo apt-get install libatlas-base-dev

Dhe shkruani edhe këtë komandë të mëposhtme, sudo pip3 instaloni jastëk lxml jupyter matplotlib cythonsudo apt-get install python-tk

Tani, Ne kemi përfunduar Instalimin e Tensorflow.

Hapi 3: Instaloni OpenCV

Tani ne po punojmë për të instaluar bibliotekën OpenCV sepse shembujt e zbulimit të objekteve të TensorFlow përdorin matplotlib për të treguar imazhe, por unë zgjedh të praktikoj OpenCV pasi është më e lehtë të punosh me të dhe më pak gabime. Pra, ne duhet të instalojmë OpenCV. Tani OpenCV nuk po mbështet RPI, kështu që ne do të instalojmë Verision më të vjetër.

Tani ne jemi duke punuar për të instaluar disa varësi që duhet të instalohen përmes 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

Së fundi, Tani mund të instalojmë OpenCV duke shtypur, pip3 instaloni opencv-python == 3.4.6.27

Kjo është e gjitha, ne tani kemi instaluar OpenCV

Hapi 4: Instaloni Protobuf

API -ja e zbulimit të objekteve TensorFlow përdor Protobuf, një paketë që përshtatet me formatin e të dhënave të Protokollit të Buferit të Google. Ju duhet të përpiloni nga burimi, tani mund ta instaloni me lehtësi.

sudo apt-get install protobuf-përpilues

Drejtoni përmbysjen protok pasi të jetë bërë. Ju duhet të merrni një përgjigje të libprotoc 3.6.1 ose të ngjashme.

Hapi 5: Vendosni strukturën e drejtorisë TensorFlow

Ne kemi instaluar të gjitha paketat, duam të krijojmë një drejtori për TensorFlow. Nga drejtoria e shtëpisë, krijoni një emër drejtorie të quajtur "tensorflow1", Shkruani sa vijon, mkdir tensorflow1cd tensorflow1

Tani shkarkoni TensorFlow duke shtypur, git klon -thellësi 1

Ne duam të modifikojmë ndryshoren e mjedisit PYTHONPATH për të drejtuar në disa drejtori brenda depove TensorFlow. Ne kemi nevojë që PYTHONPATH të vendoset çdo herë. Ne duhet të rregullojmë skedarin.bashrc. Ne duhet ta hapim atë duke shtypur

sudo nano/.bashrc

Në fund të skedarit, dhe rreshti i fundit shtoni komandën, si në imazhin e sipërm i cili është shënuar në kutinë e ngjyrave të kuqe.

eksport PYTHONPATH = $ PYTHONPATH:/home/pi/tensorflow1/modele/kërkime:/home/pi/tensorflow1/modele/kërkime/të pakta

Tani ruani dhe dilni. Ne duhet të përdorim Protoc për të përpiluar skedarët Protocol Buffer (.proto) të përdorur nga API i Zbulimit të Objekteve. Skedarët.proto janë të vendosur në /research /object_detection /protos, ne duam të ekzekutojmë komandën nga drejtoria /research. Shkruani komandën e mëposhtme

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

Kjo komandë ndryshon të gjithë skedarët "name".proto në "name_pb2".py.

cd/home/pi/tensorflow1/modele/research/object_detection

Ne duhet të shkarkojmë modelin SSD_Lite nga kopshti zoologjik i modelit TensorFlowdetection. Për këtë, ne duam të përdorim SSDLite-MobileNet, i cili është modeli më i shpejtë ekzistues për RPI.

Google po lëshon pafund modele me shpejtësi dhe performancë të shtuar, kështu që kontrolloni shpesh nëse ka ndonjë model të përmirësuar.

Shkruani komandën e mëposhtme për të shkarkuar modelin SSDLite-MobileNet.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

Tani ne mund të praktikojmë modelet Object_Detction!

Kemi mbaruar gati!

Hapi 6: Zbuloni objektin

Tani e gjithë gjëja është krijuar për zbulimin e objektit të ekzekutimit në Pi!

Object_detection_picamera.py zbulon objekte drejtpërdrejt nga një kamerë Picamera ose USB.

Nëse jeni duke përdorur një Picamera, bëni ndryshimin e konfigurimit të Raspberry Pi një menu si në foton e mësipërme të shënuar me kutinë e ngjyrave të kuqe.

Shkruani komandën e mëposhtme për të shkarkuar skedarin Object_detection_picamera.py në drejtorinë e zbulimit të objektit.

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

python3 Object_detection_picamera.py

Shkruani komandën e mëposhtme për kamerën USB

python3 Object_detection_picamera.py --usbcam

Komanda e dikujt ekzekutohet, pas 1 minutë hapet një dritare e re e cila do të fillojë të zbulojë objektet !!!

Hapi 7: Çështje dhe Faleminderit

Ju lutem më tregoni nëse keni ndonjë pyetje

Email: [email protected]

Faleminderit, Rithik