5.0 KiB

Raw Permalink Blame History

Kutsu oma objektidetektorit IoT-seadmest - Wio Terminal

Kui sinu objektidetektor on avaldatud, saab seda kasutada IoT-seadmest.

Kopeeri pildiklassifitseerimise projekt

Enamik sinu laoseisu detektori koodist on sama, mis pildiklassifitseerija, mille lõid eelmises õppetükis.

Ülesanne - kopeeri pildiklassifitseerimise projekt

Ühenda oma ArduCam Wio Terminaliga, järgides samme tootmisprojekti 2. õppetükist.

Võid ka kaamera fikseerida ühte kindlasse asendisse, näiteks riputades kaabli üle kasti või purgi, või kinnitades kaamera kasti külge kahepoolse teibiga.
Loo täiesti uus Wio Terminali projekt, kasutades PlatformIO-d. Nimeta see projekt stock-counter.
Korda samme tootmisprojekti 2. õppetükist, et kaamerast pilte jäädvustada.
Korda samme tootmisprojekti 2. õppetükist, et kutsuda pildiklassifitseerijat. Enamik sellest koodist kasutatakse uuesti objektide tuvastamiseks.

Muuda kood klassifitseerijast objektidetektoriks

Kood, mida kasutasid piltide klassifitseerimiseks, on väga sarnane koodile, mis tuvastab objekte. Peamine erinevus on URL, mida kutsutakse (saadud Custom Visionist), ja kõne tulemused.

Ülesanne - muuda kood klassifitseerijast objektidetektoriks

Lisa järgmine include-direktiiv main.cpp faili algusesse:
```
#include <vector>
```
Nimeta funktsioon classifyImage ümber detectStock, nii funktsiooni nimi kui ka kõne buttonPressed funktsioonis.
Deklareeri detectStock funktsiooni kohal lävend, et filtreerida välja tuvastused, mille tõenäosus on madal:
```
const float threshold = 0.3f;
```
Erinevalt pildiklassifitseerijast, mis tagastab ainult ühe tulemuse iga sildi kohta, tagastab objektidetektor mitu tulemust, seega tuleb madala tõenäosusega tulemused välja filtreerida.

Deklareeri detectStock funktsiooni kohal funktsioon ennustuste töötlemiseks:

void processPredictions(std::vector<JsonVariant> &predictions)
{
    for(JsonVariant prediction : predictions)
    {
        String tag = prediction["tagName"].as<String>();
        float probability = prediction["probability"].as<float>();

        char buff[32];
        sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
        Serial.println(buff);
    }
}

See võtab ennustuste loendi ja prindib need seeriamonitorile.

Asenda detectStock funktsioonis ennustuste läbikäimise tsükli sisu järgmisega:

std::vector<JsonVariant> passed_predictions;

for(JsonVariant prediction : predictions) 
{
    float probability = prediction["probability"].as<float>();
    if (probability > threshold)
    {
        passed_predictions.push_back(prediction);
    }
}

processPredictions(passed_predictions);

See tsükkel käib läbi ennustused, võrreldes tõenäosust lävendiga. Kõik ennustused, mille tõenäosus on kõrgem kui lävend, lisatakse list-i ja edastatakse processPredictions funktsioonile.

Laadi üles ja käivita oma kood. Suuna kaamera riiulil olevatele objektidele ja vajuta C-nuppu. Näed väljundit seeriamonitoril:
```
Connecting to WiFi..
Connected!
Image captured
Image read to buffer with length 17416
tomato paste:   35.84%
tomato paste:   35.87%
tomato paste:   34.11%
tomato paste:   35.16%
```
💁 Võid vajadusel kohandada threshold väärtust, et see sobiks sinu piltidega.

Näed tehtud pilti ja neid väärtusi Predictions vahekaardil Custom Visionis.

💁 Selle koodi leiad code-detect/wio-terminal kaustast.

😀 Sinu laoseisu loendamise programm oli edukas!

Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti tõlgenduste eest.

5.0 KiB Raw Permalink Blame History