IoT-For-Beginners/translations/ml/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md

നിങ്ങളുടെ ഐഒടി ഡിവൈസിൽ നിന്നും നിങ്ങളുടെ ഒബ്ജക്റ്റ് ഡിറ്റക്ടർ കോൾ ചെയ്യുക - വർച്ച്വൽ ഐഒടി ഹാർഡ്വേർ ആൻഡ് റാസ്ബറി പൈ

ഒരു സമർപ്പിച്ചാൽ, അത് നിങ്ങളുടെ ഐഒടി ഡിവൈസിൽ നിന്നും ഉപയോഗിക്കാം.

ഇമേജ് ക്ലാസിഫയർ പ്രോജക്ട് കോപ്പി ചെയ്യുക

നിങ്ങളുടെ സ്റ്റോക്ക് ഡിറ്റക്ടറിന്റെ വലിയ ഭേദഗതികൾ നിങ്ങൾ മുമ്പത്തെ പാഠത്തിൽ നിങ്ങൾ സൃഷ്ടിച്ച ഇമേജ് ക്ലാസിഫയറെപ്പോലെയാണ്.

ടാസ്ക് - ഇമേജ് ക്ലാസിഫയർ പ്രോജക്ട് കോപ്പി ചെയ്യുക

1. നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ അല്ലെങ്കിൽ റാസ്ബറി പൈയിൽ stock-counter എന്നൊരു ഫോൾഡർ സൃഷ്ടിക്കുക. നിങ്ങൾ വിർച്വൽ ഐഒട്ടി ഉപകരണം ഉപയോഗിക്കുകയാണെങ്കിൽ, ഒരു വിർച്വൽ എൻവയൺമെന്റ് സജ്ജീകരിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക.

2. ക്യാമറ ഹാർഡ്വെയർ സജ്ജീകരിക്കുക.

   • റാസ്ബറി പൈ ഉപയോഗിക്കുകയാണെങ്കിൽ, പൈക്യാമറ ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതുണ്ട്. കീഴിൽ കേബിൾ ഒരു ബോക്‌സ് അല്ലെങ്കിൽ കാൻവിന്റെ മുകളിൽ തൂക്കി, അല്ലെങ്കിൽ ക്യാമറ ഡബിൾ സൈഡഡ് ടേപ്പിലൂടെ ഒരു ബോക്‌സിൽ ഘടിപ്പിച്ച് ക്യാമറ ഒരു സ്ഥിരമായ സ്ഥിതിയിൽ നിർത്താൻ നിങ്ങൾ ആഗ്രഹിച്ചേക്കാം.
   • വിർച്വൽ ഐഒടി ഉപകരണമാണെങ്കിൽ നിങ്ങൾക്ക് കൗണ്ടർഫിറ്റ് (CounterFit) ഉം കൗണ്ടർഫിറ്റ് പൈക്യാമറ ഷിം (CounterFit PyCamera shim) ഉം ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതാണ്. നിങ്ങളുടെ ഒബ്ജക്റ്റ് ഡിറ്റക്ടർ ഇതുവരെ കണ്ടിട്ടില്ലാത്ത സ്റ്റിൽ ഇമേജുകൾ ഉപയോഗിക്കുകയാണെങ്കിൽ, ചില ഇമേജുകൾ പകർത്തുക. വെബ് ക്യാമറ ഉപയോഗിക്കുകയാണെങ്കിൽ, നിങ്ങൾ കണ്ടെത്തുന്ന സ്റ്റോക്കിൽ ദൃശ്യമാകുന്ന വിധത്തിൽ അത് സ്ഥിതിചെയ്യണമെന്ന് ഉറപ്പാക്കുക.

3. ക്യാമറയിൽ നിന്ന് ചിത്രങ്ങൾ പകർത്താൻ മാനുഫാക്ചറിംഗ് പ്രോജക്ടിന്റെ പാഠം 2യിലെ ഘടകങ്ങൾ പുനഃസ്ഥാപിക്കുക.

4. ഇമേജ് ക്ലാസിഫയർ കോൾ ചെയ്യാൻ മാനുഫാക്ചറിംഗ് പ്രോജക്ടിന്റെ പാഠം 2 ഉള്ള ഘടകങ്ങൾ പുനഃസ്ഥാപിക്കുക. ഈ കോഡിന്റെ വലിയൊരു ഭാഗം ഒബ്ജക്റ്റുകൾ കണ്ടെത്താൻ പുനരുപയോജിപ്പിക്കും.

കോഡ് ക്ലാസിഫയർ യിൽ നിന്ന് ഇമേജ് ഡിറ്റക്ടറിലാക്കുക

ഇമേജുകൾ ക്ലാസിഫൈ ചെയ്യുന്നതിന് ഉപയോഗിച്ച കോഡ് ഒബ്ജക്റ്റുകൾ കണ്ടെത്തുന്നതിനുള്ള കോഡിനൊപ്പം വളരെ സാമ്യം ഉണ്ട്. പ്രധാന വ്യത്യാസം Custom Vision SDK യിൽ വിളിക്കുന്ന മെത്തഡ്, വിളിപ്പലബല ഫലങ്ങൾ എന്നിവയാണ്.

ടാസ്ക് - ക്ലാസിഫയറിൽ നിന്നുള്ള കോഡ് ഇമേജ് ഡിറ്റക്ടറിലാക്കുക

1. ചിത്രം ക്ലാസിഫൈ ചെയ്ത് പ്രവചനം പ്രോസസ്സ് ചെയ്യുന്നതിന് ഉപയോഗിച്ച മൂന്ന് കോഡ് വരികൾ മായ്ച്ചുവിടുക:

   results = predictor.classify_image(project_id, iteration_name, image)
   
   for prediction in results.predictions:
       print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
   

   ഈ മൂന്ന് വരികളും നീക്കം ചെയ്യുക.

2. ചിത്രത്തിൽ ഒബ്ജക്റ്റുകൾ കണ്ടെത്താൻ താഴെ കാണുന്ന കോഡ് ചേർക്കുക:

   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}%')
   

   ഈ കോഡ് detect_image മെത്തഡ് predictor ൽ വിളിച്ച് ഒബ്ജക്റ്റ് ഡിറ്റക്ടർ ഓടിക്കുന്നു. പിന്നീട് പരിധിയിലുളള പ്രൊബബിലിറ്റികൾ ഉള്ള എല്ലാ പ്രവചനങ്ങളും ചേർത്ത് കൺസോളിൽ പ്രിന്റ് ചെയ്യുന്നു.

   ഒരു ടാഗിന് മാത്രം ഒരു ഫലം നൽകുന്ന ഇമേജ് ക്ലാസിഫയറിന്റെ വിപരീതമായി, ഒബ്ജക്റ്റ് ഡിറ്റക്ടർ പല ഫലങ്ങളും തിരിച്ച് നൽകും, അതിനാൽ കുറഞ്ഞ പ്രൊബബിലിറ്റി ഉള്ളവ ഒഴിവാക്കേണ്ടതാണ്.

3. ഈ കോഡ് ഓടിക്കുക; അത് ഒരു ചിത്രം പകർത്തി, ഒബ്ജക്റ്റ് ഡിറ്റക്ടറിലേക്ക് അയച്ച് കണ്ടെത്തിയ ഒബ്ജക്റ്റുകൾ പ്രിന്റ് ചെയ്യും. നിങ്ങളുടെ വിർച്വൽ ഐഒടി ഉപകരണം ഉപയോഗിക്കുകയാണെങ്കിൽ, കൗണ്ടർഫിറ്റിൽ (CounterFit) ശരിയായ ഇമേജ് സെറ്റ് ഉണ്ട് എന്ന് ഉറപ്പാക്കുക അല്ലെങ്കിൽ വെബ് ക്യാമറ തിരഞ്ഞെടുത്തിട്ടുണ്ടെന്ന് പരിശോധിക്കുക. റാസ്ബറി പൈ ഉപയോഗിച്ചാൽ, നിങ്ങളുടെ ക്യാമറ ഷെൽഫിലുള്ള ഒബ്ജക്റ്റുകളിലേക്ക് മുഖ്യമർഗ്ഗത്തിൽ നിശ്ചയിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക.

   pi@raspberrypi:~/stock-counter $ python3 app.py 
   tomato paste:   34.13%
   tomato paste:   33.95%
   tomato paste:   35.05%
   tomato paste:   32.80%
   

   💁 നിങ്ങളുടെ ചിത്രങ്ങൾക്ക് അനുയോജ്യമായ ഒരു മൂല്യമായി threshold ക്രമീകരിക്കേണ്ടതായിരിക്കാം.

   നിങ്ങൾ എടുത്ത ചിത്രവും ഈ മൂല്യങ്ങളും Custom Vision ന്റെ Predictions ടാബിൽ കാണാനാകും.

   

💁 ഈ കോഡ് നിങ്ങൾക്ക് code-detect/pi അല്ലെങ്കിൽ code-detect/virtual-iot-device ഫോൾഡറിൽ കാണാം.

😀 നിങ്ങളുടെ സ്റ്റോക്ക് കൗണ്ടർ പ്രോഗ്രാം വിജയകരമായി നടന്നു!

---

അസ്വീകരണം: ഈ ദസ്താവേജ് AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്കായി പരിശ്രമിക്കുന്നുവെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകളും അച്ചടക്കക്കുറവുകളും ഉണ്ടാകാമെന്ന് ശ്രദ്ധിക്കുക. യഥാർത്ഥ ദസ്താവേജിന്റെ മാതൃഭാഷ തന്നെയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് കണക്കാക്കേണ്ടത്. നിങ്ങൾക്ക് നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം നിർദ്ദേശിക്കുന്നു. ഈ വിവർത്തനം ഉപയോഗിച്ചതിനാൽ ഉണ്ടാകാവുന്ന തെറ്റിദ്ധാരണ അല്ലെങ്കിൽ തെറ്റുമനസ്സിലാക്കലിന് ഇവിടെ ദോഷഭാരമില്ല.