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/ms/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md

3.0 KiB
Raw Permalink Blame History

Klasifikasikan imej menggunakan pengklasifikasi imej berasaskan IoT Edge - Wio Terminal

Dalam bahagian pelajaran ini, anda akan menggunakan Pengklasifikasi Imej yang berjalan pada peranti IoT Edge.

Gunakan pengklasifikasi IoT Edge

Peranti IoT boleh diarahkan semula untuk menggunakan pengklasifikasi imej IoT Edge. URL untuk Pengklasifikasi Imej ialah http://<IP address or name>/image, menggantikan <IP address or name> dengan alamat IP atau nama hos komputer yang menjalankan IoT Edge.

Tugas - gunakan pengklasifikasi IoT Edge

  1. Buka projek aplikasi fruit-quality-detector jika ia belum dibuka.

  2. Pengklasifikasi imej berjalan sebagai REST API menggunakan HTTP, bukan HTTPS, jadi panggilan perlu menggunakan klien WiFi yang hanya berfungsi dengan panggilan HTTP. Ini bermakna sijil tidak diperlukan. Padamkan CERTIFICATE daripada fail config.h.

  3. URL ramalan dalam fail config.h perlu dikemas kini kepada URL baharu. Anda juga boleh memadamkan PREDICTION_KEY kerana ini tidak diperlukan.

    const char *PREDICTION_URL = "<URL>";

    Gantikan <URL> dengan URL untuk pengklasifikasi anda.

  4. Dalam main.cpp, ubah arahan include untuk WiFi Client Secure kepada versi HTTP standard:

    #include <WiFiClient.h>

  5. Tukar deklarasi WiFiClient kepada versi HTTP:

    WiFiClient client;

  6. Pilih baris yang menetapkan sijil pada klien WiFi. Padamkan baris client.setCACert(CERTIFICATE); daripada fungsi connectWiFi.

  7. Dalam fungsi classifyImage, padamkan baris httpClient.addHeader("Prediction-Key", PREDICTION_KEY); yang menetapkan kunci ramalan dalam header.

  8. Muat naik dan jalankan kod anda. Arahkan kamera ke beberapa buah-buahan dan tekan butang C. Anda akan melihat output dalam monitor bersiri:

    Connecting to WiFi..
Connected!
Image captured
Image read to buffer with length 8200
ripe:   56.84%
unripe: 43.16%

💁 Anda boleh menemui kod ini dalam folder code-classify/wio-terminal.

😀 Program pengklasifikasi kualiti buah anda berjaya!

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.