İçindekiler:
2025 Yazar: John Day | [email protected]. Son düzenleme: 2025-01-13 06:58
Bu kılavuz, Raspberry Pi'de TensorFlow'un Nesne Algılama API'sinin nasıl kurulacağına ilişkin adım adım talimatlar sağlar. Bu kılavuzdaki adımları izleyerek, bir Picamera veya USB web kamerasından canlı videoda nesne algılama gerçekleştirmek için Raspberry Pi'nizi kullanabileceksiniz. Nesne algılama için çevrimiçi veritabanında kullanıldığı için manuel makine öğrenimi gerekli değildir. Dünya çapında yaygın olarak kullanılan nesnelerin çoğunu tespit edebilirsiniz.
Lütfen yukarıdaki resmime bakın, bir fare, Elma ve Makas kullandık ve nesneyi mükemmel bir şekilde tespit ettik.
Kılavuz aşağıdaki adımlardan geçer:
Raspberry Pi'yi güncelleyin
TensorFlowInstall OpenCV'yi yükleyin
Protobuf'u derleyin ve yükleyin
TensorFlow dizin yapısını ayarlayın
Nesneleri algıla
1. Adım: Raspberry Pi'yi Güncelleyin
Raspberry Pi'nizin güncellenmesi gerekiyor
Aşama 1:
Komut terminaline yazın, sudo apt-get güncellemesi
Ve sonra Yazın
sudo apt-get dağıtım yükseltme
Bu Uzun Zaman Alabilir İnternetinize ve Raspberry Pi'nize bağlıdır
İhtiyacınız olan tek şey bu, Raspberry pi'nizi güncellemeyi bitirdiniz
2. Adım: TensorFlow'u yükleyin
Şimdi Tensorflow'u kuracağız.
Aşağıdaki komutu yazın, pip3 TensorFlow'u kurun
TensorFlow ayrıca LibAtlas paketine ihtiyaç duyar, Aşağıdaki komutu yazın
sudo apt-get install libatlas-base-dev
Ve aşağıdaki komutu da yazın, sudo pip3 yükleme yastığı lxml jupyter matplotlib cythonsudo apt-get yükleme python-tk
Şimdi, Tensorflow'un Kurulumunu Tamamladık.
3. Adım: OpenCV'yi yükleyin
Şimdi OpenCV kitaplığını kurmak için çalışıyoruz çünkü TensorFlow'un nesne algılama örnekleri görüntüleri göstermek için matplotlib kullanıyor, ancak ben OpenCV ile çalışmayı daha kolay ve daha az hata olduğu için uygulamayı seçiyorum. Bu yüzden OpenCV'yi kurmamız gerekiyor. Artık OpenCV RPI'yi desteklemiyor, bu yüzden eski Verision'ı yükleyeceğiz.
Şimdi apt-get ile yüklenmesi gereken birkaç bağımlılığı kurmaya çalışıyoruz.
sudo apt-get kurulumu libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev
sudo apt-get kurulumu libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get kurulum libxvidcore-dev libx264-dev
sudo apt-get install qt4-dev-tools libatlas-base-dev
Son olarak, şimdi yazarak OpenCV'yi kurabiliriz, pip3 kurulumu opencv-python==3.4.6.27
Hepsi bu, şimdi OpenCV'yi kurduk
4. Adım: Protobuf'u yükleyin
TensorFlow nesne algılama API'si, Google'ın Protokol Arabelleği veri biçimine uyan bir paket olan Protobuf'u kullanır. Kaynaktan derlemeniz gerekiyor, şimdi kolayca kurabilirsiniz.
sudo apt-get kurulum protobuf-derleyicisi
Bu yapıldıktan sonra protoc --version komutunu çalıştırın. libprotoc 3.6.1 veya benzeri bir yanıt almalısınız.
Adım 5: TensorFlow Dizin Yapısını Ayarlayın
Tüm paketleri kurduk, TensorFlow için bir dizin oluşturmak istiyoruz. Ana dizinden “tensorflow1” adında bir dizin adı oluşturun, Aşağıdakileri yazın, mkdir tensorflow1cd tensorflow1
Şimdi yazarak TensorFlow'u indirin, git klon --depth 1
PYTHONPATH ortam değişkenini, TensorFlow deposundaki bazı dizinlere yönlendirmek için değiştirmek istiyoruz. Her seferinde ayarlanacak PYTHONPATH'e ihtiyacımız var..bashrc dosyasını ayarlamamız gerekiyor. yazarak açmamız gerekiyor
sudo nano ~/.bashrc
Dosyanın sonuna ve son satıra, üstteki resimde olduğu gibi kırmızı renk kutusunda işaretlenmiş olan komutu ekleyin.
dışa aktar PYTHONPATH=$PYTHONPATH:/home/pi/tensorflow1/models/research:/home/pi/tensorflow1/models/research/slim
Şimdi kaydedin ve çıkın. Object Detection API tarafından kullanılan Protocol Buffer(.proto) dosyalarını derlemek için Protoc kullanmamız gerekiyor..proto dosyaları /research/object_detection/protos içinde bulunur, komutu /research dizininden yürütmek istiyoruz. Aşağıdaki komutu yazın
cd /home/pi/tensorflow1/models/researchprotoc object_detection/protos/*.proto --python_out=.
Bu komut, tüm "name".proto dosyalarını "name_pb2".py dosyalarına değiştirir.
cd /home/pi/tensorflow1/models/research/object_detection
TensorFlowdetection model hayvanat bahçesinden SSD_Lite modelini indirmemiz gerekiyor. Bunun için RPI için mevcut en hızlı model olan SSDLite-MobileNet'i kullanmak istiyoruz.
Google, sürekli olarak gelişmiş hız ve performansa sahip modeller yayınlamaktadır; bu nedenle, geliştirilmiş modeller olup olmadığını sık sık kontrol edin.
SSDLite-MobileNet modelini indirmek için aşağıdaki komutu yazın.
wget
tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz
Artık Object_Detction modellerini uygulayabiliriz!
Neredeyse bitirdik!
Adım 6: Nesneyi Algıla
Şimdi her şey Pi'de yürütme nesnesi algılaması için ayarlandı!
Object_detection_picamera.py, bir Picamera veya USB web kamerasından canlı olarak nesneleri algılar.
Bir Picamera kullanıyorsanız, Raspberry Pi konfigürasyonunu yukarıdaki resimdeki gibi kırmızı renk kutusunda işaretli bir menü yapın.
Object_detection_picamera.py dosyasını object_detection dizinine indirmek için aşağıdaki komutu yazın.
wget https://raw.githubusercontent.com/EdjeElectronics/ TensorFlow-Object-Detection-on-the-Raspberry-Pi/master/Object_detection_picamera.py
python3 Object_detection_picamera.py
USB kamera için aşağıdaki komutu yazın
python3 Object_detection_picamera.py --usbcam
Birinin komutu yürütülür, 1 dakika sonra nesneleri algılamaya başlayacak yeni bir pencere açılır!!!
7. Adım: Sorunlar ve Teşekkürler
Herhangi bir sorunuz varsa lütfen bana bildirin
E-posta: [email protected]
Teşekkürler, Rithik