Распознавание готовых продуктов (предварительная версия): анализ изображений полки с помощью предварительно обученной модели

Самый быстрый способ начать использование распознавания продуктов — использовать встроенные предварительно обученные модели ИИ. С помощью API распознавания продуктов можно отправить изображение полки и получить расположения продуктов и пробелов.

Необходимые компоненты

• подписка Azure — создайте бесплатную учетную запись.
• После получения подписки Azure создайте ресурс Визуального зрения в портал Azure. Его необходимо развернуть в поддерживаемом регионе Azure (см. раздел "Доступность региона"). После развертывания ресурса выберите элемент Перейти к ресурсу.
  • Вам потребуется ключ и конечная точка из ресурса, создаваемого для подключения приложения к службе распознавания искусственного интеллекта Azure. Вы вставьте ключ и конечную точку в приведенный ниже код далее в руководстве.
• Ресурс служба хранилища Azure с контейнером хранилища BLOB-объектов. Создание
• Установленная программа cURL. Кроме того, можно использовать другую платформу REST, например Swagger или расширение REST Client для VS Code.
• Изображение полки. Вы можете скачать образец или принести собственные изображения. Максимальный размер файла на изображение составляет 20 МБ.

Анализ образов полки

Чтобы проанализировать изображение полки, сделайте следующее:

1. Отправьте изображения, которые вы хотите проанализировать в контейнер хранилища BLOB-объектов, и получите абсолютный URL-адрес.

2. Скопируйте следующую curl команду в текстовый редактор.

   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. При необходимости внесите следующие изменения в команду.

   1. Замените ключ ресурса Визуального <subscriptionKey> зрения.
   2. Замените конечную точку ресурса Визуального <endpoint> зрения. Например: https://YourResourceName.cognitiveservices.azure.com.
   3. Замените уникальное <your_run_name> имя тестового запуска для очереди задач. Это асинхронное имя очереди задач API, чтобы получить ответ API позже. Например: .../runs/test1?api-version...
   4. Замените содержимое <your_url_string> URL-адресом большого двоичного объекта изображения

4. Откройте окно командной строки.

5. Вставьте измененную curl команду из текстового редактора в окно командной строки и выполните команду.

Изучите ответ.

Успешный ответ будет возвращен в формате JSON. Результаты API распознавания продуктов возвращаются в ProductRecognitionResultApiModel поле JSON:

"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"
      }
    }
  }
}

Дополнительные сведения об определениях каждого поля JSON см. в следующих разделах.

Модель API результатов распознавания продуктов

Результаты операции распознавания продукта.

Модель API метаданных изображения

Сведения о метаданных изображения, такие как высота, ширина и формат.

Обнаруженная модель объектного API

Описывает обнаруженный объект на изображении.

Ограничивающая модель API Box

Ограничивающий прямоугольник для области внутри изображения.

Модель API тегов изображений

Описывает достоверность классификации изображений метки.

Следующие шаги

В этом руководстве вы узнали, как выполнить базовый вызов анализа с помощью предварительно обученного REST API распознавания продуктов. Далее вы узнаете, как использовать пользовательскую модель распознавания продуктов для улучшения бизнес-потребностей.

• Обзор анализа изображений
• Справочник по API