Sadržaj:
- Korak 1: Ažurirajte Raspberry Pi
- Korak 2: Instalirajte TensorFlow
- Korak 3: Instalirajte OpenCV
- Korak 4: Instalirajte Protobuf
- Korak 5: Postavite TensorFlow strukturu direktorija
- Korak 6: Otkrijte objekt
- Korak 7: Problemi i hvala
![Raspberry Pi Object Detection: 7 koraka Raspberry Pi Object Detection: 7 koraka](https://i.howwhatproduce.com/images/009/image-24322-j.webp)
Video: Raspberry Pi Object Detection: 7 koraka
![Video: Raspberry Pi Object Detection: 7 koraka Video: Raspberry Pi Object Detection: 7 koraka](https://i.ytimg.com/vi/i5ZtKUQSZ7A/hqdefault.jpg)
2024 Autor: John Day | [email protected]. Zadnja izmjena: 2024-01-30 08:05
![Raspberry Pi Object Detection Raspberry Pi Object Detection](https://i.howwhatproduce.com/images/009/image-24322-1-j.webp)
Ovaj vodič pruža korak-po-korak upute za postavljanje API-ja za otkrivanje objekata TensorFlow-a na Raspberry Pi. Slijedeći korake u ovom vodiču, moći ćete koristiti svoj Raspberry Pi za obavljanje detekcije objekata na video zapisu uživo s Picamere ili USB web kamere. Ručno mašinsko učenje nije potrebno jer se koristi u online bazi podataka za otkrivanje objekata. Možete otkriti većinu objekata koji se uobičajeno koriste širom svijeta.
Pogledajte moju gornju sliku, koristili smo miš, jabuku i škare i savršeno detektirali objekt.
Vodič prolazi kroz sljedeće korake:
Ažurirajte Raspberry Pi
Instalirajte TensorFlowInstall OpenCV
Kompajlirajte i instalirajte Protobuf
Postavite strukturu direktorija TensorFlow
Otkrijte objekte
Korak 1: Ažurirajte Raspberry Pi
![Ažurirajte Raspberry Pi Ažurirajte Raspberry Pi](https://i.howwhatproduce.com/images/009/image-24322-2-j.webp)
Vaš Raspberry Pi treba ažurirati
Korak 1:
Upišite komandni terminal, sudo apt-get update
A zatim upišite
sudo apt-get dist-upgrade
Ovo može potrajati dugo ovisi o vašem Internetu i malini pi
To je sve što vam treba, završili ste s ažuriranjem Raspberry pi
Korak 2: Instalirajte TensorFlow
![Instalirajte TensorFlow Instalirajte TensorFlow](https://i.howwhatproduce.com/images/009/image-24322-3-j.webp)
Sada ćemo instalirati Tensorflow.
Upišite ovu naredbu, pip3 instalirajte TensorFlow
TensorFlow -u je također potreban paket LibAtlas, upišite ovu naredbu
sudo apt-get install libatlas-base-dev
Upišite i ovu naredbu, sudo pip3 instalirati jastuk lxml jupyter matplotlib cythonsudo apt-get instalirati python-tk
Sada smo završili instaliranje Tensorflow -a.
Korak 3: Instalirajte OpenCV
![Instalirajte OpenCV Instalirajte OpenCV](https://i.howwhatproduce.com/images/009/image-24322-4-j.webp)
Sada radimo na instaliranju OpenCV biblioteke jer primjeri otkrivanja objekata TensorFlow -a koriste matplotlib za prikazivanje slika, ali ja odabirem vježbanje OpenCV -a jer je lakše raditi s manje grešaka. Dakle, moramo instalirati OpenCV. Sada OpenCV ne podržava RPI, pa ćemo instalirati stariji Verision.
Sada radimo na instaliranju nekoliko ovisnosti koje je potrebno instalirati putem 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
Konačno, sada možemo instalirati OpenCV upisivanjem, pip3 install opencv-python == 3.4.6.27
To je sve, sada smo instalirali OpenCV
Korak 4: Instalirajte Protobuf
![Instalirajte Protobuf Instalirajte Protobuf](https://i.howwhatproduce.com/images/009/image-24322-5-j.webp)
API za otkrivanje objekata TensorFlow koristi Protobuf, paket koji odlikuje Googleov format podataka Buffer protokola. Morate kompajlirati iz izvora, sada možete jednostavno instalirati.
sudo apt-get install protobuf-kompajler
Pokrenite protoc --version kada to učinite. Trebali biste dobiti odgovor libprotoc 3.6.1 ili slično.
Korak 5: Postavite TensorFlow strukturu direktorija
![Postavljanje strukture direktorija TensorFlow Postavljanje strukture direktorija TensorFlow](https://i.howwhatproduce.com/images/009/image-24322-6-j.webp)
Instalirali smo sve pakete, želimo postaviti direktorij za TensorFlow. Iz kućnog direktorija stvorite ime direktorija pod nazivom "tensorflow1", Upišite sljedeće, mkdir tensorflow1cd tensorflow1
Sada preuzmite TensorFlow upisivanjem, git clone --depth 1
Želimo izmijeniti varijablu okruženja PYTHONPATH tako da usmjerava na neke direktorije unutar spremišta TensorFlow. Svaki put moramo postaviti PYTHONPATH. Moramo prilagoditi.bashrc datoteku. Moramo ga otvoriti kucanjem
sudo nano ~/.bashrc
Na kraju datoteke i u posljednji redak dodajte naredbu, kao na gornjoj slici koja je označena u okviru crvene boje.
izvoz PYTHONPATH = $ PYTHONPATH:/home/pi/tensorflow1/models/research:/home/pi/tensorflow1/models/research/slim
Sada spremite i izađite. Moramo koristiti Protoc za kompajliranje datoteka Buffer protokola (.proto) koje koristi API za otkrivanje objekata. Datoteke.proto nalaze se u /research /object_detection /protos, želimo izvršiti naredbu iz direktorija /research. Upišite sljedeću naredbu
cd/home/pi/tensorflow1/models/researchprotoc object_detection/protos/*. proto --python_out =.
Ova naredba mijenja sve datoteke "name".proto u "name_pb2".py datoteke.
cd/home/pi/tensorflow1/models/research/object_detection
Moramo preuzeti model SSD_Lite iz zoološkog vrta modela TensorFlowdetection. U tu svrhu želimo koristiti SSDLite-MobileNet, koji je najbrži model za RPI.
Google beskrajno objavljuje modele poboljšane brzine i performansi, pa često provjeravajte postoje li poboljšani modeli.
Unesite sljedeću naredbu za preuzimanje modela SSDLite-MobileNet.
wget
tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz
Sada možemo vježbati Object_Detction modele!
Skoro smo gotovi!
Korak 6: Otkrijte objekt
![Detect Object Detect Object](https://i.howwhatproduce.com/images/009/image-24322-7-j.webp)
Sada je cijela stvar postavljena za otkrivanje objekata izvršenja na Pi!
Object_detection_picamera.py otkriva objekte uživo s Picamere ili USB web kamere.
Ako koristite Picameru, promijenite konfiguraciju Raspberry Pi na izborniku kao na gornjoj slici označenoj crvenim okvirom.
Upišite sljedeću naredbu za preuzimanje datoteke Object_detection_picamera.py u direktorij 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
Unesite sljedeću naredbu za USB kameru
python3 Object_detection_picamera.py --usbcam
Jedna naredba se izvršava, nakon 1 minute otvara se novi prozor koji će početi otkrivati objekte !!!
Korak 7: Problemi i hvala
![Problemi i hvala Problemi i hvala](https://i.howwhatproduce.com/images/009/image-24322-8-j.webp)
Javite mi ako imate pitanja
E -pošta: [email protected]
Hvala ti, Rithik
Preporučuje se:
Prepoznavanje lica na Raspberry Pi 4B u 3 koraka: 3 koraka
![Prepoznavanje lica na Raspberry Pi 4B u 3 koraka: 3 koraka Prepoznavanje lica na Raspberry Pi 4B u 3 koraka: 3 koraka](https://i.howwhatproduce.com/images/002/image-5374-j.webp)
Prepoznavanje lica na Raspberry Pi 4B u 3 koraka: U ovom uputstvu ćemo izvršiti otkrivanje lica na Raspberry Pi 4 sa Shunya O/S koristeći biblioteku Shunyaface. Shunyaface je biblioteka za prepoznavanje/otkrivanje lica. Cilj projekta je postići najbržu brzinu otkrivanja i prepoznavanja sa
LED Blink sa Raspberry Pi - Kako koristiti GPIO pinove na Raspberry Pi: 4 koraka
![LED Blink sa Raspberry Pi - Kako koristiti GPIO pinove na Raspberry Pi: 4 koraka LED Blink sa Raspberry Pi - Kako koristiti GPIO pinove na Raspberry Pi: 4 koraka](https://i.howwhatproduce.com/images/011/image-30766-j.webp)
LED Blink sa Raspberry Pi | Kako koristiti GPIO pinove na Raspberry Pi: Zdravo momci, u ovim uputstvima naučit ćemo kako koristiti GPIO -ove Raspberry pi. Ako ste ikada koristili Arduino, vjerojatno znate da možemo spojiti LED prekidač itd. Na njegove pinove i omogućiti mu da radi. neka LED treperi ili unesite ulaz sa prekidača pa
WalabotEye - Tracker Object Tracker sa haptičkom povratnom spregom: 11 koraka
![WalabotEye - Tracker Object Tracker sa haptičkom povratnom spregom: 11 koraka WalabotEye - Tracker Object Tracker sa haptičkom povratnom spregom: 11 koraka](https://i.howwhatproduce.com/images/011/image-32781-j.webp)
WalabotEye - Tracker Object Tracker sa haptičkom povratnom spregom: Za osobe sa slabim vidom, koristite ovo za bolje razumijevanje svijeta oko sebe
Instaliranje Raspbian Bustera na Raspberry Pi 3 - Početak rada s Raspbian Busterom s Raspberry Pi 3b / 3b+: 4 koraka
![Instaliranje Raspbian Bustera na Raspberry Pi 3 - Početak rada s Raspbian Busterom s Raspberry Pi 3b / 3b+: 4 koraka Instaliranje Raspbian Bustera na Raspberry Pi 3 - Početak rada s Raspbian Busterom s Raspberry Pi 3b / 3b+: 4 koraka](https://i.howwhatproduce.com/images/001/image-2658-16-j.webp)
Instaliranje Raspbian Bustera na Raspberry Pi 3 | Početak rada sa Raspbian Busterom Sa Raspberry Pi 3b / 3b+: Zdravo momci, nedavno je organizacija Raspberry pi pokrenula novi Raspbian OS nazvan Raspbian Buster. To je nova verzija Raspbiana za Raspberry pi's. Tako ćemo danas u ovim uputama naučiti kako instalirati Raspbian Buster OS na vaš Raspberry pi 3
Instaliranje Raspbiana u Raspberry Pi 3 B bez HDMI - Prvi koraci s Raspberry Pi 3B - Postavljanje vašeg Raspberry Pi 3: 6 koraka
![Instaliranje Raspbiana u Raspberry Pi 3 B bez HDMI - Prvi koraci s Raspberry Pi 3B - Postavljanje vašeg Raspberry Pi 3: 6 koraka Instaliranje Raspbiana u Raspberry Pi 3 B bez HDMI - Prvi koraci s Raspberry Pi 3B - Postavljanje vašeg Raspberry Pi 3: 6 koraka](https://i.howwhatproduce.com/images/002/image-5563-20-j.webp)
Instaliranje Raspbiana u Raspberry Pi 3 B bez HDMI | Prvi koraci s Raspberry Pi 3B | Postavljanje vašeg Raspberry Pi 3: Kao što neki od vas znaju, Raspberry Pi računari su odlični i možete staviti cijeli računar samo na jednu malu ploču. Raspberry Pi 3 Model B sadrži četverojezgreni 64-bitni ARM Cortex A53 radi na 1,2 GHz. Ovo čini Pi 3 otprilike 50