使用 IoT Edge 基於影像分類器來分類影像 - 虛擬 IoT 硬體和樹莓派
在本課程的這一部分,你將使用運行在 IoT Edge 設備上的影像分類器。
使用 IoT Edge 分類器
可以將 IoT 設備重新定向以使用 IoT Edge 影像分類器。影像分類器的 URL 是 http://<IP address or name>/image
,將 <IP address or name>
替換為運行 IoT Edge 的計算機的 IP 地址或主機名。
Custom Vision 的 Python 庫僅適用於雲端託管的模型,不適用於託管在 IoT Edge 上的模型。這意味著你需要使用 REST API 來調用分類器。
任務 - 使用 IoT Edge 分類器
-
如果尚未打開,請在 VS Code 中打開
fruit-quality-detector
專案。如果你使用的是虛擬 IoT 設備,請確保虛擬環境已啟動。 -
打開
app.py
文件,並 刪除來自azure.cognitiveservices.vision.customvision.prediction
和msrest.authentication
的導入語句。 -
在文件頂部添加以下導入語句:
import requests
-
刪除從
image_file.write(image.read())
到文件末尾的所有代碼。 -
在文件末尾添加以下代碼:
prediction_url = '<URL>'
headers = {
'Content-Type' : 'application/octet-stream'
}
image.seek(0)
response = requests.post(prediction_url, headers=headers, data=image)
results = response.json()
for prediction in results['predictions']:
print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')將
<URL>
替換為你的分類器的 URL。此代碼向分類器發送一個 REST POST 請求,將影像作為請求的主體發送。結果以 JSON 形式返回,並解碼以打印出概率。
-
運行你的代碼,將相機對準一些水果,或適當的影像集,或在使用虛擬 IoT 硬體時讓水果在網絡攝像頭上可見。你將在控制台中看到輸出:
(.venv) ➜ fruit-quality-detector python app.py
ripe: 56.84%
unripe: 43.16%
💁 你可以在 code-classify/pi 或 code-classify/virtual-iot-device 文件夾中找到此代碼。
😀 你的水果質量分類器程序成功了!