Reconhecimento de imagem com TensorFlow no Raspberry Pi: 6 etapas

2024 Autor: John Day | [email protected]. Última modificação: 2024-01-30 11:38

O Google TensorFlow é uma biblioteca de software de código aberto para computação numérica que usa gráficos de fluxo de dados. Ele é usado pelo Google em seus vários campos de aprendizado de máquina e tecnologias de aprendizado profundo. O TensorFlow foi originalmente desenvolvido pela equipe do Google Brain e é publicado no domínio público como o GitHub.

Para mais tutoriais visite nosso blog. Obtenha o Raspberry Pi do FactoryForward - Revendedor aprovado na Índia.

Leia este tutorial em nosso blog aqui.

Etapa 1: aprendizado de máquina

Aprendizado de Máquina e Aprendizado Profundo estarão sob Inteligência Artificial (IA). Um Aprendizado de Máquina observará e analisará os dados disponíveis e melhorará seus resultados ao longo do tempo.

Exemplo: recurso de vídeos recomendados do YouTube. Mostra vídeos relacionados que você assistiu antes. A previsão é limitada apenas aos resultados baseados em texto. Mas o aprendizado profundo pode ser mais profundo do que isso.

Etapa 2: Aprendizado profundo

O aprendizado profundo é quase semelhante a isso, mas toma decisões mais precisas por conta própria, coletando várias informações de um objeto. Ele tem muitas camadas de análise e toma uma decisão de acordo com elas. Para agilizar o processo, ele usa Rede Neural e nos fornece o resultado mais exato que precisávamos (significa melhor previsão do que ML). Algo parecido com a forma como o cérebro humano pensa e toma decisões.

Exemplo: detecção de objetos. Ele detecta o que está disponível em uma imagem. Algo semelhante que permite diferenciar um Arduino do Raspberry Pi por sua aparência, tamanho e cores.

É um tema amplo e tem várias aplicações.

Etapa 3: Pré-requisitos

O TensorFlow anunciou o suporte oficial para Raspberry Pi, a partir da versão 1.9, ele oferecerá suporte para Raspberry Pi usando a instalação do pacote pip. Veremos como instalá-lo em nosso Raspberry Pi neste tutorial.

• Python 3.4 (recomendado)
• Raspberry Pi
• Fonte de energia
• Raspbian 9 (alongamento)

Etapa 4: atualize seu Raspberry Pi e seus pacotes

Etapa 1: atualize seu Raspberry Pi e seus pacotes.

sudo apt-get update

sudo apt-get upgrade

Etapa 2: teste se você tem a versão mais recente do python, usando este comando.

python3 –-version

É recomendado ter pelo menos Python 3.4.

Etapa 3: Precisamos instalar a biblioteca libatlas (ATLAS - Automatically Tuned Linear Algebra Software). Porque o TensorFlow usa numpy. Então, instale-o usando o seguinte comando

sudo apt install libatlas-base-dev

Etapa 4: instale o TensorFlow usando o comando de instalação do Pip3.

pip3 instalar tensorflow

Agora o TensorFlow está instalado.

Etapa 5: prever uma imagem usando um exemplo de modelo Imagenet:

O TensorFlow publicou um modelo para prever imagens. Você precisa fazer o download do modelo primeiro e depois executá-lo.

Etapa 1: Execute o seguinte comando para baixar os modelos. Você pode precisar ter o git instalado.

git clone

Etapa 2: Navegue até o exemplo imagenet.

modelos de cd / tutoriais / imagem / imagenet

Dica profissional: no novo Raspbian Stretch, você pode encontrar o arquivo ‘classify_image.py’ manualmente e depois ‘Clique com o botão direito’ nele. Escolha ‘Copiar caminho (s)’. Em seguida, cole-o no terminal após o 'cd' e pressione enter. Desta forma, você pode navegar mais rápido sem erros (em caso de erro de ortografia ou o nome do arquivo é alterado em novas atualizações).

Usei o método ‘Copiar caminho (s)’ para incluir o caminho exato na imagem (/ home / pi).

Etapa 3: execute o exemplo usando este comando. Demorará cerca de 30 segundos para mostrar o resultado previsto.

python3 classify_image.py

Etapa 6: previsão de imagem personalizada

Você também pode baixar uma imagem da Internet ou usar sua própria imagem capturada em sua câmera para previsões. Para obter melhores resultados, use menos imagens da memória.

Para usar imagens personalizadas, use o seguinte método. Tenho o arquivo de imagem no local ‘/home/pi/Downloads/TensorImageTest1.jpg’. Basta substituí-lo pelo local e nome do arquivo. Use ‘Copiar caminho (s)’ para facilitar a navegação.

python3 classify_image.py --image_file = / home / pi / Downloads / TensorImageTest1.jpg

Você também pode experimentar outros exemplos. Mas você precisa instalar os pacotes necessários antes da execução. Cobriremos alguns tópicos interessantes do TensorFlow nos próximos tutoriais.