该博客介绍了作者计划在35天内构建一个观赏鱼辨识系统的全过程，包括前端手机/网页应用、后端Nginx+Django服务器、YOLO图像辨识模型以及MariaDB数据库的整合。系统通过RESTful Web API进行通信，用户上传照片后，经过YOLO模型识别，返回观赏鱼的详细信息。未来可能将服务迁移到AWS的其他服务，实现无服务器架构。
观赏鱼辨识系统说明－Day 01
在接下来的35天会制作一个完整的系统包含前端－手机/网页，后端－Nginx + Django，以及辨识模型YOLO的建立，详细构架如下图。
图1、观赏鱼辨识系统架构图
用户使用手机拍摄观赏鱼的照片，透过RESTful Web API上传到亚马逊AWS的EC2虚拟主机上，在主机上我们安装了Nginx网页服务器来接收网页需求，它会把RESTful Web API的请求转送到Python的Django网页框架，把图片传给YOLO的图像辨识模型进行辨识，得到预测结果后，把文字结果传给MariaDB数据库去获取更多的观赏鱼相关数据，如鱼的中文名称，生活习性等；把图片结果储存到文件中。并把这些信息转成JSON格式当成是RESTful Web API的回复，回传给用户，并呈现在手机上。画面会如下图所示。
图2、观赏鱼辨识系统操作画面
需要实作的观赏鱼辨识系统服务如下，共有五个功能需要完成，分别为使用者的操作界面、RESTful API、数据库、网站服务器以及图像辨识服务等。下表分别列出所需要的软硬体元件，主要的实作都是在AWS云上完成，如果时间允许，会考虑相关服务都转换成AWS的其他对应服务，如RESTful API与网站服务器使用Amazon API Gateway搭配Lambda与S3来完成，数据库用DynamoDB来完成，不用RDS的原因，是因为RDS需要租用整个实例而非使用空间，而图像辨识就以亚马逊的Sagemaker来取代，这样就可以完成无服务器的实作，只是需要时间来尝试，不确定是否可以完成。不过，光是目前的工作量就可以安排30天了。
表1、系统需要实作的服务列表
| 服务 | 软件 | 硬件 | 功能说明 |
|---|---|---|---|
| 操作界面 | js | 手机/个人电脑 | 拍摄照片 压缩/调整照片大小 调用RESTful API上传照片 解析来自web服务器的响应 显示结果 |
| RESTful API | Django/Python | AWS EC2 | 递交 RESTful API 与数据库交互 与YOLO模型交互 |
| 数据库 | MariaDB | AWS EC2 | 观赏鱼信息的处理 |
| 网站服务器 | Nginx | AWS EC2 | 提供经过处理的图像 |
| 图像辨识 | YOLO model | AWS EC2 | 训练数据集 测试/识别照片 |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
