የነገር ማወቂያ W/ Dragonboard 410c ወይም 820c OpenCV እና Tensorflow ን በመጠቀም።: 4 ደረጃዎች

2024 ደራሲ ደራሲ: John Day | [email protected]. ለመጨረሻ ጊዜ የተሻሻለው: 2024-01-30 07:31

ይህ የማስተማሪያ ዕቃዎች የነገር ማወቂያ መተግበሪያን ለማስኬድ ለ Python 3.5 OpenCV ፣ Tensorflow እና የማሽን መማሪያ ማዕቀፎችን እንዴት እንደሚጭኑ ይገልፃል።

ደረጃ 1: መስፈርቶች

የሚከተሉትን ንጥረ ነገሮች ያስፈልግዎታል

• አንድ DragonBoard ™ 410c ወይም 820c;

• የሊናሮ-አሊፕ ንፁህ ጭነት

  • DB410c: በስሪት v431 ተፈትኗል። አገናኝ
  • DB820c: በስሪት v228 ተፈትኗል። አገናኝ
• ቢያንስ 16 ጊባ አቅም የማይክሮ ኤስዲ ካርድ (410 ሲ የሚጠቀም ከሆነ);

ፋይሉን ያውርዱ (በዚህ ደረጃ መጨረሻ) ፣ ወደ ማይክሮ ኤስዲ ካርድ መገልበጥ እና መገልበጥ ፤ ምልከታዎች - DB820c የሚጠቀሙ ከሆነ ፣ ፋይሉን ያውርዱ ፣ ይንቀሉ እና ወደ/ቤት/*USER*/ይሂዱ።

• የዩኤስቢ ማዕከል;
• የዩኤስቢ ካሜራ (ሊኑክስ ተኳሃኝ);
• የዩኤስቢ መዳፊት እና የቁልፍ ሰሌዳ;
• የበይነመረብ ግንኙነት።

ምልከታዎች - የሚቻል ከሆነ ይህንን የመማሪያ ትዕዛዞችን በ DragonBoard አሳሽ ውስጥ ይከተሉ ፣ ትዕዛዞቹን መቅዳት ያመቻቻል።

ደረጃ 2 - የማይክሮ ኤስዲ ካርዱን (ወ/ ዲቢ 410 ሐ ብቻ)

• በ Dragonboard ውስጥ ተርሚናልን ይክፈቱ ፤
• ተርሚናል ሩጫ ውስጥ fdisk:

$ sudo fdisk -l

• የማይክሮ ኤስዲ ካርዱን በ DragonBoard MicroSD ካርድ ማስገቢያ ውስጥ ያስገቡ።
• በዝርዝሩ ውስጥ የአዲሱ መሣሪያ ስም (እና ክፍልፍል) በመፈለግ fdisk ን እንደገና ያሂዱ (ለምሳሌ mmcblk1p1)

$ sudo fdisk -l

ወደ ስርወ ማውጫው ይሂዱ ፦

$ cd ~

አቃፊ ይፍጠሩ ፦

$ mkdir sdfolder

የማይክሮ ኤስዲ ካርዱን ይጫኑ

$ mount / dev / sdfolder

ደረጃ 3 - አስፈላጊ ማዕቀፎችን መጫን

• በ Dragonboard ውስጥ ተርሚናልን ይክፈቱ ፤
• በተርሚናል ውስጥ ወደ ተመረጠው ማውጫ ይሂዱ (ለ ‹820c‹ ~ ›እና ለተሰቀለው ኤስዲ ካርድ ለ 410 ሲ) ይጠቀሙ ፦

(820 ሲ) $ ሲዲ ~

(410c) $ cd ~/sdfolder

ወደ የነገር መፈለጊያ እስክሪፕቶች አቃፊ ይሂዱ -

$ cd object_detector_tensorflow_opencv/ስክሪፕቶች/

የአካባቢ ቅንብር ስክሪፕት ያሂዱ ፦

$ sudo bash set_Env.sh

ስርዓቱን ያዘምኑ;

$ sudo ተስማሚ ዝመና

እነዚህን ጥቅሎች ይጫኑ ፦

$ 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-important 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 libv4l-dev libxvidcore-dev libgtk2.0-dev libgtk-3-dev ffmpeg Python-opengl

ወደዚህ ማውጫ ይሂዱ ፦

$ cd /usr /src

Python 3.5 ን ያውርዱ:

$ sudo wget

ጥቅሉን ያውጡ;

$ sudo tar xzf Python-3.5.6.tgz

የተጨመቀውን ጥቅል ይሰርዙ;

$ sudo rm Python-3.5.6.tgz

ወደ Python 3.5 ማውጫ ይሂዱ

$ cd Python-3.5.6

ለ Python 3.5 ማጠናከሪያ ማመቻቻዎችን ያንቁ-

$ sudo./configure-የሚቻል-ማመቻቸት

Python ን ያጠናቅሩ 3.5

$ sudo altinstall ያድርጉ

የቧንቧ እና የማቀናበሪያ መሳሪያዎችን ያሻሽሉ

$ sudo python3.5 -m ፒፕ መጫኛ -ፒፕ && Python3.5 -m ፒፕ መጫንን -ማሻሻል setuptools

ቁጥቋጦን ይጫኑ;

$ python3.5 -m ፒፕ ጫን numpy

ወደ ተመረጠው ማውጫ ይሂዱ

(820 ሲ) $ ሲዲ ~

(410c) $ cd ~/sdfolder

Tensorflow 1.11 whl ን ያውርዱ:

$ wget

Tensorflow ን ይጫኑ;

$ sudo python3.5 -m ፒፕ መጫኛ tensorflow-1.11.0-cp35-none-linux_aarch64.whl

Clone OpenCV እና OpenCV አስተዋፅዖ ማከማቻዎች ፦

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

ወደ ማውጫ ይሂዱ ፦

$ cd opencv

የግንባታ ማውጫ ይፍጠሩ እና ወደ እሱ ይሂዱ

$ sudo mkdir ግንባታ && ሲዲ ግንባታ

CMake አሂድ;

$ 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 የትኛው 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 with BTS_T -DBUILD_TBB = በርቷል -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 ላይ_V_DV_DV_DV_DV_DV_DV_DV_DV_DV_DV_DV_DV_DV_DV_DE_DE_DE_DE_DE_DE_DE_V_DV_DE_DE_DE_DE_DE_V_DE_DE_DE_DE_DE_DE_DE_DE_DE_DE_DE_DE_DE_DE_DE_E_DE_DE_E_DE_DE_DE_E_DE_DE_E_DE_DE_DE_DE_U_DE_DE_U ሞጁሎች..

OpenCV ን ከ 4 ኮር ጋር ያጠናቅሩ

$ sudo make -j 4

OpenCV ን ይጫኑ ፦

$ sudo ጫን

ወደ ተመረጠው ማውጫ ይሂዱ

(820 ሲ) $ ሲዲ ~

(410c) $ cd ~/sdfolder

ወደ ስክሪፕቶች ማውጫ ይሂዱ

$ cd object_detector_tensorflow_opencv/ስክሪፕቶች/

Python3.5 መስፈርቶችን ይጫኑ

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

የሙከራ ማስመጣት

$ python3.5

> ማስመጣት cv2 >> የማስመጣት tensorflow

ምልከታዎች- cv2 የማስመጣት ስህተትን ከመለሰ በ OpenCV ግንባታ አቃፊ ውስጥ መጫኑን ያሂዱ እና እንደገና ይሞክሩ።

ወደ ተመረጠው ማውጫ ይሂዱ

(820 ሲ) $ ሲዲ ~

(410c) $ cd ~/sdfolder

የኮኮፒ ማከማቻን ያውርዱ

$ git clone

የ Tensorflow ሞዴሎች ማከማቻን ያውርዱ

$ git clone

ወደዚህ ማውጫ ይሂዱ ፦

$ cd cocoapi/PythonAPI

በመስክ 3 እና 8 ውስጥ ፓይዘን ወደ ፓይዘን 3.5 በመቀየር Makefile ን ፋይል ያርትዑ ከዚያም ፋይሉን ያስቀምጡ (ናኖን እንደ ምሳሌ በመጠቀም)

$ nano Makefile

ኮኮፒውን ያጠናቅቁ;

$ sudo ያድርጉ

ምልከታዎች ‹‹ make›› ትዕዛዝ ካልተሰበሰበ ሳይቶንን እንደገና ለመጫን ይሞክሩ-

$ sudo python3.5 -m ፒፕ መጫኛ ሳይቶን

ፒኮኮቶሎችን ወደ tensorflow /ሞዴሎች /የምርምር ማውጫ ይቅዱ

(820 ሲ) $ cp -r pycocotools ~/ሞዴሎች/ምርምር/

(410c) $ cp -r pycocotools ~/sdfolder/ሞዴሎች/ምርምር/

ወደ ተመረጠው ማውጫ ይሂዱ

(820 ሲ) $ ሲዲ ~

(410c) $ cd ~/sdfolder

ወደ ሞዴሎች/የምርምር ማውጫ ይሂዱ

$ ሲዲ ሞዴሎች/ምርምር

ከፕሮቶኮሉ ጋር ያጠናቅቁ

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

የአከባቢ ተለዋዋጭ

$ ወደ ውጪ ላክ PYTHONPATH = $ PYTHONPATH: 'pwd`:' pwd`/ቀጭን

አካባቢን ይፈትሹ;

$ python3.5 object_detection/builders/model_builder_test.py

ምልከታዎች - እሺ መመለስ አለበት ፣ አለበለዚያ አፕሊኬሽኑ አይሰራም። ካልሆነ አስፈላጊዎቹን ማዕቀፎች በመጫን ሂደት ውስጥ ማንኛውንም ስህተት በጥንቃቄ ይፈልጉ።

ደረጃ 4 የነገር ማወቂያ ኤፒአይ ማሄድ

በሁሉም ማዕቀፎች ከተዋቀረ አሁን OpenCV ን ከ Tensorflow ጋር የሚጠቀምበትን የነገር ማወቂያ ኤፒአይ ማካሄድ ይቻላል።

ወደ ተመረጠው ማውጫ ይሂዱ

(820 ሲ) $ ሲዲ ~

(410c) $ cd ~/sdfolder

ወደ የነገር ማወቂያ ማውጫ ይሂዱ ፦

$ cd object_detector_tensorflow_opencv/

አሁን መተግበሪያውን ያሂዱ

$ python3.5 app.py

አሁን ድራጎንቦርዱ ቪዲዮውን በአውታረ መረቡ ያሰራጫል። የውጤት ቪዲዮውን ለማየት በ DB ውስጥ አሳሹን ይክፈቱ እና ወደ “0.0.0.0: 5000” ይሂዱ።