11 KiB

Raw Permalink Blame History Unescape Escape

分类图像 - Wio Terminal

在本节课程中，您将把摄像头捕获的图像发送到 Custom Vision 服务进行分类。

分类图像

Custom Vision 服务提供了一个 REST API，您可以通过 Wio Terminal 调用该 API 来分类图像。这个 REST API 是通过 HTTPS 连接访问的——一种安全的 HTTP 连接。

在与 HTTPS 端点交互时，客户端代码需要从被访问的服务器请求公钥证书，并使用该证书加密发送的流量。您的网页浏览器会自动完成这些操作，但微控制器不会。您需要手动请求此证书，并使用它来创建与 REST API 的安全连接。这些证书不会更改，因此一旦获取证书，您可以将其硬编码到应用程序中。

这些证书包含公钥，不需要保密。您可以在源代码中使用它们，并在 GitHub 等公共平台上共享。

任务 - 设置 SSL 客户端

如果尚未打开，请打开 fruit-quality-detector 应用项目。

打开 config.h 头文件，并添加以下内容：

const char *CERTIFICATE =
    "-----BEGIN CERTIFICATE-----\r\n"
    "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
    "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
    "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
    "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
    "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
    "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
    "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
    "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
    "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
    "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
    "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
    "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
    "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
    "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
    "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
    "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
    "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
    "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
    "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
    "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
    "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
    "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
    "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
    "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
    "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
    "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
    "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
    "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
    "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
    "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
    "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
    "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
    "-----END CERTIFICATE-----\r\n";

这是 Microsoft Azure DigiCert Global Root G2 证书——它是许多 Azure 服务全球使用的证书之一。

💁 要查看这是需要使用的证书，请在 macOS 或 Linux 上运行以下命令。如果您使用的是 Windows，可以通过 Windows Subsystem for Linux (WSL) 运行此命令：
openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
输出将列出 DigiCert Global Root G2 证书。

打开 main.cpp 并添加以下 include 指令：
```
#include <WiFiClientSecure.h>
```
在 include 指令下方，声明一个 WifiClientSecure 实例：
```
WiFiClientSecure client;
```
此类包含与 HTTPS 端点通信的代码。
在 connectWiFi 方法中，将 WiFiClientSecure 设置为使用 DigiCert Global Root G2 证书：
```
client.setCACert(CERTIFICATE);
```

任务 - 分类图像

在 platformio.ini 文件的 lib_deps 列表中添加以下内容作为额外行：
```
bblanchon/ArduinoJson @ 6.17.3
```
这将导入 ArduinoJson，一个 Arduino JSON 库，用于解码 REST API 的 JSON 响应。
在 config.h 中，为 Custom Vision 服务的预测 URL 和 Key 添加常量：
```
const char *PREDICTION_URL = "<PREDICTION_URL>";
const char *PREDICTION_KEY = "<PREDICTION_KEY>";
```
将 <PREDICTION_URL> 替换为 Custom Vision 的预测 URL。将 <PREDICTION_KEY> 替换为预测密钥。
在 main.cpp 中，为 ArduinoJson 库添加 include 指令：
```
#include <ArduinoJSON.h>
```

在 main.cpp 中，添加以下函数，放置在 buttonPressed 函数上方：

void classifyImage(byte *buffer, uint32_t length)
{
    HTTPClient httpClient;
    httpClient.begin(client, PREDICTION_URL);
    httpClient.addHeader("Content-Type", "application/octet-stream");
    httpClient.addHeader("Prediction-Key", PREDICTION_KEY);

    int httpResponseCode = httpClient.POST(buffer, length);

    if (httpResponseCode == 200)
    {
        String result = httpClient.getString();

        DynamicJsonDocument doc(1024);
        deserializeJson(doc, result.c_str());

        JsonObject obj = doc.as<JsonObject>();
        JsonArray predictions = obj["predictions"].as<JsonArray>();

        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);
        }
    }

    httpClient.end();
}

此代码首先声明一个 HTTPClient——一个包含与 REST API 交互方法的类。然后使用之前设置的 Azure 公钥，通过 WiFiClientSecure 实例连接客户端到预测 URL。

一旦连接成功，它会发送请求头——关于即将对 REST API 发出的请求的信息。Content-Type 请求头表示 API 调用将发送原始二进制数据，Prediction-Key 请求头传递 Custom Vision 的预测密钥。

接下来，向 HTTP 客户端发出 POST 请求，上传一个字节数组。该数组将包含从摄像头捕获的 JPEG 图像，当此函数被调用时上传。

💁 POST 请求用于发送数据并获取响应。还有其他请求类型，例如 GET 请求，用于检索数据。您的网页浏览器使用 GET 请求加载网页。

POST 请求返回一个响应状态码。这些是定义明确的值，其中 200 表示 OK——POST 请求成功。

💁 您可以在维基百科的 HTTP 状态码列表页面中查看所有响应状态码。

如果返回 200，则从 HTTP 客户端读取结果。这是 REST API 的预测结果，以 JSON 文档的形式返回的文本响应。JSON 格式如下：

{
    "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
    "project":"135607e5-efac-4855-8afb-c93af3380531",
    "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
    "created":"2021-06-10T17:58:58.959Z",
    "predictions":[
        {
            "probability":0.5582016,
            "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
            "tagName":"ripe"
        },
        {
            "probability":0.44179836,
            "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
            "tagName":"unripe"
        }
    ]
}

这里重要的部分是 predictions 数组。它包含预测结果，每个标签都有一个条目，包含标签名称和概率。返回的概率是 0-1 的浮点数，其中 0 表示与标签匹配的可能性为 0%，1 表示与标签匹配的可能性为 100%。

💁 图像分类器会返回所有使用过的标签的百分比。每个标签都会有一个图像与该标签匹配的概率。

该 JSON 被解码后，每个标签的概率会发送到串行监视器。

在 buttonPressed 函数中，将保存到 SD 卡的代码替换为对 classifyImage 的调用，或者在图像写入后添加调用，但在删除缓冲区之前：
```
classifyImage(buffer, length);
```
💁 如果您替换了保存到 SD 卡的代码，可以清理代码，删除 setupSDCard 和 saveToSDCard 函数。
上传并运行代码。将摄像头对准一些水果并按下 C 按钮。您将在串行监视器中看到输出：
```
Connecting to WiFi..
Connected!
Image captured
Image read to buffer with length 8200
ripe:   56.84%
unripe: 43.16%
```
您将能够看到拍摄的图像，以及这些值在 Custom Vision 的 Predictions 标签中。

💁 您可以在 code-classify/wio-terminal 文件夹中找到此代码。

😀 您的水果质量分类程序成功了！

免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原文档的原始语言版本为权威来源。对于关键信息，建议使用专业人工翻译。我们对于因使用本翻译而引起的任何误解或误读不承担责任。

11 KiB Raw Permalink Blame History Unescape Escape

分类图像 - Wio Terminal

分类图像

任务 - 设置 SSL 客户端

任务 - 分类图像

11 KiB

Raw Permalink Blame History Unescape Escape