图像分类-虚拟IoT硬件和RaspberryPi

图像分类 - 虚拟IoT硬件和Raspberry Pi

在这节课的这一部分，你将把相机拍摄到的图像发送到自定义视觉服务以对其进行分类。

向自定义视觉发送图像

自定义视觉服务提供了一个Python SDK来对图像进行分类。

任务 - 向自定义视觉发送图像

1. 在VS Code中打开fruit-quality-detector文件夹。如果你使用的是虚拟IoT设备，请确保虚拟环境在终端中运行。

2. 发送图像到自定义视觉的Python SDK作为一个Pip包可用。使用以下命令安装它：

   pip3 install azure-cognitiveservices-vision-customvision
   ​

3. 在app.py文件顶部添加以下导入语句：

   from msrest.authentication import ApiKeyCredentials
   from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
   ​

   这些语句从自定义视觉库中引入了一些模块，一个是用于通过预测密钥进行身份验证的模块，另一个是提供一个可以调用自定义视觉的预测客户端类。

4. 在文件末尾添加以下代码：

   prediction_url = '<prediction_url>'
   prediction_key = '<prediction key>'
   ​

   将<prediction_url> with the URL you copied from the Prediction URL dialog earlier in this lesson. Replace <prediction key>替换为你从同一对话框复制的预测密钥。

5. 预测URL是由“预测URL”对话框提供的，设计用于直接调用REST端点。Python SDK在不同地方使用了URL的不同部分。添加以下代码以将此URL拆分为所需的部分：

   parts = prediction_url.split('/')
   endpoint = 'https://' + parts[2]
   project_id = parts[6]
   iteration_name = parts[9]
   ​

   这会将URL拆分，提取出https://<location>.api.cognitive.microsoft.com的端点、项目的ID以及已发布的迭代名称。

6. 使用以下代码创建一个预测器对象来进行预测：

   prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
   predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
   ​

   prediction_credentials包装了预测密钥。然后这些密钥被用来创建一个指向端点的预测客户端对象。

7. 使用以下代码将图像发送到自定义视觉：

   image.seek(0)
   results = predictor.classify_image(project_id, iteration_name, image)
   ​

   这会将图像回绕到开头，然后将其发送给预测客户端。

8. 最后，使用以下代码显示结果：

   for prediction in results.predictions:
       print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
   ​

   这将在终端中循环遍历所有返回的预测并显示它们。返回的概率是从0到1的浮点数，其中0表示匹配标签的几率为0%，1表示匹配标签的几率为100%。

   图像分类器将为所有使用的标签返回百分比。每个标签都会有一个概率，表明该图像与该标签匹配的可能性。

9. 运行你的代码，将摄像头对准一些水果，或适当的图像集，或如果使用虚拟IoT硬件，则对准摄像头中的水果。你将在控制台中看到输出：

   (.venv) ➜  fruit-quality-detector python app.py
   ripe:   56.84%
   unripe: 43.16%
   ​

   你将能够看到拍摄到的图像，并在自定义视觉的“预测”选项卡中查看这些值。

   

你可以在code-classify/pi或code-classify/virtual-iot-device文件夹中找到此代码。

你的水果质量分类程序成功了！

声明:
本文件灏天文库团队进行了翻译。尽管我们力求准确，但请注意，翻译可能包含错误或不准确之处。原文档以其原始语言为准。我们不对因使用此翻译而产生的任何误解或误译负责。