|
本章節將在 ITOP-3399 開發板上運行對象檢測 APP。這是一個相機應用程序，使用在 COCO 數據集上訓練的量化 MobileNet SSD 模型，持續檢測設備后置攝像頭檢測到的對象。編譯好的對象檢測 APP 源碼可以在網盤資料“iTOP-3399 開發資料匯總（不含光盤內容）\04_iTOP-3399 開發板人工智能測試資料\對象檢測配套資料.zip”下載。 42.1 前期準備 如果您沒有安裝 AndroidStudio，請參考本手冊“安裝 AndroidStudio”安裝，Android Studio 3.2 或更高版本。您需要最低 API 21 的 Android 設備和開發環境。 TensorFlow Lite 是一種用于設備端推斷的開源深度學習框架，官網提供了現成模型來供開發者使用，輸入網址xx，打開官網，如下圖所示 
點擊“對象檢測”框圖中的“在 Android 設備上試試”，會彈出自述文件說明，如下圖所示：
將 TensorFlow 示例源碼下載到您的電腦上，下載地址是：
下載完成后得到 examples.zip 文件，迅為配套資料里面有下載好的，大家可以直接拿來用。 42.2 構建 AndroidStudio 項目 在 AndroidStudio 中打開剛剛下載的 TensorFlow 源代碼，打開 AndroidStudio 選擇“Open an existingproject”,依次打開 examples\lite\examples\object_detection\Android，如下圖所示：（注意存放源碼的路徑不能帶中文）。
打開工程以后自動開始下載依賴庫,因為默認是從國外的源，下載速度會很慢，如果網絡下載太慢的話，我們可以換阿里云源進行下載，我們修改 examples\lite\examples\object_detection\android\build.gradle 文件，如下圖所示：
修改完以后，點擊“Sync Now”,如下圖所示：
編譯會出現錯誤，這是 examples\lite\examples\object_detection\android\app\download_model.gradle 文件中指示 gradle 下載示例中使用的模型失敗，因為從國外下載比較不穩定，我們迅為已經替大家下載好了，大家可以直接使用。我們將配套資料包里面的 lite-model_ssd_mobilenet_v1_1_metadata_2.tflite 文件拷貝到 assets 目錄下，并重命名為 detect.tflite，如下圖所示：
修改完保存，點擊“Build”->Rebuild Project,重新編譯工程，如下圖所示：
編譯成功，如下圖所示。特別要注意的是在編譯前要配置好 AndroidSDK，至少需要 SDK 版本為 23。
42.3 安裝并運行應用程序 將 ITOP-3399 開發板設備連接到電腦，連接 USB 攝像頭到開發板上，硬件連接如下圖所示：
我們要確保開發板里面燒寫了 android8 的系統，并且打開了開發者模式，并允許 USB 調試和設置 USB模式為文件傳輸模式（MTP 模式），然后選擇 Run -> Run app。 我們在要安裝該應用程序的設備的連接設備中選擇部署目標（ITOP-3399 開發板），這將在設備上安裝該應用程序，首次運行該應用程序時，該應用程序將請求訪問相機的權限。重新安裝該應用程序可能需要您卸載以前的安裝。安裝成功如下圖所示：
我們以鼠標為例，將攝像頭對準鼠標，顯示已經檢測到對象為鼠標，我們上滑箭頭，可以修改參數，如下圖所示:
|
