اكتشاف كائن Raspberry Pi: 7 خطوات

2024 مؤلف: John Day | [email protected]. آخر تعديل: 2024-01-30 07:38

يوفر هذا الدليل إرشادات خطوة بخطوة حول كيفية إعداد TensorFlow's Object Detection API على Raspberry Pi. باتباع الخطوات الواردة في هذا الدليل ، ستتمكن من استخدام Raspberry Pi الخاص بك لإجراء الكشف عن الكائنات على فيديو مباشر من Picamera أو كاميرا ويب USB. التعلم الآلي اليدوي غير مطلوب كما هو مستخدم في قاعدة البيانات عبر الإنترنت لاكتشاف الكائنات. يمكنك اكتشاف معظم الكائنات التي يشيع استخدامها في جميع أنحاء العالم.

يرجى الرجوع إلى صورتي أعلاه ، استخدمنا الماوس و Apple و Scissors واكتشفنا الكائن بشكل مثالي.

يمر الدليل بالخطوات التالية:

قم بتحديث Raspberry Pi

قم بتثبيت TensorFlowInstall OpenCV

تجميع وتثبيت Protobuf

قم بإعداد هيكل دليل TensorFlow

كشف الأشياء

الخطوة 1: تحديث Raspberry Pi

يجب تحديث Raspberry Pi الخاص بك

الخطوة 1:

اكتب في محطة الأوامر ،

sudo apt-get update

ثم اكتب

sudo apt-get dist-Upgrade

قد يستغرق هذا وقتًا طويلاً يعتمد على الإنترنت و Raspberry pi

هذا كل ما تحتاجه ، لقد انتهيت من تحديث Raspberry Pi الخاص بك

الخطوة الثانية: تثبيت TensorFlow

الآن ، سنقوم بتثبيت Tensorflow.

اكتب هذا الأمر التالي ،

pip3 تثبيت TensorFlow

يحتاج TensorFlow أيضًا إلى حزمة LibAtlas ، اكتب هذا الأمر التالي

sudo apt-get install libatlas-base-dev

واكتب هذا الأمر التالي أيضًا ،

sudo pip3 تثبيت وسادة lxml jupyter matplotlib cythonsudo apt-get install python-tk

الآن ، انتهينا من تثبيت Tensorflow.

الخطوة الثالثة: قم بتثبيت OpenCV

نعمل الآن على تثبيت مكتبة OpenCV لأن أمثلة اكتشاف الكائنات في TensorFlow تستخدم matplotlib لعرض الصور ، لكنني اخترت التدرب على OpenCV نظرًا لأنه من الأسهل التعامل مع وجود أخطاء أقل. لذلك ، نحن بحاجة إلى تثبيت OpenCV. الآن OpenCV لا يدعم RPI ، لذلك سنقوم بتثبيت الإصدار الأقدم من Verision.

نعمل الآن على تثبيت بعض التبعيات التي يجب تثبيتها عبر apt-get

sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

sudo apt-get install libxvidcore-dev libx264-dev

sudo apt-get install qt4-dev-tools libatlas-base-dev

أخيرًا ، يمكننا الآن تثبيت OpenCV عن طريق الكتابة ،

pip3 تثبيت opencv-python == 3.4.6.27

هذا كل شيء ، لقد قمنا الآن بتثبيت OpenCV

الخطوة 4: قم بتثبيت Protobuf

تستخدم واجهة برمجة تطبيقات اكتشاف كائن TensorFlow Protobuf ، وهي حزمة تتناسب مع تنسيق بيانات Protocol Buffer من Google. تحتاج إلى التحويل البرمجي من المصدر ، الآن يمكنك التثبيت بسهولة.

sudo apt-get install protobuf-compiler

قم بتشغيل protoc --version بمجرد الانتهاء من ذلك. يجب أن تحصل على رد libprotoc 3.6.1 أو ما شابه.

الخطوة 5: إعداد بنية دليل TensorFlow

لقد قمنا بتثبيت جميع الحزم ، ونريد إعداد دليل لـ TensorFlow. من الدليل الرئيسي ، أنشئ اسم دليل يسمى "tensorflow1" ،

اكتب ما يلي ،

mkdir tensorflow1cd tensorflow1

الآن قم بتنزيل TensorFlow بالكتابة ،

git clone - العمق 1

نريد تعديل متغير بيئة PYTHONPATH للتوجيه إلى بعض الأدلة داخل مستودع TensorFlow. نحتاج إلى ضبط بايثونباث في كل مرة. يجب علينا ضبط ملف.bashrc. علينا فتحه عن طريق الكتابة

سودو نانو ~ /

في نهاية الملف ، وفي السطر الأخير ، أضف الأمر ، كما هو الحال في الصورة العلوية التي تم وضع علامة عليها في مربع اللون الأحمر.

تصدير PYTHONPATH = $ PYTHONPATH: / home / pi / tensorflow1 / Models / Research: / home / pi / tensorflow1 / Models / Research / slim

الآن احفظ واخرج. نحتاج إلى استخدام Protoc لتجميع ملفات Protocol Buffer (.proto) المستخدمة بواسطة Object Detection API. توجد ملفات.proto في / research / object_detection / protos ، نريد تنفيذ الأمر من دليل / search. اكتب الأمر التالي

cd / home / pi / tensorflow1 / Models / researchprotoc object_detection / protos / *. proto --python_out =.

يغير هذا الأمر جميع ملفات "الاسم".proto إلى ملفات.py "name_pb2".

القرص المضغوط / home / pi / tensorflow1 / Models / research / object_detection

نحتاج إلى تنزيل نموذج SSD_Lite من حديقة حيوانات نموذج TensorFlowdetection. لهذا ، نريد استخدام SSDLite-MobileNet ، وهو أسرع نموذج موجود لـ RPI.

تطلق Google بلا حدود نماذج ذات سرعة وأداء محسّنين ، لذا تحقق كثيرًا من وجود أي نماذج محسّنة.

اكتب الأمر التالي لتنزيل نموذج SSDLite-MobileNet.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

الآن يمكننا ممارسة نماذج Object_Detction!

نحن على وشك الانتهاء!

الخطوة 6: كشف الكائن

الآن تم إعداد كل شيء لتنفيذ اكتشاف كائن على Pi!

يقوم Object_detection_picamera.py بالكشف عن الكائنات الحية من Picamera أو كاميرا ويب USB.

إذا كنت تستخدم Picamera ، فقم بتغيير تكوين Raspberry Pi في قائمة كما في الصورة أعلاه المميزة في مربع اللون الأحمر.

اكتب الأمر التالي لتنزيل ملف Object_detection_picamera.py في دليل object_detection.

wget https://raw.githubusercontent.com/EdjeElectronics/ TensorFlow-Object-Detection-on-the-Raspberry-Pi / master / Object_detection_picamera.py

python3 Object_detection_picamera.py

اكتب الأمر التالي لكاميرا USB

python3 Object_detection_picamera.py --usbcam

يتم تنفيذ الأمر ، بعد دقيقة واحدة تفتح نافذة جديدة والتي ستبدأ في اكتشاف الكائنات !!!

الخطوة السابعة: القضايا والشكر

واسمحوا لي أن أعرف إذا كان لديك أي أسئلة

البريد الإلكتروني: [email protected]

شكرا لك،

ريثيك