# اپنے IoT ڈیوائس سے آبجیکٹ ڈیٹیکٹر کو کال کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی جب آپ کا آبجیکٹ ڈیٹیکٹر پبلش ہو جائے، تو اسے آپ کے IoT ڈیوائس سے استعمال کیا جا سکتا ہے۔ ## امیج کلاسیفائر پروجیکٹ کو کاپی کریں آپ کے اسٹاک ڈیٹیکٹر کا زیادہ تر حصہ وہی ہے جو آپ نے پچھلے سبق میں امیج کلاسیفائر کے طور پر بنایا تھا۔ ### کام - امیج کلاسیفائر پروجیکٹ کو کاپی کریں 1. `stock-counter` نامی ایک فولڈر بنائیں، چاہے آپ اپنے کمپیوٹر پر ورچوئل IoT ڈیوائس استعمال کر رہے ہوں یا راسپبیری پائی پر۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو یقینی بنائیں کہ آپ نے ورچوئل ماحول سیٹ اپ کیا ہے۔ 1. کیمرہ ہارڈویئر سیٹ اپ کریں۔ * اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو آپ کو PiCamera لگانی ہوگی۔ آپ کیمرہ کو ایک جگہ پر فکس کرنے کے لیے، مثال کے طور پر، کیبل کو کسی باکس یا کین کے اوپر لٹکا کر یا ڈبل سائیڈ ٹیپ کے ذریعے کیمرہ کو باکس پر فکس کر سکتے ہیں۔ * اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو آپ کو CounterFit اور CounterFit PyCamera shim انسٹال کرنا ہوگا۔ اگر آپ اسٹل امیجز استعمال کرنے جا رہے ہیں تو کچھ ایسی تصاویر کیپچر کریں جو آپ کے آبجیکٹ ڈیٹیکٹر نے ابھی تک نہیں دیکھی ہوں۔ اگر آپ ویب کیم استعمال کرنے جا رہے ہیں تو یقینی بنائیں کہ یہ اس طرح پوزیشن میں ہو کہ وہ اسٹاک دیکھ سکے جسے آپ ڈیٹیکٹ کر رہے ہیں۔ 1. [مینوفیکچرنگ پروجیکٹ کے سبق 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) کے مراحل کو دہرائیں تاکہ کیمرہ سے تصاویر کیپچر کی جا سکیں۔ 1. [مینوفیکچرنگ پروجیکٹ کے سبق 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) کے مراحل کو دہرائیں تاکہ امیج کلاسیفائر کو کال کیا جا سکے۔ اس کوڈ کا زیادہ تر حصہ آبجیکٹس کو ڈیٹیکٹ کرنے کے لیے دوبارہ استعمال ہوگا۔ ## کوڈ کو کلاسیفائر سے امیج ڈیٹیکٹر میں تبدیل کریں امیجز کو کلاسیفائی کرنے کے لیے استعمال ہونے والا کوڈ آبجیکٹس کو ڈیٹیکٹ کرنے کے کوڈ سے بہت ملتا جلتا ہے۔ بنیادی فرق Custom Vision SDK پر کال کیے جانے والے میتھڈ اور کال کے نتائج میں ہے۔ ### کام - کوڈ کو کلاسیفائر سے امیج ڈیٹیکٹر میں تبدیل کریں 1. وہ تین لائنیں کوڈ حذف کریں جو امیج کو کلاسیفائی کرتی ہیں اور پیشگوئیوں کو پروسیس کرتی ہیں: ```python results = predictor.classify_image(project_id, iteration_name, image) for prediction in results.predictions: print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%') ``` ان تین لائنوں کو ہٹا دیں۔ 1. امیج میں آبجیکٹس کو ڈیٹیکٹ کرنے کے لیے درج ذیل کوڈ شامل کریں: ```python results = predictor.detect_image(project_id, iteration_name, image) threshold = 0.3 predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold) for prediction in predictions: print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%') ``` یہ کوڈ `detect_image` میتھڈ کو predictor پر کال کرتا ہے تاکہ آبجیکٹ ڈیٹیکٹر کو چلایا جا سکے۔ یہ تمام پیشگوئیوں کو ایک خاص حد سے اوپر کی پروبیبلیٹی کے ساتھ جمع کرتا ہے اور انہیں کنسول پر پرنٹ کرتا ہے۔ امیج کلاسیفائر کے برعکس جو ہر ٹیگ کے لیے صرف ایک نتیجہ واپس کرتا ہے، آبجیکٹ ڈیٹیکٹر متعدد نتائج واپس کرے گا، لہذا کم پروبیبلیٹی والے نتائج کو فلٹر کرنا ضروری ہے۔ 1. اس کوڈ کو چلائیں، یہ ایک امیج کیپچر کرے گا، اسے آبجیکٹ ڈیٹیکٹر کو بھیجے گا، اور ڈیٹیکٹ کیے گئے آبجیکٹس کو پرنٹ کرے گا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو یقینی بنائیں کہ CounterFit میں مناسب امیج سیٹ ہو یا آپ کا ویب کیم منتخب ہو۔ اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو یقینی بنائیں کہ آپ کا کیمرہ شیلف پر موجود آبجیکٹس کی طرف ہو۔ ```output pi@raspberrypi:~/stock-counter $ python3 app.py tomato paste: 34.13% tomato paste: 33.95% tomato paste: 35.05% tomato paste: 32.80% ``` > 💁 آپ کو اپنے امیجز کے لیے `threshold` کو مناسب ویلیو پر ایڈجسٹ کرنے کی ضرورت ہو سکتی ہے۔ آپ وہ امیج دیکھ سکیں گے جو لیا گیا تھا، اور یہ ویلیوز **Predictions** ٹیب میں Custom Vision میں دیکھ سکیں گے۔  > 💁 آپ یہ کوڈ [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) یا [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔ 😀 آپ کا اسٹاک کاؤنٹر پروگرام کامیاب رہا! --- **ڈسکلیمر**: یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔