Deteksi Objek Raspberry Pi: 7 Langkah

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:55

Panduan ini memberikan petunjuk langkah demi langkah tentang cara menyiapkan API Deteksi Objek TensorFlow di Raspberry Pi. Dengan mengikuti langkah-langkah dalam panduan ini, Anda akan dapat menggunakan Raspberry Pi Anda untuk melakukan deteksi objek pada video langsung dari Picamera atau webcam USB. Pembelajaran mesin manual tidak diperlukan seperti yang digunakan dalam database online untuk deteksi objek. Anda dapat mendeteksi sebagian besar objek yang umum digunakan di seluruh dunia.

Silakan lihat gambar saya di atas, kami menggunakan mouse, Apple dan Gunting dan mendeteksi objek dengan sempurna.

Panduan berjalan melalui langkah-langkah berikut:

Perbarui Raspberry Pi

Instal TensorFlowInstal OpenCV

Kompilasi dan instal Protobuf

Siapkan struktur direktori TensorFlow

Deteksi objek

Langkah 1: Perbarui Raspberry Pi

Raspberry Pi Anda perlu diperbarui

Langkah 1:

Ketik di terminal Perintah, sudo apt-get update

Dan kemudian Ketik

sudo apt-get dist-upgrade

Ini Mungkin Butuh waktu lama tergantung pada Internet dan Raspberry pi

Itu saja yang Anda butuhkan, Anda telah selesai Memperbarui pi Raspberry Anda

Langkah 2: Instal TensorFlow

Sekarang, kita akan menginstal Tensorflow.

Ketik perintah berikut ini, pip3 menginstal TensorFlow

TensorFlow juga membutuhkan paket LibAtlas, Ketik perintah berikut ini

sudo apt-get install libatlas-base-dev

Dan ketik perintah berikut ini juga, sudo pip3 install bantal lxml jupyter matplotlib cythonsudo apt-get install python-tk

Sekarang, Kami telah selesai Menginstal Tensorflow.

Langkah 3: Instal OpenCV

Sekarang kami sedang bekerja untuk Menginstal pustaka OpenCV karena contoh deteksi objek TensorFlow menggunakan matplotlib untuk menampilkan gambar, tetapi saya memilih untuk mempraktikkan OpenCV karena lebih mudah untuk dikerjakan dan lebih sedikit kesalahan. Jadi, kita perlu menginstal OpenCV. Sekarang OpenCV tidak mendukung RPI, jadi kita akan menginstal Versi lama.

Sekarang kami sedang bekerja untuk menginstal beberapa dependensi yang perlu diinstal melalui 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

Akhirnya, Sekarang kita dapat menginstal OpenCV dengan mengetik, pip3 instal opencv-python==3.4.66.27

Itu saja, kami sekarang telah menginstal OpenCV

Langkah 4: Instal Protobuf

API deteksi objek TensorFlow menggunakan Protobuf, paket yang melengkapi format data Protocol Buffer Google. Anda perlu mengkompilasi dari sumber, sekarang Anda dapat menginstal dengan mudah.

sudo apt-get install protobuf-compiler

Jalankan protoc --version setelah selesai. Anda harus mendapatkan respons libprotoc 3.6.1 atau serupa.

Langkah 5: Siapkan Struktur Direktori TensorFlow

Kami telah menginstal semua paket, kami ingin menyiapkan direktori untuk TensorFlow. Dari direktori home, buat nama direktori bernama “tensorflow1”, Ketik berikut ini, mkdir tensorflow1cd tensorflow1

Sekarang unduh TensorFlow dengan mengetik, git clone --depth 1

Kami ingin memodifikasi variabel lingkungan PYTHONPATH untuk diarahkan ke beberapa direktori di dalam repositori TensorFlow. Kami membutuhkan PYTHONPATH untuk disetel setiap saat. Kita harus menyesuaikan file.bashrc. Kita harus membukanya dengan Mengetik

sudo nano ~/.bashrc

Di akhir file, dan baris terakhir tambahkan perintah, seperti pada gambar atas yang ditandai pada kotak warna merah.

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

Sekarang simpan dan keluar. Kita perlu menggunakan Protoc untuk mengkompilasi file Protocol Buffer(.proto) yang digunakan oleh Object Detection API. File.proto terletak di /research/object_detection/protos, kami ingin menjalankan perintah dari direktori /research. Ketik perintah berikut

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

Perintah ini mengubah semua file "name".proto menjadi file "name_pb2".py.

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

Kita perlu mengunduh model SSD_Lite dari kebun binatang model TensorFlowdetection. Untuk ini, kami ingin menggunakan SSDLite-MobileNet, yang merupakan model tercepat yang ada untuk RPI.

Google tanpa henti merilis model dengan kecepatan dan kinerja yang ditingkatkan, jadi sering-seringlah memeriksa apakah ada model yang ditingkatkan.

Ketik perintah berikut untuk mengunduh model SSDLite-MobileNet.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

Sekarang kita bisa berlatih model Object_Detction!

Kami hampir selesai!

Langkah 6: Deteksi Objek

Sekarang semuanya sudah diatur untuk deteksi objek eksekusi di Pi!

Object_detection_picamera.py mendeteksi objek secara langsung dari Picamera atau webcam USB.

Jika Anda menggunakan Picamera, ubah konfigurasi Raspberry Pi menjadi menu seperti pada gambar di atas yang ditandai dengan kotak warna merah.

Ketik perintah berikut untuk mengunduh file Object_detection_picamera.py ke dalam direktori 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

Ketik perintah berikut untuk kamera USB

python3 Object_detection_picamera.py --usbcam

Perintah seseorang dijalankan, setelah 1 menit jendela baru terbuka yang akan mulai mendeteksi objek!!!

Langkah 7: Masalah dan Terima Kasih

Tolong beri tahu saya jika Anda memiliki pertanyaan

Email: [email protected]

Terima kasih, Rithik