视觉检测

最新推荐文章于 2023-03-29 10:07:10 发布

喜欢一个人悠哉自在

最新推荐文章于 2023-03-29 10:07:10 发布

阅读量1.7k

点赞数 2

分类专栏： python 文章标签： python 人工智能

本文链接：https://blog.csdn.net/qq_52289797/article/details/120858712

版权

本文详述了从数据导出、模型训练到模型部署的完整流程，适用于工件视觉检测。通过RestfulAPI接口进行交互，利用Python调用API导出图片，构建并训练图像分类模型，最后将模型部署到TensorFlow Serving。

摘要由CSDN通过智能技术生成

工件视觉检测

本笔记本介绍了从数据导出、模型训练到模型部署的一套完整流程，并且提供了一套基本的视觉分类模型。根据指令对本笔记本中的相应代码区域进行修改并执行，即可生成并且部署一套视觉检测服务。同学们需要根据实际的数据情况，对模型进行调优。

RestfulAPI

本平台通过RestfulAPI的方式进行设备、Web端、服务器端的交互。Swagger UI是一款定义、展示和调用RestfulAPI借口的工具。本平台已经集成了Swagger UI。大家可以通过 http://<服务器地址>:5000/api/ui 了解所有的API服务

导出数据

在本小节，我们将利用Python调用平台的RestfulAPI导出系统中的图片。

首先，我们导入相应的Python包

import json

import os

import requests

import io

import PIL

import PIL.Image

import math

由于我们的服务是通过docker-compose启动的，我们需要设置相关容器的基础URL。具体情况可以查看云平台的docker-compose.yaml

API_BASE_URL = 'http://backend-server-container:9090/api/'

TF_SERVING_BASE_URL = 'http://image-serving-container:8501/'

然后，我们通过调用/api/image/count服务查看任务类别中的图片数量。

task_id='60b57a02b08c790b7af038a8' # 根据自己平台中的实际任务类别进行设置

num_images = requests.get(

    url=API_BASE_URL+'image/count',

    params=dict(

        task_category_id=task_id

    )

).json()

print('该任务类别下的图片数量：',num_images)

接着，我们定义函数查看图片记录的详细信息

import pprint

def get_image_records(task_id, offset=0, limit=5):

    resp = requests.get(

        url=API_BASE_URL+'image',

        params=dict(

            task_category_id=task_id,

            offset=offset,

            limit=limit

        )

    )

    if resp.status_code == 200:

        return resp.json()

    else:

        raise RuntimeError(resp.text)