備忘録です
やり方について書いていきます

筆者について

某大学の修士１年
動画像符号化、電気回路、機械学習について勉強中
C, C++, JAVA, python, chainer, Ubuntuなどは触った事があるが
ラズパイ, GCP, API, Raspbianに関しては全くの無知識

環境

Ubuntu 18.04.2 LTS（ノーパ）（windowsでもOK）
Raspbian（Raspberry Pi 3 Model B+）
Coral accelerator EDGE TPU

やること

ラズパイでUSBカメラ、TPUを用いてゴミの画像認識をリアルタイムで行う（本記事）
その結果を用いてハードウェア制御を行い自動判別できるゴミ箱を作成（本記事外）

参考

Python, OpenCVで画像ファイルの読み込み、保存（imread, imwrite）
Raspberry PiをWindowsで操作する(SSH)
Windows10標準のSSHクライアントを使ってみた
 AutoML Vision EdgeのカスタムモデルをCoral Edge TPUで試す
 AutoML Vision EdgeのカスタムモデルをCoral Edge TPUで試す
 機械学習の始め方！GoogleのAutoML Vision Edgeで簡単に入門

ラズパイの準備

OSを入れる

公式サイトからOSをダウンロードしてSDカードに入れてラズパイに挿して起動すればOKです
ディレクトリを日本語から英語にするのが面倒な方は、最初から英語でOSインストールするのがオススメ
出来なければここらへんの記事が参考になるかも：最近のRaspberry Piイメージ（Raspbian）をインストールするメモ

SSH（遠隔接続的な）の設定

ラズパイでcrtl + alt + t でターミナルを起動
sudo raspi-config
コマンドを打ち込み開いた窓から
8 Advanced Options
A4 SSH
Enable
でSSHが有効になります

Ubuntuでcrtl + alt + t でターミナルを起動
ラズパイと同一wifiに繋いだ後に
ssh pi@raspberrypi.localで繋がります
初期パスワードは
raspberryです

ssh [ipアドレス]でも繋がります
ipアドレスはラズパイでip aコマンドで見れます
wlan0のトコロをみて
inet 192.168.195.212/24 brd 192.168.195.255 scope global noprefixroute wlan0
などとあったら192.168.195.212がipアドレスです
なのでssh 192.168.195.212コマンドでOKですね
詳しくはifconfigが非推奨に!? ifconfigコマンドを使わずにRaspberry PiのIPアドレスを調べる方法

windowsでもこのように同様の事が出来ます

ラズパイでAutoMLやるための準備

参考:AutoML Vision EdgeのカスタムモデルをCoral Edge TPUで試す
モジュールのインポート

cd ~/
wget --no-check-certificate https://dl.google.com/coral/edgetpu_api/edgetpu_api_latest.tar.gz -O edgetpu_api.tar.gz --trust-server-names
tar xzf edgetpu_api.tar.gz
cd edgetpu_api
bash ./install.sh

--no-check-certificateは入れないとエラーが出たので入れた。

データセットの作成

OpenCVのインストール

ラズパイでpython3にopencvを入れたらエラーが出た【対処法】
写真とるプログラムを作成、実行
ZIPに圧縮

ブラウザでやるAutoMLの準備

データセットの登録

トレーニング
モデルのダウンロード
※この手法は失敗しました。経緯について書きます。
なお、はじめからここの通りSDKを入れたら多分問題なくいけます。
ガイドに従い1.Export your model to Google Cloud Storage.したのち
$ gsutil cp -r gs://dust2/dust_box_model/ ./download_dir
を入力するとCommand 'gsutil' not foundと言われたので
sudo apt install gsutilでインストールしてからリトライ←これがミス

gsutil cp -r gs://＊＊＊＊＊/ ./download_dir
No command was given.

Choose one of -b, -d, -e, or -r to do something.
Try `/usr/bin/gsutil --help' for more information.

と言われてしまう。
Q.ちゃんと-roptionを付けてるのにエラー？？？
A.googleのとは別のgsutilをインストールしているらしい
ここからからダウンロードしよう
この通りやれば多分いけます

なんかうまく出来ないのでラズパイから再チャレンジ

まずタイムゾーンがずれていると弾かれるので
sudo date -s '11/04 20:10 2019'
で時刻の設定
python のversionは2系だったのでそのまま
curl https://sdk.cloud.google.com | bash
↑このコマンドは私の環境だとよく403エラーになるけど諦めず何回か実行したら4回目で行けた。

 $ exec -l $SHELL
 $ which gcloud
 $ gcloud init

SSH接続だとブラウザが開けないからかうまく出来なかったのでラズパイで直接実行した。
ちなみに@はShift+2で入力になってた。

Google cloud SDKをインポートします

#環境変数の設定
export CLOUD_SDK_REPO="cloud-sdk-$(lsb_release -c -s)"

#cloud SDKのURLを追加
echo "deb http://packages.cloud.google.com/apt $CLOUD_SDK_REPO main" | sudo tee -a /etc/apt/sources.list.d/google-cloud-sdk.list

#公開鍵をインポート
curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -

#SDKを更新してインストール
#ダウンロードエラーが出ることが多々あるので --fix-missing　を追加しています
sudo apt-get update && sudo apt-get install google-cloud-sdk --fix-missing

#ついでにpythonのコンポーネントをインストール
sudo apt-get install google-cloud-sdk-app-engine-python

#開始コマンド
gcloud init

この後Visionの
$ gsutil cp -r gs://****/*****/your_model/ ./download_dir
からmodelのとこの/を一つ除いて←ココ重要
$ gsutil cp -r gs://****/*****/your_model ./download_dir
でダウンロード出来ました。
1行のコマンドにこんなに苦労するとは。。。。

TPUを動かす

TPUを動かすためのプログラムをダウンロード
git clone https://github.com/google-coral/tflite.git

tflite_runtimeが無いと言われたのでインストール
ここからファイルをダウンロード
リンクが怪しいと思った方は正しいです。そういう方はソースからどうぞ
このファイルのあるディレクトリで
pip3 install tflite_runtime-1.14.0-cp37-cp37m-linux_armv7l.whl
コマンドでインストールできます

その後
python3 classify_image.py --m edgetpu_model.tflite --l dict.txt --i images.jpeg
で実行可能
それぞれのファイルは自分のファイルパスに合わせてください

プログラムの作成

写真を取るプログラム（関数）作成

写真を元に画像認識するプログラム（関数）作成

classify_image.pyに以下の関数を追加
コマンドライン引数を普通の引数に変更したのですが，もっと良いやり方あれば教えてください

def get_label(labels = "dict.txt",model = "edgetpu_model.tflite",input_i = "images.jpeg",count =5,threshold = 0.0,top_k =1):

  labels = load_labels(labels) if labels else {}

  interpreter = make_interpreter(model)
  interpreter.allocate_tensors()

  size = classify.input_size(interpreter)
  image = Image.open(input_i).convert('RGB').resize(size, Image.ANTIALIAS)
  classify.set_input(interpreter, image)

  for _ in range(count):
    start = time.monotonic()
    interpreter.invoke()
    inference_time = time.monotonic() - start
    classes = classify.get_output(interpreter, top_k, threshold)

  for klass in classes:

    label = (labels.get(klass.id, klass.id))
    score = klass.score

    return label,score

そうすると以下のようにimportして実行する事でラベルと信頼度を得る事が出来ます。

import classify_image as clfi

if __name__ == '__main__':

    labels ="dict.txt"
    model = "edgetpu_model.tflite"
    input_i ="images.jpeg"
    label ,score = clfi.get_label(labels =labels,model = model , input_i =input_i)
    print(label)
    print(score)

こんな感じで結果が取れます

INFO: Initialized TensorFlow Lite runtime.
burnable
0.703125

とりあえず各ラベル30データくらいで学習して，
ネットから拾った燃えるゴミでテストしてみたのですが，意外といけてますね。
まあ精度としてまだコメント出来るレベルではないですが・・・
ゴミをストック中なのでデータが増えたらちゃんとやってみたいと思います。

結局ラズパイで画面表示して開発を行ってるので発熱がすごい

AutoML VsionとTPUを用いて知識ゼロからEdge(Raspberry Pi)でゴミの画像認識

筆者について

環境

やること

参考

目次

ラズパイの準備

データセットの作成

ブラウザでやるAutoMLの準備

プログラムの作成

ラズパイの準備

OSを入れる

SSH（遠隔接続的な）の設定

ラズパイでAutoMLやるための準備

データセットの作成

OpenCVのインストール

ブラウザでやるAutoMLの準備

データセットの登録

なんかうまく出来ないのでラズパイから再チャレンジ

TPUを動かす

プログラムの作成

写真を取るプログラム（関数）作成

写真を元に画像認識するプログラム（関数）作成