Pengesanan Objek Raspberry Pi: 7 Langkah

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:08

Panduan ini memberikan arahan langkah demi langkah tentang cara menyiapkan TensorFlow Objek Detection API di Raspberry Pi. Dengan mengikuti langkah-langkah dalam panduan ini, Anda akan dapat menggunakan Raspberry Pi anda untuk melakukan pengesanan objek pada video langsung dari kamera web Picamera atau USB. Pembelajaran mesin manual tidak diperlukan seperti yang digunakan dalam pangkalan data dalam talian untuk pengesanan objek. Anda dapat mengesan sebahagian besar objek yang biasa digunakan di seluruh dunia.

Sila rujuk gambar saya di atas, kami menggunakan tetikus, Apple dan Gunting dan mengesan objek dengan sempurna.

Panduan ini melalui langkah-langkah berikut:

Kemas kini Pi Raspberry

Pasang TensorFlowInstall OpenCV

Susun dan pasang Protobuf

Sediakan struktur direktori TensorFlow

Mengesan objek

Langkah 1: Kemas kini Raspberry Pi

Raspberry Pi anda perlu dikemas kini

Langkah 1:

Taipkan terminal Perintah, sudo apt-get kemas kini

Dan kemudian Taip

sudo apt-get dist-upgrade

Ini Mungkin mengambil masa yang lama bergantung pada Internet dan Raspberry pi anda

Itu sahaja yang anda perlukan, anda telah selesai Mengemas kini pi Raspberry anda

Langkah 2: Pasang TensorFlow

Sekarang, kita akan memasang Tensorflow.

Taipkan arahan berikut ini, pip3 pasang TensorFlow

TensorFlow juga memerlukan pakej LibAtlas, Ketik perintah berikut

sudo apt-get install libatlas-base-dev

Dan taipkan arahan berikut ini juga, sudo pip3 pasang bantal lxml jupyter matplotlib cythonsudo apt-get install python-tk

Sekarang, Kami telah selesai Memasang Tensorflow.

Langkah 3: Pasang OpenCV

Sekarang kami berusaha untuk memasang perpustakaan OpenCV kerana contoh pengesanan objek TensorFlow menggunakan matplotlib untuk menunjukkan gambar, tetapi saya memilih untuk berlatih OpenCV kerana lebih mudah untuk bekerja dan lebih sedikit kesalahan. Jadi, kita perlu memasang OpenCV. Sekarang OpenCV tidak menyokong RPI, jadi kami akan memasang Verision yang lebih lama.

Sekarang kita berusaha untuk memasang beberapa pergantungan yang perlu dipasang melalui 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

Akhirnya, Sekarang kita boleh memasang OpenCV dengan menaip, pip3 memasang opencv-python == 3.4.6.27

Itu sahaja, kami kini telah memasang OpenCV

Langkah 4: Pasang Protobuf

API pengesanan objek TensorFlow menggunakan Protobuf, pakej yang sesuai dengan format data Buffer Protokol Google. Anda perlu menyusun dari sumber, sekarang anda boleh memasang dengan mudah.

sudo apt-get install protobuf-compiler

Jalankan protoc --versi setelah selesai. Anda harus mendapat respons libprotoc 3.6.1 atau yang serupa.

Langkah 5: Sediakan Struktur Direktori TensorFlow

Kami telah memasang semua pakej, kami ingin menyediakan direktori untuk TensorFlow. Dari direktori rumah, buat nama direktori yang disebut "tensorflow1", Taipkan yang berikut, mkdir tensorflow1cd tensorflow1

Sekarang muat turun TensorFlow dengan menaip, git clone - kedalaman 1

Kami ingin mengubah suai pemboleh ubah persekitaran PYTHONPATH untuk mengarahkan ke beberapa direktori di dalam repositori TensorFlow. Kita perlu PYTHONPATH disetel setiap masa. Kita harus menyesuaikan fail.bashrc. Kita harus membukanya dengan Menaip

sudo nano ~ /.bashrc

Pada akhir fail, dan baris terakhir tambahkan perintah, seperti pada gambar atas yang ditandai pada kotak warna merah.

eksport PYTHONPATH = $ PYTHONPATH: / rumah / pi / tensorflow1 / model / penyelidikan: / rumah / pi / tensorflow1 / model / penyelidikan / langsing

Sekarang simpan dan keluar. Kita perlu menggunakan Protoc untuk menyusun fail Protocol Buffer (.proto) yang digunakan oleh Object Detection API. Fail.proto terletak di / research / object_detection / protos, kami ingin melaksanakan perintah dari / direktori penyelidikan. Taipkan arahan berikut

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

Perintah ini mengubah semua fail "name".proto menjadi "name_pb2".py.

cd / rumah / pi / tensorflow1 / model / penyelidikan / objek_deteksi

Kita perlu memuat turun model SSD_Lite dari kebun binatang model TensorFlowdetection. Untuk ini, kami mahu menggunakan SSDLite-MobileNet, yang merupakan model terpantas yang ada untuk RPI.

Google melepaskan model tanpa henti dengan kelajuan dan prestasi yang lebih baik, jadi periksa selalu jika ada model yang lebih baik.

Taipkan arahan berikut untuk memuat turun model SSDLite-MobileNet.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

Sekarang kita dapat mempraktikkan model Object_Detction!

Kami hampir selesai!

Langkah 6: Kesan Objek

Sekarang semuanya disiapkan untuk pengesanan objek pelaksanaan pada Pi!

Object_detection_picamera.py mengesan objek secara langsung dari kamera web Picamera atau USB.

Sekiranya anda menggunakan Picamera, ubah menu konfigurasi Raspberry Pi seperti dalam gambar di atas yang ditandai dengan kotak warna merah.

Ketik perintah berikut untuk memuat turun fail Object_detection_picamera.py ke dalam direktori 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

Ketik arahan berikut untuk kamera USB

python3 Object_detection_picamera.py --usbcam

Perintah seseorang dilaksanakan, setelah 1 minit tetingkap baru dibuka yang akan mula mengesan objek !!!

Langkah 7: Isu dan Terima Kasih

Beritahu saya jika anda mempunyai sebarang pertanyaan

E-mel: [email protected]

Terima kasih, Rithik