Sisukord:
2025 Autor: John Day | [email protected]. Viimati modifitseeritud: 2025-01-13 06:57
See juhend pakub samm-sammult juhiseid TensorFlow objekti tuvastamise API seadistamiseks Raspberry Pi-s. Selle juhendi juhiseid järgides saate oma Raspberry Pi abil teha objekti tuvastamist Picamera või USB -veebikaamera reaalajas videol. Käsitsi masinõpet pole vaja, nagu seda kasutatakse veebipõhises andmebaasis objektide tuvastamiseks. Saate tuvastada enamiku objektidest, mida kogu maailmas tavaliselt kasutatakse.
Palun vaadake minu ülaltoodud pilti, me kasutasime hiirt, õuna ja käärid ning tuvastasime objekti suurepäraselt.
Juhend läbib järgmised sammud:
Värskendage Raspberry Pi
Installige TensorFlowInstall OpenCV
Kompileerige ja installige Protobuf
Seadistage TensorFlow kataloogistruktuur
Tuvastage objekte
Samm: värskendage Raspberry Pi
Teie Raspberry Pi vajab värskendamist
Samm 1:
Sisestage käsuterminal, sudo apt-get update
Ja siis Tippige
sudo apt-get dist-upgrade
See võib võtta kaua aega sõltub teie Internetist ja Raspberry pi -st
See on kõik, mida vajate, olete oma Raspberry pi värskendamise lõpetanud
Samm: installige TensorFlow
Nüüd installime Tensorflow.
Sisestage järgmine käsk, pip3 installige TensorFlow
TensorFlow vajab ka paketti LibAtlas. Tippige järgmine käsk
sudo apt-get install libatlas-base-dev
Ja tippige ka see järgmine käsk, sudo pip3 install padi lxml jupyter matplotlib cythonsudo apt-get install python-tk
Nüüd oleme Tensorflow installimise lõpetanud.
Samm: installige OpenCV
Nüüd töötame OpenCV kogu installimise nimel, sest TensorFlow objektide tuvastamise näited kasutavad piltide kuvamiseks matplotlibi, kuid ma otsustan OpenCV -d kasutada, kuna sellega on lihtsam töötada ja vähem vigu. Niisiis, peame installima OpenCV. Nüüd ei toeta OpenCV RPI -d, nii et installime vanema Verisioni.
Nüüd töötame selle nimel, et installida mõned sõltuvused, mis tuleb installida apt-get kaudu
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
Lõpuks saame nüüd OpenCV installida, tippides
pip3 install opencv-python == 3.4.6.27
See on kõik, oleme nüüd installinud OpenCV
Samm: installige Protobuf
TensorFlow objektide tuvastamise API kasutab paketti Protobuf, mis varustab Google'i protokollipuhvri andmevormingu. Peate kompileerima allikast, nüüd saate hõlpsasti installida.
sudo apt-get install protobuf-kompilaator
Käivitage protokoll -versioon, kui see on tehtud. Peaksite vastama libprotoc 3.6.1 või sarnasele versioonile.
Samm: seadistage TensorFlow kataloogistruktuur
Oleme installinud kõik paketid, soovime luua TensorFlow kataloogi. Looge kodukataloogist kataloogi nimi nimega “tensorflow1”, Sisestage järgmine, mkdir tensorflow1cd tensorflow1
Laadige nüüd TensorFlow alla, tippides
git kloon -sügavus 1
Tahame muuta keskkonnamuutujat PYTHONPATH, et suunata see mõnda TensorFlow hoidla kataloogi. Meil on vaja PYTHONPATH iga kord seadistada. Peame kohandama.bashrc faili. Peame selle avama sisestades
sudo nano ~/.bashrc
Faili lõpus ja viimasel real lisage käsk, nagu ülemisel pildil, mis on märgitud punase värvi kastile.
eksport PYTHONPATH = $ PYTHONPATH:/home/pi/tensorflow1/models/research:/home/pi/tensorflow1/models/research/slim
Nüüd salvestage ja väljuge. Objektide tuvastamise API poolt kasutatavate protokollipuhvri (.proto) failide koostamiseks peame kasutama protokolli.. Proto failid asuvad kataloogis /research /object_detection /protos, soovime käsu käivitada kataloogist /research. Tippige järgmine käsk
cd/home/pi/tensorflow1/models/researchprotoc object_detection/protos/*. proto --python_out =.
See käsk muudab kõik "nimi".proto failid failiks "name_pb2".py.
cd/home/pi/tensorflow1/models/research/object_detection
Peame SSD_Lite mudeli TensorFlowdetection mudeli loomaaiast alla laadima. Selleks tahame kasutada SSDLite-MobileNetit, mis on RPI jaoks kiireim mudel.
Google avaldab lõputult täiustatud kiiruse ja jõudlusega mudeleid, seega kontrollige sageli, kas on täiustatud mudeleid.
SSDLite-MobileNet mudeli allalaadimiseks tippige järgmine käsk.
wget
tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz
Nüüd saame harjutada Object_Detction mudeleid!
Oleme peaaegu valmis!
6. samm: objekti tuvastamine
Nüüd on kogu asi seadistatud täitmisobjektide tuvastamiseks Pi -l!
Object_detection_picamera.py tuvastab reaalajas Picamera või USB veebikaamera objektid.
Kui kasutate Picamera, muutke Raspberry Pi konfiguratsiooni menüüks nagu ülaltoodud pildil, mis on tähistatud punase värviga.
Faili Object_detection_picamera.py allalaadimiseks kataloogi object_detection sisestage järgmine käsk.
wget https://raw.githubusercontent.com/EdjeElectronics/ TensorFlow-Object-Detection-on-the-Raspberry-Pi/master/Object_detection_picamera.py
python3 Object_detection_picamera.py
Sisestage USB -kaamera jaoks järgmine käsk
python3 Object_detection_picamera.py -usbcam
Üks käsk täidetakse, 1 minuti pärast avaneb uus aken, mis hakkab objekte tuvastama !!!
Samm: probleemid ja aitäh
Palun andke mulle teada, kui teil on küsimusi
E -post: [email protected]
Aitäh, Rithik