|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
|
|
|
"translation_date": "2025-08-26T14:02:21+00:00",
|
|
|
"source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
|
|
|
"language_code": "hk"
|
|
|
}
|
|
|
-->
|
|
|
# 從您的 IoT 裝置計算庫存 - Wio Terminal
|
|
|
|
|
|
結合預測結果及其邊界框可以用來計算影像中的庫存。
|
|
|
|
|
|
## 計算庫存
|
|
|
|
|
|
|
|
|
|
|
|
在上圖中，邊界框有些許重疊。如果重疊範圍更大，邊界框可能會指向同一個物件。為了正確計算物件數量，您需要忽略重疊範圍較大的框。
|
|
|
|
|
|
### 任務 - 忽略重疊計算庫存
|
|
|
|
|
|
1. 如果尚未開啟您的 `stock-counter` 專案，請將其打開。
|
|
|
|
|
|
1. 在 `processPredictions` 函數上方，新增以下程式碼：
|
|
|
|
|
|
```cpp
|
|
|
const float overlap_threshold = 0.20f;
|
|
|
```
|
|
|
|
|
|
此程式碼定義了邊界框被視為同一物件之前允許的重疊百分比。0.20 表示 20% 的重疊。
|
|
|
|
|
|
1. 在此程式碼下方，並在 `processPredictions` 函數上方，新增以下程式碼以計算兩個矩形的重疊範圍：
|
|
|
|
|
|
```cpp
|
|
|
struct Point {
|
|
|
float x, y;
|
|
|
};
|
|
|
|
|
|
struct Rect {
|
|
|
Point topLeft, bottomRight;
|
|
|
};
|
|
|
|
|
|
float area(Rect rect)
|
|
|
{
|
|
|
return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
|
|
|
}
|
|
|
|
|
|
float overlappingArea(Rect rect1, Rect rect2)
|
|
|
{
|
|
|
float left = max(rect1.topLeft.x, rect2.topLeft.x);
|
|
|
float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
|
|
|
float top = max(rect1.topLeft.y, rect2.topLeft.y);
|
|
|
float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
|
|
|
|
|
|
|
|
|
if ( right > left && bottom > top )
|
|
|
{
|
|
|
return (right-left)*(bottom-top);
|
|
|
}
|
|
|
|
|
|
return 0.0f;
|
|
|
}
|
|
|
```
|
|
|
|
|
|
此程式碼定義了一個 `Point` 結構來儲存影像上的點，以及一個 `Rect` 結構來使用左上角和右下角座標定義矩形。接著定義了一個 `area` 函數，該函數根據左上角和右下角座標計算矩形的面積。
|
|
|
|
|
|
接著定義了一個 `overlappingArea` 函數，該函數計算兩個矩形的重疊面積。如果它們沒有重疊，則返回 0。
|
|
|
|
|
|
1. 在 `overlappingArea` 函數下方，宣告一個函數以將邊界框轉換為 `Rect`：
|
|
|
|
|
|
```cpp
|
|
|
Rect rectFromBoundingBox(JsonVariant prediction)
|
|
|
{
|
|
|
JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
|
|
|
|
|
|
float left = bounding_box["left"].as<float>();
|
|
|
float top = bounding_box["top"].as<float>();
|
|
|
float width = bounding_box["width"].as<float>();
|
|
|
float height = bounding_box["height"].as<float>();
|
|
|
|
|
|
Point topLeft = {left, top};
|
|
|
Point bottomRight = {left + width, top + height};
|
|
|
|
|
|
return {topLeft, bottomRight};
|
|
|
}
|
|
|
```
|
|
|
|
|
|
此函數從物件檢測器的預測中提取邊界框，並使用邊界框上的值定義矩形。右側是由左側加上寬度計算得出。底部是由頂部加上高度計算得出。
|
|
|
|
|
|
1. 需要將預測結果彼此比較，如果兩個預測結果的重疊超過閾值，則其中一個需要被刪除。重疊閾值是一個百分比，因此需要乘以最小邊界框的大小，以檢查重疊是否超過邊界框的指定百分比，而不是整個影像的指定百分比。首先，刪除 `processPredictions` 函數的內容。
|
|
|
|
|
|
1. 在空的 `processPredictions` 函數中新增以下程式碼：
|
|
|
|
|
|
```cpp
|
|
|
std::vector<JsonVariant> passed_predictions;
|
|
|
|
|
|
for (int i = 0; i < predictions.size(); ++i)
|
|
|
{
|
|
|
Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
|
|
|
float prediction_1_area = area(prediction_1_rect);
|
|
|
bool passed = true;
|
|
|
|
|
|
for (int j = i + 1; j < predictions.size(); ++j)
|
|
|
{
|
|
|
Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
|
|
|
float prediction_2_area = area(prediction_2_rect);
|
|
|
|
|
|
float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
|
|
|
float smallest_area = min(prediction_1_area, prediction_2_area);
|
|
|
|
|
|
if (overlap > (overlap_threshold * smallest_area))
|
|
|
{
|
|
|
passed = false;
|
|
|
break;
|
|
|
}
|
|
|
}
|
|
|
|
|
|
if (passed)
|
|
|
{
|
|
|
passed_predictions.push_back(predictions[i]);
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
此程式碼宣告了一個向量來儲存不重疊的預測結果。接著，它迴圈遍歷所有預測結果，從邊界框建立一個 `Rect`。
|
|
|
|
|
|
接著，此程式碼迴圈遍歷剩餘的預測結果，從當前預測結果之後的那一個開始。這樣可以避免重複比較預測結果——一旦 1 和 2 已經比較過，就不需要再比較 2 和 1，只需比較 2 和 3、4 等。
|
|
|
|
|
|
對於每一對預測結果，計算重疊面積。接著將其與最小邊界框的面積進行比較——如果重疊超過最小邊界框的閾值百分比，則該預測結果被標記為未通過。如果在比較所有重疊後，該預測結果通過檢查，則將其加入 `passed_predictions` 集合。
|
|
|
|
|
|
> 💁 這是一種非常簡單的方式來移除重疊，只移除重疊對中的第一個。在生產環境的程式碼中，您可能需要加入更多邏輯，例如考慮多個物件之間的重疊，或者一個邊界框是否被另一個邊界框包含。
|
|
|
|
|
|
1. 在此之後，新增以下程式碼以將通過的預測結果詳細資訊發送到序列監視器：
|
|
|
|
|
|
```cpp
|
|
|
for(JsonVariant prediction : passed_predictions)
|
|
|
{
|
|
|
String boundingBox = prediction["boundingBox"].as<String>();
|
|
|
String tag = prediction["tagName"].as<String>();
|
|
|
float probability = prediction["probability"].as<float>();
|
|
|
|
|
|
char buff[32];
|
|
|
sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
|
|
|
Serial.println(buff);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
此程式碼迴圈遍歷通過的預測結果，並將其詳細資訊列印到序列監視器。
|
|
|
|
|
|
1. 在此之下，新增程式碼以將計算出的物件數量列印到序列監視器：
|
|
|
|
|
|
```cpp
|
|
|
Serial.print("Counted ");
|
|
|
Serial.print(passed_predictions.size());
|
|
|
Serial.println(" stock items.");
|
|
|
```
|
|
|
|
|
|
然後可以將此數據發送到 IoT 服務，以在庫存水平低時發出警報。
|
|
|
|
|
|
1. 上傳並執行您的程式碼。將相機對準架子上的物件，並按下 C 按鈕。嘗試調整 `overlap_threshold` 值，查看預測結果被忽略的情況。
|
|
|
|
|
|
```output
|
|
|
Connecting to WiFi..
|
|
|
Connected!
|
|
|
Image captured
|
|
|
Image read to buffer with length 17416
|
|
|
tomato paste: 35.84% {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
|
|
|
tomato paste: 35.87% {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
|
|
|
tomato paste: 34.11% {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
|
|
|
tomato paste: 35.16% {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
|
|
|
Counted 4 stock items.
|
|
|
```
|
|
|
|
|
|
> 💁 您可以在 [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) 資料夾中找到此程式碼。
|
|
|
|
|
|
😀 您的庫存計算程式成功了！
|
|
|
|
|
|
---
|
|
|
|
|
|
**免責聲明**：
|
|
|
本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。 |
