Reconhecimento de Produto de Prateleira (versão prévia): analisar imagens de prateleira usando o modelo pré-treinado

A maneira mais rápida de começar a usar o Reconhecimento de Produto é usar os modelos pré-treinados internos de IA. Com a API de Reconhecimento do Produto, você pode carregar uma imagem de prateleira e obter os locais de produtos e lacunas.

Pré-requisitos

• Uma assinatura do Azure – crie uma gratuitamente
• Após ter obtido a assinatura do Azure, crie um recurso da Visão no portal do Azure. Ele deve ser implantado em uma região do Azure com suporte (consulte a Disponibilidade de região). Após a implantação, selecione Ir para recurso.
  • Você precisará da chave e do ponto de extremidade do recurso que você criar para conectar seu aplicativo ao serviço de Visão de IA do Azure. Cole a chave e o ponto de extremidade no código abaixo mais adiante no guia.
• Um recurso de Armazenamento do Azure com um contêiner de armazenamento de blobs. Crie um
• cURL instalado. Ou você pode usar uma plataforma REST diferente, como Swagger ou a extensão REST Client para VS Code.
• Uma imagem de prateleira. Você pode baixar nossa imagem de exemplo ou trazer suas próprias imagens. O tamanho máximo do arquivo por imagem é de 20 MB.

Analisar imagens de prateleira

Para analisar uma imagem de prateleira, execute as seguintes etapas:

1. Carregue as imagens que você deseja analisar no contêiner de armazenamento de blobs e obtenha a URL absoluta.

2. Copie o comando curl a seguir em um editor de texto.

   curl -X PUT -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/ms-pretrained-product-detection/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
       'url':'<your_url_string>'
   }"
   

3. Faça as alterações a seguir no comando quando necessário:

   1. Substitua o valor <subscriptionKey> por sua chave de recurso de Visão.
   2. Substitua o valor <endpoint> por seu ponto de extremidade de recurso de Visão. Por exemplo: https://YourResourceName.cognitiveservices.azure.com.
   3. Substitua o <your_run_name> pelo nome de execução de teste exclusivo para a fila de tarefas. É um nome de fila de tarefas da API assíncrona para que você possa recuperar a resposta da API mais tarde. Por exemplo, .../runs/test1?api-version...
   4. Substitua o conteúdo <your_url_string> pela URL do blob da imagem

4. Abra una janela de prompt de comando.

5. Cole o comando curl modificado do editor de texto na janela do prompt de comando e, em seguida, execute-o.

Examinar a resposta

Uma resposta com êxito é retornada em JSON. Os resultados da API de reconhecimento do produto são retornados em um campo JSON ProductRecognitionResultApiModel:

"ProductRecognitionResultApiModel": {
  "description": "Results from the product understanding operation.",
  "required": [
    "gaps",
    "imageMetadata",
    "products"
  ],
  "type": "object",
  "properties": {
    "imageMetadata": {
      "$ref": "#/definitions/ImageMetadataApiModel"
    },
    "products": {
      "description": "Products detected in the image.",
      "type": "array",
      "items": {
        "$ref": "#/definitions/DetectedObject"
      }
    },
    "gaps": {
      "description": "Gaps detected in the image.",
      "type": "array",
      "items": {
        "$ref": "#/definitions/DetectedObject"
      }
    }
  }
}

Consulte as seções a seguir para obter as definições de cada campo JSON.

Modelo de API de Resultado de Reconhecimento de Produto

Resultados da operação de reconhecimento do produto.

Modelo de API de Metadados de Imagem

As informações de metadados da imagem, como altura, largura e formato.

Modelo de API de Objeto Detectado

Descreve um objeto detectado em uma imagem.

Modelo de API de Caixa Delimitadora

Uma caixa delimitadora para uma área dentro de uma imagem.

Modelo de API de Marcas de Imagem

Descreve a confiança de classificação de imagem de um rótulo.

Próximas etapas

Neste guia, você aprendeu a fazer uma chamada de análise básica usando a API REST de Reconhecimento do Produto pré-treinada. Em seguida, saiba como usar um modelo de Reconhecimento de Produto personalizado para atender melhor às suas necessidades de negócios.

• Visão geral da Análise de Imagens
• Referência de API