Raspberry Pi Objekterkennung - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:17

Diese Anleitung enthält Schritt-für-Schritt-Anleitungen zum Einrichten der Objekterkennungs-API von TensorFlow auf dem Raspberry Pi. Wenn Sie die Schritte in dieser Anleitung befolgen, können Sie Ihren Raspberry Pi verwenden, um eine Objekterkennung für Live-Videos von einer Picamera oder USB-Webcam durchzuführen. Manuelles maschinelles Lernen ist nicht erforderlich, wie es in der Online-Datenbank zur Objekterkennung verwendet wird. Sie können die meisten der weltweit gebräuchlichen Objekte erkennen.

Bitte beachten Sie mein obiges Bild, wir haben eine Maus, einen Apple und eine Schere verwendet und das Objekt perfekt erkannt.

Die Anleitung führt die folgenden Schritte durch:

Aktualisieren Sie den Raspberry Pi

Installieren Sie TensorFlowInstallieren Sie OpenCV

Kompilieren und installieren Sie Protobuf

TensorFlow-Verzeichnisstruktur einrichten

Objekte erkennen

Schritt 1: Raspberry Pi aktualisieren

Ihr Raspberry Pi muss aktualisiert werden

Schritt 1:

Geben Sie das Befehlsterminal ein, sudo apt-get update

Und dann Typ

sudo apt-get dist-upgrade

Dies kann lange dauern, hängt von Ihrem Internet und Raspberry pi. ab

Das ist alles was Sie brauchen, Sie haben die Aktualisierung Ihres Raspberry pi. abgeschlossen

Schritt 2: TensorFlow installieren

Jetzt werden wir Tensorflow installieren.

Geben Sie diesen folgenden Befehl ein, pip3 installiere TensorFlow

TensorFlow benötigt auch das LibAtlas-Paket. Geben Sie diesen folgenden Befehl ein

sudo apt-get install libatlas-base-dev

Und geben Sie auch diesen folgenden Befehl ein:

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

Jetzt haben wir die Installation von Tensorflow abgeschlossen.

Schritt 3: OpenCV installieren

Jetzt arbeiten wir daran, die OpenCV-Bibliothek zu installieren, da die Objekterkennungsbeispiele von TensorFlow Matplotlib verwenden, um Bilder anzuzeigen, aber ich wähle OpenCV, da es einfacher zu arbeiten und weniger Fehler ist. Also müssen wir OpenCV installieren. Jetzt unterstützt OpenCV RPI nicht, daher werden wir ältere Versionen installieren.

Jetzt arbeiten wir daran, einige Abhängigkeiten zu installieren, die über apt-get installiert werden müssen

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

Schließlich können wir jetzt OpenCV installieren, indem wir Folgendes eingeben:

pip3 install opencv-python==3.4.6.27

Das ist alles, wir haben jetzt OpenCV installiert

Schritt 4: Protobuf installieren

Die TensorFlow-Objekterkennungs-API verwendet Protobuf, ein Paket, das das Protokollpuffer-Datenformat von Google ausstattet. Sie müssen aus dem Quellcode kompilieren, jetzt können Sie es einfach installieren.

sudo apt-get install protobuf-compiler

Führen Sie protoc --version aus, sobald dies erledigt ist. Sie sollten eine Antwort von libprotoc 3.6.1 oder ähnlich erhalten.

Schritt 5: TensorFlow-Verzeichnisstruktur einrichten

Wir haben alle Pakete installiert, wir wollen ein Verzeichnis für den TensorFlow einrichten. Erstellen Sie aus dem Home-Verzeichnis einen Verzeichnisnamen namens „tensorflow1“, Geben Sie Folgendes ein, mkdir tensorflow1cd tensorflow1

Laden Sie jetzt TensorFlow herunter, indem Sie Folgendes eingeben:

git clone --depth 1

Wir möchten die Umgebungsvariable PYTHONPATH so ändern, dass sie auf einige Verzeichnisse im TensorFlow-Repository verweist. Wir müssen PYTHONPATH jedes Mal setzen. Wir müssen die.bashrc-Datei anpassen. Wir müssen es durch Tippen öffnen

sudo nano ~/.bashrc

Fügen Sie am Ende der Datei und in der letzten Zeile den Befehl hinzu, wie im oberen Bild, das auf dem roten Farbfeld markiert ist.

export PYTHONPATH=$PYTHONPATH:/home/pi/tensorflow1/models/research:/home/pi/tensorflow1/models/research/slim

Jetzt speichern und beenden. Wir müssen Protoc verwenden, um die Protokollpufferdateien (.proto) zu kompilieren, die von der Objekterkennungs-API verwendet werden. Die.proto-Dateien befinden sich in /research/object_detection/protos, wir wollen den Befehl aus dem /research-Verzeichnis ausführen. Geben Sie folgenden Befehl ein

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

Dieser Befehl ändert alle "name".proto-Dateien in "name_pb2".py-Dateien.

cd /home/pi/tensorflow1/models/research/object_detection

Wir müssen das SSD_Lite-Modell aus dem TensorFlowdetection-Modellzoo herunterladen. Dafür wollen wir SSDLite-MobileNet verwenden, das schnellste Modell, das es für den RPI gibt.

Google veröffentlicht endlos Modelle mit verbesserter Geschwindigkeit und Leistung. Überprüfen Sie daher häufig, ob es verbesserte Modelle gibt.

Geben Sie den folgenden Befehl ein, um das SSDLite-MobileNet-Modell herunterzuladen.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

Jetzt können wir die Object_Detection-Modelle üben!

Wir sind fast fertig!

Schritt 6: Objekt erkennen

Jetzt ist das Ganze für die Ausführungsobjekterkennung auf dem Pi eingerichtet!

Object_detection_picamera.py erkennt Objekte live von einer Picamera oder USB-Webcam.

Wenn Sie eine Picamera verwenden, ändern Sie die Raspberry Pi-Konfiguration in einem Menü wie im obigen Bild, das in einem roten Farbfeld markiert ist.

Geben Sie den folgenden Befehl ein, um die Datei Object_detection_picamera.py in das Verzeichnis object_detection herunterzuladen.

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

python3 Object_detection_picamera.py

Geben Sie folgenden Befehl für die USB-Kamera ein

python3 Object_detection_picamera.py --usbcam

Der Befehl wird ausgeführt, nach 1 Minute öffnet sich ein neues Fenster, das mit der Erkennung der Objekte beginnt!!!

Schritt 7: Probleme und Danke

Bitte lassen Sie es mich wissen, wenn Sie Fragen haben

E-Mail: [email protected]

Dankeschön, Rithik