Odkrivanje objektov Raspberry Pi: 7 korakov

2024 Avtor: John Day | [email protected]. Nazadnje spremenjeno: 2024-01-30 12:03

Ta priročnik vsebuje navodila po korakih za nastavitev API-ja za zaznavanje objektov TensorFlow na Raspberry Pi. Če sledite korakom v tem priročniku, boste lahko z vašo Raspberry Pi uporabili zaznavanje predmetov na videu v živo s spletne kamere Picamera ali USB. Ročno strojno učenje ni potrebno, saj se v spletni bazi uporablja za odkrivanje predmetov. Odkrijete lahko večino predmetov, ki se običajno uporabljajo po vsem svetu.

Prosimo, poglejte mojo zgornjo sliko, uporabili smo miško, jabolko in škarje ter predmet odlično zaznali.

Vodnik se poda skozi naslednje korake:

Posodobite Raspberry Pi

Namestite TensorFlowInstall OpenCV

Prevedite in namestite Protobuf

Nastavite strukturo imenikov TensorFlow

Odkrijte predmete

1. korak: Posodobite Raspberry Pi

Vaš Raspberry Pi je treba posodobiti

Korak 1:

Vnesite ukazni terminal, sudo apt-get posodobitev

In nato tip

sudo apt-get dist-upgrade

To lahko traja dlje časa, odvisno od vašega interneta in maline pi

To je vse, kar potrebujete, končali ste posodabljanje vašega malinskega pi

2. korak: Namestite TensorFlow

Zdaj bomo namestili Tensorflow.

Vnesite naslednji ukaz, pip3 namestite TensorFlow

TensorFlow potrebuje tudi paket LibAtlas, vnesite ta naslednji ukaz

sudo apt-get install libatlas-base-dev

In vnesite tudi ta naslednji ukaz, sudo pip3 namestite blazino lxml jupyter matplotlib cythonsudo apt-get namestite python-tk

Zdaj smo končali z namestitvijo programa Tensorflow.

3. korak: Namestite OpenCV

Zdaj delamo na namestitvi knjižnice OpenCV, ker primeri odkrivanja objektov podjetja TensorFlow uporabljajo matplotlib za prikaz slik, vendar se odločim za vadbo OpenCV, saj je z njimi lažje delati in manj napak. Zato moramo namestiti OpenCV. Zdaj OpenCV ne podpira RPI, zato bomo namestili starejšo Verision.

Zdaj delamo na namestitvi nekaj odvisnosti, ki jih je treba namestiti prek 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

Končno, zdaj lahko namestimo OpenCV tako, da vnesemo, pip3 namestite opencv-python == 3.4.6.27

To je vse, zdaj smo namestili OpenCV

4. korak: Namestite Protobuf

API za odkrivanje objektov TensorFlow uporablja Protobuf, paket, ki je opremljen z Googlovo obliko zapisa podatkovnega vmesnika protokola. Prevesti morate iz vira, zdaj ga lahko preprosto namestite.

sudo apt-get install protobuf-compiler

Ko to storite, zaženite protoc --version. Odgovoriti morate na libprotoc 3.6.1 ali podobno.

5. korak: Nastavite strukturo imenika TensorFlow

Namestili smo vse pakete, želimo nastaviti imenik za TensorFlow. Iz domačega imenika ustvarite ime imenika, imenovano "tensorflow1", Vnesite naslednje, mkdir tensorflow1cd tensorflow1

Zdaj prenesite TensorFlow tako, da vnesete, git clone --depth 1

Spremeniti želimo spremenljivko okolja PYTHONPATH in usmeriti na nekatere imenike v skladišču TensorFlow. Vsakič moramo nastaviti PYTHONPATH. Prilagoditi moramo datoteko.bashrc. Odpreti ga moramo s tipkanjem

sudo nano ~/.bashrc

Na koncu datoteke in v zadnjo vrstico dodajte ukaz, kot na zgornji sliki, ki je označena v polju rdeče barve.

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

Zdaj shranite in zapustite. Za sestavo datotek vmesnega pomnilnika protokola (.proto), ki jih uporablja API za zaznavanje objektov, moramo uporabiti protoc. Datoteke.proto se nahajajo v /research /object_detection /protos, ukaz želimo izvesti iz imenika /research. Vnesite naslednji ukaz

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

Ta ukaz spremeni vse datoteke »name«.proto v »name_pb2«.py datoteke.

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

Model SSD_Lite moramo prenesti iz živalskega vrta modela TensorFlowdetection. Za to želimo uporabiti SSDLite-MobileNet, ki je najhitrejši model za RPI.

Google neskončno izdaja modele z izboljšano hitrostjo in zmogljivostjo, zato pogosto preverite, ali obstajajo izboljšani modeli.

Če želite prenesti model SSDLite-MobileNet, vnesite naslednji ukaz.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

Zdaj lahko vadimo modele Object_Detction!

Skoraj smo končali!

Korak 6: Odkrijte predmet

Zdaj je vse nastavljeno za odkrivanje izvedbenih objektov na Pi!

Object_detection_picamera.py zaznava predmete v živo s spletne kamere Picamera ali USB.

Če uporabljate Picamero, spremenite konfiguracijo Raspberry Pi v meni, kot je na zgornji sliki, označeno z rdečo barvo.

Vnesite naslednji ukaz za prenos datoteke Object_detection_picamera.py v imenik 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

Vnesite naslednji ukaz za kamero USB

python3 Object_detection_picamera.py --usbcam

Ukaz se izvede, po 1 minuti se odpre novo okno, ki bo začelo zaznavati predmete !!!

7. korak: Težave in hvala

Prosim, sporočite mi, če imate kakršna koli vprašanja

Elektronski naslov: [email protected]

Hvala vam, Rithik