اكتشاف الكائن W / Dragonboard 410c أو 820c باستخدام OpenCV و Tensorflow: 4 خطوات

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

توضح هذه التعليمات كيفية تثبيت إطارات OpenCV و Tensorflow والتعلم الآلي لـ Python 3.5 لتشغيل تطبيق Object Detection.

الخطوة 1: المتطلبات

سوف تحتاج إلى itens التالية:

• DragonBoard ™ 410c أو 820c ؛

• تركيب نظيف لـ Linaro-alip:

  • DB410c: تم اختباره في الإصدار v431. الرابط:
  • DB820c: تم اختباره في الإصدار v228. Link:
• بطاقة MicroSD بسعة 16 جيجابايت على الأقل (في حالة استخدام 410c) ؛

قم بتنزيل الملف (في نهاية هذه الخطوة) ، قم بفك الضغط والنسخ إلى بطاقة MicroSD ؛ Obs: إذا كنت تستخدم DB820c ، فقم بتنزيل الملف وفك ضغطه وانتقل إلى / home / * USER * / لتسهيل استخدام الأوامر.

• موزع USB
• كاميرا USB (متوافقة مع Linux) ؛
• ماوس ولوحة مفاتيح USB ؛
• اتصال بالإنترنت.

Obs: اتبع هذه التعليمات في متصفح DragonBoard إن أمكن ، مما يسهل نسخ الأوامر

الخطوة 2: تركيب بطاقة MicroSD (فقط W / DB410c)

• افتح المحطة في Dragonboard ؛
• في محطة تشغيل fdisk:

sudo fdisk -l

• أدخل بطاقة MicroSD في فتحة بطاقة DragonBoard MicroSD ؛
• قم بتشغيل fdisk مرة أخرى ، وابحث عن اسم (وقسم) الجهاز الجديد في القائمة (مثل mmcblk1p1)

sudo fdisk -l

انتقل إلى الدليل الجذر:

$ cd ~

قم بإنشاء مجلد:

$ mkdir sdfolder

تركيب بطاقة MicroSD:

$ mount / dev / sdfolder

الخطوة 3: تثبيت الأطر المطلوبة

• افتح المحطة في Dragonboard ؛
• في الجهاز ، انتقل إلى الدليل المختار (باستخدام "~" لـ 820c و SDCard الموصول لـ 410c):

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

انتقل إلى مجلد البرامج النصية لـ Object Detector:

$ cd object_detector_tensorflow_opencv / scripts /

قم بتشغيل البرنامج النصي لإعداد البيئة:

sudo bash set_Env.sh

قم بتحديث النظام:

sudo apt update

قم بتثبيت هذه الحزم:

sudo apt install -y protobuf-compiler gcc-aarch64-linux-gnu

g ++ - aarch64-linux-gnu debootstrap schroot git curl pkg-config zip unzip python python-pip g ++ zlib1g-dev default-jre libhdf5-dev libatlas-base-dev gfortran v4l-utils hdf5 * libhdf5 * libpake-dev build libreadline-gplv2-dev libncursesw5-dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev libjpeg-dev libtiff5-dev libavcodec-dev libavformat-dev libsw4vibcore-dev libavformat-dev libsw4vibcore-dev lib libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

انتقل إلى هذا الدليل:

$ cd / usr / src

تنزيل Python 3.5:

sudo $ wget

قم باستخراج العبوة:

$ sudo tar xzf Python-3.5.6.tgz

احذف الحزمة المضغوطة:

$ sudo rm Python-3.5.6.tgz

انتقل إلى دليل Python 3.5:

$ cd Python-3.5.6

تفعيل التحسينات لتجميع Python 3.5:

sudo./configure - تمكين التحسينات

تجميع Python 3.5:

sudo $ جعل altinstall

ترقية نقطة وأدوات الإعداد:

$ sudo python3.5 -m pip install - upgrade pip && python3.5 -m pip install - upgrade setuptools

تثبيت numpy:

python3.5 -m نقطة تثبيت numpy

اذهب إلى الدليل المختار:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

تنزيل Tensorflow 1.11 whl:

$ wget

تثبيت Tensorflow:

$ sudo python3.5 -m pip install tensorflow-1.11.0-cp35-none-linux_aarch64.whl

مستودعات Clone OpenCV و OpenCV Contrib:

$ sudo git clone -b 3.4 https://github.com/opencv/opencv.git && sudo git clone -b 3.4

انتقل إلى الدليل:

$ cd opencv

أنشئ دليل البناء وانتقل إليه:

sudo mkdir build && cd build

تشغيل CMake:

$ sudo cmake -D CMAKE_BUILD_TYPE = RELEASE -D CMAKE_INSTALL_PREFIX = / usr / local -D BUILD_opencv_java = OFF -D BUILD_opencv_python = OFF -D BUILD_opencv_python3 = ON -D PYTHON3 $ python3 = ON -D PYTHON3 أي python3.5) -D PYTHON_INCLUDE_DIR = / usr / local / include / python3.5m / -D INSTALL_C_EXAMPLES = OFF -D INSTALL_PYTHON3_EXAMPLES = OFF -D BUILD_EXAMPLES = OFF -D WITH_CUDA = OFF -D BUILD_TES = OFF -D BUILD_TES -DBUILD_TBB = ON -D OPENCV_ENABLE_NONFREE = ON -DBUILD_opencv_xfeatures2d = OFF -D OPENGL = ON -D OPENMP = ON -D ENABLE_NEON = ON -D BUILD_PERF_TESTS = OFF -D BUILD_OPENCV_DENM = وحدات..

تجميع OpenCV مع 4 مراكز:

sudo make -j 4

تثبيت OpenCV:

sudo $ قم بالتثبيت

انتقل إلى الدليل المختار:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

انتقل إلى دليل البرامج النصية:

$ cd object_detector_tensorflow_opencv / scripts /

تثبيت متطلبات Python3.5:

sudo python3.5 -m pip install- متطلبات r. txt - no-cache-dir

عمليات الاستيراد التجريبية:

بيثون 3.5

> استيراد السيرة الذاتية >> استيراد تينسورفلو

Obs: إذا أرجع cv2 خطأ استيراد ، فقم بتشغيل make install في مجلد إنشاء OpenCV وحاول مرة أخرى

اذهب إلى الدليل المختار:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

تنزيل مستودع Cocoapi:

استنساخ git $

تنزيل مستودع نماذج Tensorflow:

استنساخ git $

انتقل إلى هذا الدليل:

$ cd cocoapi / PythonAPI

قم بتحرير الملف Makefile ، وقم بتغيير python إلى python3.5 في السطر 3 و 8 ثم احفظ الملف (باستخدام nano كمثال):

نانو $ Makefile

قم بتجميع cocoapi:

sudo جعل

Obs: إذا لم يتم ترجمة الأمر "make" ، فحاول إعادة تثبيت cython باستخدام:

$ sudo python3.5 -m pip تثبيت cython

انسخ أدوات pycocotools إلى دليل Tensorflow / Models / Research:

(820c) $ cp -r pycocotools ~ / نماذج / أبحاث /

(410c) $ cp -r pycocotools ~ / sdfolder / نماذج / أبحاث /

انتقل إلى الدليل المختار:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

انتقل إلى دليل النماذج / البحث:

نماذج / أبحاث $ cd

تجميع مع protoc:

$ protoc object_detection / protos / *. proto --python_out =.

متغير بيئة التصدير:

تصدير $ PYTHONPATH = PYTHONPATH بالدولار الأمريكي: `pwd`:` pwd` / slim

اختبر البيئة:

$ python3.5 object_detection / builders / model_builder_test.py

Obs: يجب أن يعود بشكل جيد ، وإلا فلن يعمل التطبيق. إذا لم يكن الأمر كذلك ، فابحث بعناية عن أي خطأ في عملية تثبيت الأطر المطلوبة

الخطوة 4: تشغيل Object Detection API

بعد تكوين جميع أطر العمل ، أصبح من الممكن الآن تشغيل واجهة برمجة تطبيقات اكتشاف الكائنات التي تستخدم OpenCV مع Tensorflow.

اذهب إلى الدليل المختار:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

انتقل إلى دليل اكتشاف الكائنات:

$ cd object_detector_tensorflow_opencv /

الآن قم بتشغيل التطبيق:

$ python3.5 app.py

الآن سيقوم Dragonboard ببث الفيديو عبر الشبكة. لمشاهدة الفيديو الناتج افتح المتصفح في قاعدة البيانات واذهب إلى "0.0.0.0: 5000".