Deteksi Objek W/ Dragonboard 410c atau 820c Menggunakan OpenCV dan Tensorflow.: 4 Langkah

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:56

Instruksi ini menjelaskan cara menginstal OpenCV, Tensorflow, dan kerangka kerja pembelajaran mesin untuk Python 3.5 untuk menjalankan aplikasi Deteksi Objek.

Langkah 1: Persyaratan

Anda akan membutuhkan item berikut:

• DragonBoard™ 410c atau 820c;

• Instalasi Linaro-alip yang bersih:

  • DB410c: diuji dalam versi v431. Link:
  • DB820c: diuji dalam versi v228. Link:
• Setidaknya Kartu MicroSD berkapasitas 16GB (Jika menggunakan 410c);

Unduh file (Di akhir langkah ini), unzip dan salin ke kartu MicroSD; Obs: Jika menggunakan DB820c, unduh file, unzip dan pindahkan ke /home/*USER*/ untuk memudahkan penggunaan perintah.

• Hub USB;
• Kamera USB (kompatibel dengan Linux);
• Mouse dan keyboard USB;
• Koneksi internet.

Obs: Ikuti instruksi ini di browser DragonBoard jika memungkinkan, memfasilitasi penyalinan perintah

Langkah 2: Memasang Kartu MicroSD (hanya W/ DB410c)

• Buka terminal di Dragonboard;
• Di terminal jalankan fdisk:

$ sudo fdisk -l

• Masukkan kartu MicroSD ke dalam slot kartu MicroSD DragonBoard;
• Jalankan fdisk lagi, cari nama (dan partisi) perangkat baru dalam daftar (mis. mmcblk1p1)

$ sudo fdisk -l

Pergi ke direktori root:

$cd ~

Buat folder:

$mkdir sdfolder

Pasang kartu MicroSD:

$ mount /dev/sdfolder

Langkah 3: Menginstal Kerangka yang Diperlukan

• Buka terminal di Dragonboard;
• Di terminal, buka direktori yang dipilih (menggunakan "~" untuk 820c dan SDCard yang dipasang untuk 410c):

(820c) $cd ~

(410c) $cd ~/sdfolder

Buka folder skrip Object Detector:

$ cd object_detector_tensorflow_opencv/scripts/

Jalankan skrip pengaturan lingkungan:

$ sudo bash set_Env.sh

Perbarui sistem:

$ sudo apt update

Instal paket-paket ini:

$ 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* libpng-dev build-essential cmake 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 libswscale-dev libv4 libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Buka direktori ini:

$cd /usr/src

Unduh Python 3.5:

$ sudo wget

Ekstrak paket:

$ sudo tar xzf Python-3.5.6.tgz

Hapus paket terkompresi:

$ sudo rm Python-3.5.6.tgz

Buka direktori Python 3.5:

$cd Python-3.5.6

Aktifkan pengoptimalan untuk kompilasi Python 3.5:

$ sudo./configure --enable-optimizations

Kompilasi Python 3.5:

$ sudo buat altinstall

Tingkatkan pip dan alat penyiapan:

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

Instal numpy:

$ python3.5 -m pip install numpy

Pergi ke direktori yang dipilih:

(820c) $cd ~

(410c) $cd ~/sdfolder

Unduh Tensorflow 1.11 whl:

$wget

Instal tensorflow:

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

Klon repositori OpenCV dan OpenCV Contrib:

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

Pergi ke direktori:

$cd opencv

Buat direktori build dan buka:

$ sudo mkdir build && cd build

Jalankan 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 PYTHONABLE:$_PATYECTH3.5FAULT(=DEX3_DEABLE)_PAT_PYTHON3_DE:$ yang 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_TESTS_TESTS=OFF DENGAN -D -DBUILD_TBB=AKTIF -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_OPENMP=ON -D ENABLE_NEON=ON -D BUILD_PERF_TESTS= OFF -D BUILD_OPENC_V_PATTRA_PENCDUON_PAT. modul..

Kompilasi OpenCV dengan 4 core:

$ sudo make -j 4

Instal OpenCV:

$ sudo make install

Pergi ke direktori yang dipilih:

(820c) $cd ~

(410c) $cd ~/sdfolder

Buka direktori skrip:

$ cd object_detector_tensorflow_opencv/scripts/

Instal persyaratan Python3.5:

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

Impor uji:

$ python3.5

> impor cv2 >> impor tensorflow

Obs: Jika cv2 mengembalikan kesalahan impor, jalankan make install di folder build OpenCV dan coba lagi

Pergi ke direktori yang dipilih:

(820c) $cd ~

(410c) $cd ~/sdfolder

Unduh repositori cocoapi:

$ git clone

Unduh repositori model Tensorflow:

$ git clone

Buka direktori ini:

$ cd kakaopi/PythonAPI

Edit file Makefile, ubah python menjadi python3.5 pada baris 3 dan 8 lalu simpan file (menggunakan nano sebagai contoh):

$ nano Makefile

Kompilasi cocoapi:

$ sudo membuat

Obs: Jika perintah 'make' tidak dapat dikompilasi, coba instal ulang cython dengan:

$ sudo python3.5 -m pip install cython

Salin pycocotools ke direktori tensorflow /models/research:

(820c) $ cp -r pycocotools ~/models/research/

(410c) $cp -r pycocotools ~/sdfolder/models/research/

Pergi ke direktori yang dipilih:

(820c) $cd ~

(410c) $cd ~/sdfolder

Buka direktori model/penelitian:

$ cd model/penelitian

Kompilasi dengan protoc:

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

Ekspor variabel lingkungan:

$ ekspor PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

Uji lingkungan:

$ python3.5 object_detection/builders/model_builder_test.py

Obs: Itu harus mengembalikan OK, jika tidak, aplikasi tidak akan berfungsi. Jika tidak, hati-hati mencari kesalahan dalam proses menginstal kerangka kerja yang diperlukan

Langkah 4: Menjalankan Object Detection API

Dengan semua kerangka kerja yang dikonfigurasi, sekarang dimungkinkan untuk menjalankan API deteksi objek yang menggunakan OpenCV bersama dengan Tensorflow.

Pergi ke direktori yang dipilih:

(820c) $cd ~

(410c) $cd ~/sdfolder

Buka direktori deteksi objek:

$ cd object_detector_tensorflow_opencv/

Sekarang jalankan aplikasi:

$ python3.5 app.py

Sekarang Dragonboard akan mengalirkan video melalui jaringan. Untuk melihat video output buka browser di DB dan buka "0.0.0.0:5000".