Detecção de objeto Raspberry Pi: 7 etapas

2025 Autor: John Day | [email protected]. Última modificação: 2025-01-23 15:03

Este guia fornece instruções passo a passo sobre como configurar a API de detecção de objetos do TensorFlow no Raspberry Pi. Seguindo as etapas neste guia, você poderá usar o Raspberry Pi para realizar a detecção de objetos em vídeo ao vivo de uma webcam Picamera ou USB. O aprendizado de máquina manual não é necessário quando usado no banco de dados online para detecção de objetos. Você pode detectar a maioria dos objetos que são comumente usados em todo o mundo.

Por favor, consulte a minha foto acima, usamos um mouse, maçã e tesoura e detectamos o objeto perfeitamente.

O guia percorre as seguintes etapas:

Atualize o Raspberry Pi

Instale o TensorFlowInstall OpenCV

Compile e instale o Protobuf

Configure a estrutura de diretório do TensorFlow

Detecte objetos

Etapa 1: atualize o Raspberry Pi

Seu Raspberry Pi precisa ser atualizado

Passo 1:

Digite no terminal de comando, sudo apt-get update

E então digite

sudo apt-get dist-upgrade

Isso pode levar muito tempo depende da sua Internet e do Raspberry pi

Isso é tudo que você precisa, você concluiu a atualização do seu Raspberry pi

Etapa 2: instalar o TensorFlow

Agora, vamos instalar o Tensorflow.

Digite o seguinte comando, pip3 instalar TensorFlow

O TensorFlow também precisa do pacote LibAtlas, digite o seguinte comando

sudo apt-get install libatlas-base-dev

E digite o seguinte comando também, sudo pip3 install pillow lxml jupyter matplotlib cythonsudo apt-get install python-tk

Agora, concluímos a instalação do Tensorflow.

Etapa 3: Instale o OpenCV

Agora estamos trabalhando para instalar a biblioteca OpenCV porque os exemplos de detecção de objetos do TensorFlow usam matplotlib para mostrar imagens, mas escolhi praticar o OpenCV porque é mais fácil de trabalhar e com menos erros. Portanto, precisamos instalar o OpenCV. Agora, o OpenCV não oferece suporte a RPI, portanto, instalaremos o Verision mais antigo.

Agora estamos trabalhando para instalar algumas dependências que precisam ser instaladas via 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

Finalmente, agora podemos instalar o OpenCV digitando, pip3 install opencv-python == 3.4.6.27

Isso é tudo, agora instalamos o OpenCV

Etapa 4: Instale o Protobuf

A API de detecção de objetos TensorFlow usa Protobuf, um pacote que usa o formato de dados do buffer de protocolo do Google. Você precisa compilar a partir do código-fonte, agora você pode instalar facilmente.

sudo apt-get install protobuf-compiler

Execute protoc --version quando terminar. Você deve obter uma resposta de libprotoc 3.6.1 ou similar.

Etapa 5: configurar a estrutura de diretório do TensorFlow

Instalamos todos os pacotes, queremos configurar um diretório para o TensorFlow. No diretório inicial, crie um nome de diretório chamado “tensorflow1”, Digite o seguinte, mkdir tensorflow1cd tensorflow1

Agora faça o download do TensorFlow digitando, git clone --depth 1

Queremos modificar a variável de ambiente PYTHONPATH para direcionar para alguns diretórios dentro do repositório do TensorFlow. Precisamos que PYTHONPATH seja definido todas as vezes. Temos que ajustar o arquivo.bashrc. Temos que abri-lo digitando

sudo nano ~ /.bashrc

No final do arquivo, e na última linha, adicione o comando, como na imagem superior que está marcada na caixa de cor vermelha.

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

Agora salve e saia. Precisamos usar o Protoc para compilar os arquivos do Buffer de protocolo (.proto) usados pela API Object Detection. Os arquivos.proto estão localizados em / research / object_detection / protos, queremos executar o comando a partir do diretório / research. Digite o seguinte comando

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

Este comando altera todos os arquivos.proto "name" para arquivos.py "name_pb2".

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

Precisamos fazer o download do modelo SSD_Lite do zoológico de modelos TensorFlowdetection. Para isso, queremos usar SSDLite-MobileNet, que é o modelo mais rápido existente para RPI.

O Google está continuamente lançando modelos com velocidade e desempenho aprimorados, portanto, verifique com frequência se há algum modelo aprimorado.

Digite o seguinte comando para baixar o modelo SSDLite-MobileNet.

wget

tar -xzvf ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz

Agora podemos praticar os modelos Object_Detction!

Estamos quase terminando!

Etapa 6: detectar o objeto

Agora tudo está configurado para detecção de objetos de execução no Pi!

Object_detection_picamera.py detecta objetos ao vivo de uma webcam Picamera ou USB.

Se você estiver usando uma Picamera, altere a configuração do Raspberry Pi em um menu como na imagem acima marcada em uma caixa de cor vermelha.

Digite o seguinte comando para baixar o arquivo Object_detection_picamera.py no diretório 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

Digite o seguinte comando para câmera USB

python3 Object_detection_picamera.py --usbcam

Um comando é executado, após 1 minuto uma nova janela se abrirá que começará a detectar os objetos !!!

Etapa 7: Problemas e obrigado

Por favor, deixe-me saber se você tem alguma dúvida

Email: [email protected]

Obrigado, Rithik