msb-public
/
IoT-For-Beginners
mirror of https://github.com/microsoft/IoT-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'main'
${ noResults }
IoT-For-Beginners/translations/et/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md

3.0 KiB
Raw Permalink Blame History

Klassifitseeri pilt IoT Edge-põhise pildiklassifikaatoriga - Virtuaalne IoT riistvara ja Raspberry Pi

Selles õppetunni osas kasutate IoT Edge seadmel töötavat pildiklassifikaatorit.

Kasuta IoT Edge klassifikaatorit

IoT seadet saab suunata kasutama IoT Edge pildiklassifikaatorit. Pildiklassifikaatori URL on http://<IP aadress või nimi>/image, kus <IP aadress või nimi> asendatakse IoT Edge'i käitava arvuti IP-aadressi või hostinimega.

Python'i teek Custom Vision töötab ainult pilves hostitud mudelitega, mitte IoT Edge'il hostitud mudelitega. See tähendab, et peate klassifikaatori kutsumiseks kasutama REST API-d.

Ülesanne - kasuta IoT Edge klassifikaatorit

  1. Ava projekt fruit-quality-detector VS Code'is, kui see pole juba avatud. Kui kasutate virtuaalset IoT seadet, veenduge, et virtuaalne keskkond on aktiveeritud.

  2. Ava fail app.py ja eemaldage import-lauseid azure.cognitiveservices.vision.customvision.prediction ja msrest.authentication.

  3. Lisage faili algusesse järgmine import-lause:

    import requests

  4. Kustutage kogu kood pärast seda, kui pilt on salvestatud faili, alates image_file.write(image.read()) kuni faili lõpuni.

  5. Lisage faili lõppu järgmine kood:

    prediction_url = '<URL>'
headers = {
    'Content-Type' : 'application/octet-stream'
}
image.seek(0)
response = requests.post(prediction_url, headers=headers, data=image)
results = response.json()

for prediction in results['predictions']:
    print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')

    Asendage <URL> oma klassifikaatori URL-iga.

    See kood teeb REST POST-päringu klassifikaatorile, saates pildi päringu kehana. Tulemused tagastatakse JSON-vormingus, mis dekodeeritakse tõenäosuste kuvamiseks.

  6. Käivitage oma kood, suunates kaamera mõnele puuviljale, sobivale pildikomplektile või puuviljadele, mis on nähtavad teie veebikaameras, kui kasutate virtuaalset IoT riistvara. Näete väljundit konsoolis:

    (.venv) ➜  fruit-quality-detector python app.py
ripe:   56.84%
unripe: 43.16%

💁 Selle koodi leiate kaustast code-classify/pi või code-classify/virtual-iot-device.

😀 Teie puuviljade kvaliteedi klassifikaatori 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.