Azure IoT Edge入门（4）实战将“识别戴口罩”算法部署到边缘(1)

Azure IoT Edge入门（4）实战将“识别戴口罩”算法部署到边缘(1)-Custom Vision导出容器

视频讲解：

 

您可以在B站观看视频讲解：https://www.bilibili.com/video/av93672532/

或在本站观看视频讲解：https://www.51azure.cloud/post/2020/3/4/azure-iot-edge41custom-vision

 

图文讲解：

 

从本文开始，我们做一个案例介绍，该案例分为3小节介绍。

前边我们介绍过，IoT Edge的一个主要功能就是可以将云端的能力扩展到边缘，本次的案例涉及的内容比较多。

 

主要的背景是这样的：

结合最近的社会情况，出现了很多需要检测是否戴口罩的需求，我们之前曾经有一篇文章介绍了使用Azure Custom Vision提供的AI能力，快速开发出了一个检测是否戴口罩的模型，并发布成API供调用。

 

本案例中，我们将之前训练好的AI模型，通过Azure IoT Edge 推送到边缘设备，这么做有如下好处：

1. 未必所有的摄像头都能直接调用API，也不能大规模替换新型摄像头；

2. 未必所有的检查点/场所都有良好的网络，需要离线运行大部分功能；

3. 提供更快（时延更低）的检测结果返回；

4. 当我们研发出准确率更高的模型时，可以批量从云端更新我们部署的边缘设备；

本案例分三节内容介绍：

1. 将Custom Vision 模型导出成linux 容器；在本地build/run，完成本地测试；

2. 准备Azure Container Registry, 将本地Build好的镜像push到ACR里；

3. 使用IoT Edge将 ACR里准备好的 镜像部署到IoT Edge里，在EDGE设备上调用本地的算法；

 

 

今天主要介绍第一个步骤：

1. 将Custom Vision 模型导出成linux 容器；在本地build/run，完成本地测试；

关于Custom Vision识别是否戴口罩的做法，请参照文章《AI 应用之Azure Custom Vision检测是否戴口罩》

主要注意如下两个步骤：

创建项目时，Domains 选择General，这个类型才能导出为容器。

 

训练完成后导出成容器，而不是发布成API：

 

将导出的压缩包下载到本地并解压，得到如下文件：

 

 

在命令提示符里运行如下命令：

注意，最后的空格+.

docker build -t  .

编译过程视网络情况可能会出现需要重试的情况。

编译成功，可以通过 docker images 查看本地的镜像文件。

 

执行如下命令，在本地运行容器：

其中第一个80是本地访问端口，如果您安装了IIS等占用80端口的程序，则可以更换为其他端口，例如81或82；

docker run -p 127.0.0.1:80:80 -d 

 

接下来在浏览器中访问，验证容器正常运行：

 

使用方式如下：

 

我们在Postman中测试如下：

 

点击Select Files 上传一张图片，结果如下图：

 

案例中Custom Vision 中使用的示例图片，来着于互联网：

https://videos.51azure.cloud/files/Custom-Vision.zip

注意，如果您没有Global账号可以申请试用账号后开通Custom Vision 已完成本项目或在如下连接下载作者训练好的 容器：

https://videos.51azure.cloud/files/SeanYuTestCustomVision.DockerFile.Linux.zip