基于昇腾AI | 英码科技EA500I使用AscendCL实现垃圾分类和视频物体分类应用

现如今，人工智能迅猛发展，AI赋能产业发展的速度正在加快，“AI+”的需求蜂拥而来，但AI应用快速落地的过程中仍存在很大的挑战：向下需要适配的硬件，向上需要完善的技术支持，两者缺一不可。

基于此，昇腾推出了系列化行业SDK和参考设计，通过把千行百业细分场景的开发经验和行业知识沉淀下来、水平复制，从而大幅度降低门槛、简化开发、提升效率。而英码科技是昇腾重要的APN合作伙伴、金牌分销商，具有较强的自主设计硬件能力，双方紧密携手，打造软硬结合、更符合行业需求的算力底座，赋能产业快速、低成本数字化转型。

今天来介绍英码科技EA500I边缘计算盒子使用AscendCL快速实现垃圾分类和视频物体分类应用的案例，帮助开发者降低学习成本、简化开发流程，缩短项目周期！

图片

  案例概述

①垃圾分类应用：基于AscendCL，使用EA500I实现对图片中的垃圾类别进行检测，并输出有检测类别的图片；

②视频物体分类应用：基于GoogLeNet分类网络，使用EA500I实现对视频帧中的物体进行识别分类，并将分类的结果展示在PC网页上。

案例说明

本案例底层原理逻辑请参考华为昇腾AscendCL <垃圾分类>，和<视频物体分类>案例。

前置条件

图片

基于EA500I实现垃圾分类应用

1、环境安装

注意事项：

➢以下操作以普通用户HwHiAiUser安装CANN包为例说明，推荐使用root用户进行操作，如果是root用户，请将安装准备中所有的${HOME}修改为/usr/local。

➢推荐按照本文档路径进行操作，如安装在自定义路径可能会导致环境冲突等问题

①配置相关环境

# 以安装用户在任意目录下执行以下命令，打开.bashrc文件。
vi ~/.bashrc  
# 在文件最后一行后面添加如下内容。
source ${HOME}/Ascend/ascend-toolkit/set_env.sh
source /home/work/MindX_SDK/mxVision-5.0.RC3/set_env.shexport CPU_ARCH=`arch`
export THIRDPART_PATH=${HOME}/Ascend/thirdpart/${CPU_ARCH}  #代码编译时链接samples所依赖的相关库文件
export PYTHONPATH=${THIRDPART_PATH}/acllite:$PYTHONPATH #设置pythonpath为固定目录
export LD_LIBRARY_PATH=${THIRDPART_PATH}/lib:$LD_LIBRARY_PATH  #运行时链接库文件
export INSTALL_DIR=${HOME}/Ascend/ascend-toolkit/latest #CANN软件安装后的文件存储路径，根据安装目录自行修改
export DDK_PATH=${HOME}/Ascend/ascend-toolkit/latest #声明CANN环境
export NPU_HOST_LIB=${DDK_PATH}/runtime/lib64/stub #声明CANN环境
# 执行命令保存文件并退出。
:wq!  
# 执行命令使其立即生效。
source ~/.bashrc
# 创建samples相关依赖文件夹
mkdir -p ${THIRDPART_PATH}
# 下载源码并安装git
cd ${HOME}
sudo apt-get install git
git clone https://gitee.com/ascend/samples.git
# 拷贝公共文件到samples相关依赖路径中
cp -r ${HOME}/samples/common ${THIRDPART_PATH} 
# 拷贝media_mini等so文件以及相关头文件
mkdir -p ${INSTALL_DIR}/driver
cp /usr/lib64/libmedia_mini.so ${INSTALL_DIR}/driver/ #如路径中没有相关so文件，可跳过该命令
cp /usr/lib64/libslog.so ${INSTALL_DIR}/driver/
cp /usr/lib64/libc_sec.so ${INSTALL_DIR}/driver/
cp /usr/lib64/libmmpa.so ${INSTALL_DIR}/driver/
cp /usr/local/Ascend/include/peripheral_api.h ${INSTALL_DIR}/driver/ #如路径中没有相关头文件，可跳过该命令

②安装python-acllite

# 安装ffmpeg部分依赖
sudo apt-get install -y libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev libswscale-dev 
# 安装其它依赖
pip3 install --upgrade pip
pip3 install Cython
sudo apt-get install pkg-config libxcb-shm0-dev libxcb-xfixes0-dev
# 安装av
pip3 install av
# 安装pillow 的依赖
sudo apt-get install libtiff5-dev libjpeg8-dev zlib1g-dev libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk
# 安装numpy和PIL
pip3 install numpy
pip3 install Pillow
# 将acllite目录拷贝到第三方文件夹中。后续编译依赖libmedia_mini.so，编译完成后需替换此处的acllite文件夹
cp -r ${HOME}/samples/python/common/acllite ${THIRDPART_PATH}
# C码库编译，本库包含Atlas200dk的板载摄像头访问接口，该接口是在C码（lib/src/目录）基础上做的python封装。
cd ${HOME}/samples/python/common/acllite/lib/src
make 
# 编译生成的libatalsutil.so在../atlas200dk/目录下。
# 再次将acllite目录拷贝到第三方文件夹中，保证当前使用的是更新后的代码。
cp -r ${HOME}/samples/python/common/acllite ${THIRDPART_PATH}

2、模型获取&转换

# 进入案例路径，samples为前置步骤中下载的案例包
cd ${HOME}/samples/python/contrib/garbage_picture
# 在model路径下下载原始模型
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com:443/003_Atc_Models/AE/ATC%20Model/garbage/mobilenetv2.air --no-check-certificate
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/insert_op_yuv.cfg --no-check-certificate
# 使用ATC工具进行模型转换
atc --model=./mobilenetv2.air --framework=1 --output=garbage_yuv --soc_version=Ascend310B1 --insert_op_conf=./insert_op_yuv.cfg --input_shape="data:1,3,224,224" --input_format=NCHW
 

3、测试数据获取
 

# 创建并进入data文件夹
cd ${HOME}/samples/python/contrib/garbage_picture
mkdir data
cd data
# 下载图片数据
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/newspaper.jpg
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/bottle.jpg    
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/garbage_picture/dirtycloth.jpg
# 进入案例运行路径 
cd ../src
 

4、运行案例
 

运行python代码：
 

# 此处的data为测试数据路径
python3 classify_test.py ../data/
 

➢运行成功后如无报错会显示以下信息：
 

 

 

图片
 

 

5、案例展示
 

在案例根目录out文件夹下会生成带有检测类别的图片：
 

 

图片
 

 

图片
 

 

图片
 

 

基于EA500I实现视频物体分类应用
 

 

1、环境安装
 

 

注意事项：
 

➢以下操作以普通用户HwHiAiUser安装CANN包为例说明，推荐使用root用户进行操作，如果是root用户，请将安装准备中所有的${HOME}修改为/usr/local。
 

➢推荐按照本文档路径进行操作，如安装在自定义路径可能会导致环境冲突等问题。
 

 

①配置相关环境
 

# 以安装用户在任意目录下执行以下命令，打开.bashrc文件。
vi ~/.bashrc  
# 在文件最后一行后面添加如下内容。
export CPU_ARCH=`arch`
export THIRDPART_PATH=${HOME}/Ascend/thirdpart/${CPU_ARCH}  #代码编译时链接samples所依赖的相关库文件
export LD_LIBRARY_PATH=${THIRDPART_PATH}/lib:$LD_LIBRARY_PATH  #运行时链接库文件
export INSTALL_DIR=${HOME}/Ascend/ascend-toolkit/latest #CANN软件安装后的文件存储路径，根据安装目录自行修改
export DDK_PATH=${HOME}/Ascend/ascend-toolkit/latest #声明CANN环境
export NPU_HOST_LIB=${DDK_PATH}/runtime/lib64/stub #声明CANN环境
# 执行命令保存文件并退出。
:wq!  
# 执行命令使其立即生效。
source ~/.bashrc 
# 创建samples相关依赖文件夹
mkdir -p ${THIRDPART_PATH}
# 下载源码并安装git
cd ${HOME}
sudo apt-get install git
git clone https://gitee.com/ascend/samples.git
# 拷贝公共文件到samples相关依赖路径中
cp -r ${HOME}/samples/common ${THIRDPART_PATH}
# 拷贝media_mini等so文件以及相关头文件
mkdir -p ${INSTALL_DIR}/driver
cp /usr/lib64/libmedia_mini.so ${INSTALL_DIR}/driver/ #如路径中没有相关so文件，可跳过该命令
cp /usr/lib64/libslog.so ${INSTALL_DIR}/driver/
cp /usr/lib64/libc_sec.so ${INSTALL_DIR}/driver/
cp /usr/lib64/libmmpa.so ${INSTALL_DIR}/driver/
cp /usr/local/Ascend/include/peripheral_api.h ${INSTALL_DIR}/driver/ #如路径中没有相关头文件，可跳过该命令
 

②安装opencv
 

# 执行以下命令安装opencv （注：请确保安装的版本是3.x）
sudo apt-get install libopencv-dev
# 如果安装的opencv版本为4.x，请执行下列命令链接对应头文件
sudo ln -s /usr/include/opencv4/opencv2 /usr/include/

 

③安装protobuf&presentagent
 

# 安装protobuf相关依赖
sudo apt-get install autoconf automake libtool
# 下载protobuf源码
cd ${HOME}
git clone -b 3.13.x https://gitee.com/mirrors/protobufsource.git protobuf
# 编译安装protobuf
cd protobuf
./autogen.sh
./configure --prefix=${THIRDPART_PATH}
make clean
make -j8
sudo make install
# 进入presentagent源码目录并编译
cd ${HOME}/samples/cplusplus/common/presenteragent/proto 
${THIRDPART_PATH}/bin/protoc presenter_message.proto --cpp_out=./ #该步骤报错可参考FAQ
# 开始编译presentagnet
cd ..
make -j8
make install
 

2、模型转换&获取
 

 

注意事项：
 

➢本案例使用基于Caffe的GoogLeNet模型，获取模型的命令已提供，如果开发者需要更多模型信息可参考：<模型链接>
 

# 进入案例路径，samples为前置步骤中下载的案例包
cd ${HOME}/samples/cplusplus/level2_simple_inference/1_classification/googlenet_imagenet_video/model
# 在model路径下下载原始模型
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/classification/googlenet.caffemodel
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/classification/googlenet.prototxt
# 在model路径下下载模型配置文件
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/models/googlenet_imagenet_video/insert_op.cfg
# 使用ATC工具进行模型转换
atc --model="./googlenet.prototxt" --weight="./googlenet.caffemodel" --framework=0 --output="googlenet" --soc_version=Ascend310B1 --insert_op_conf=./insert_op.cfg --input_shape="data:1,3,224,224" --input_format=NCHW
 

3、编译运行案例
 

 

1、执行编译脚本
 

# 进入脚本路径
cd ${HOME}/samples/cplusplus/level2_simple_inference/1_classification/googlenet_imagenet_video/scripts
# 赋予脚本权限 
chmod +x sample_build.sh    
# 执行编译脚本
bash sample_build.sh
 

➢执行编译脚本后请根据实际情况选择arm/x86格式，在EA500I上进行操作请选择：arm
 

 

图片
 

 

➢编译脚本中会自动下载相关视频素材：cat.mp4，如开发者使用其它素材，可以在sample_build.sh处删除该命令
 

 

图片
 

 

➢编译完成后会生成相关文件并提示complete
 

 

图片
 

 

2、执行脚本运行案例
 

# 赋予脚本权限 
chmod +x sample_run.sh    
# 执行运行脚本
bash sample_run.sh
 

 

➢执行运行脚本后，如果有本设备有多个ip，请选择能连通外网的ip并进行输入，例：10.1.30.111
 

 

图片
 

 

➢执行成功后，会提示successfully，并提供相关的网页链接
 

 

图片
 

 

➢运行脚本默认读取cat.mp4素材，如开发者使用其它素材，可以在sample_run.sh处更改素材路径
 

 

图片
 

 

4、案例展示
 

 

打开浏览器输入提供的网页链接与端口号，例：10.1.30.111:7007
 

➢进入下图界面后，等待状态栏变为绿色，可以单击“Refresh“刷新，当有数据时相应的Channel 的Status变成绿色。
 

➢状态栏正常后，点击右侧的View Name下的名字 ，例：classify
 

 

图片
 

 

➢进入视频物体分类界面后，会在视频左上角显示检测的物体类别，视频上方显示视频帧率，开发者可进行截图、录像等功能。
 

 

图片
 

 

5、相关FAQ
 

 

①安装protobuf&presentagent时执行${THIRDPART_PATH}/bin/protoc presenter_message.proto --cpp_out=./ 
 

报错：protoc not such file or directory
 

 

➢该报错可能是protobuf安装问题：
 

# 回到protobuf安装路径cd /usr/local/probuf# 再次执行make installmake install# 查看${THIRDPART_PATH}/bin/下是否有protoc
 

 

②执行编译脚本时报错如下图：
 

 

图片
 

 

➢该报错可能是opencv版本问题：
 

# 进入报错代码
vi ../src/classify_process.cpp
# 修改报错代码第279行（请根据实际代码行数修改）
修改成：cv::IMWRITE_JPEG_QUALITY
# 执行命令保存文件并退出
:wq!
# 重新执行编译脚本
bash sample_build.sh
 

 

结语
 

以上就是英码科技EA500I边缘计算盒子基于昇腾AscendCL快速实现垃圾分类和视频物体分类应用的案例。选购英码科技基于昇腾AI芯片推出的边缘计算产品，即可参照以上流程快速实现相关应用，大幅降低开发学习时间，缩短项目周期！如有技术问题和产品定制需求，欢迎留言交流~











本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/660544.html


如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！












相关文章










Leetcode——面试题02.04.分割链表








Leetcode——面试题02.04.分割链表




面试题 02.04. 分割链表 - 力扣&#xff08;LeetCode&#xff09;  
对于该链表OJ&#xff0c;我们两种大的方向&#xff1a; 
1.在原链表上修改&#xff1b;2.创建新链表&#xff0c;遍历原链表。 在原链上进行修改&#xff1a;如果该节点的val小于x则继续往后走&#xff0c;如…




阅读更多...

















低成本微调长文本LLM








低成本微调长文本LLM




低成本微调长文本LLM 
最近有一个需求微调长文本的大模型LLM。通常情况下&#xff0c;数据长度扩大后&#xff0c;需要的显存更大。在有限的设备资源上微调长文本的LLM显得很重要了。中文Llama2-7b支持的最大长度为4k&#xff0c;Qwen1.5-7b支持的最大长度为32k&#xff0c;Qwe…




阅读更多...

















代码随想录算法训练营DAY44|C++动态规划Part6|完全背包理论基础、518.零钱兑换II、377. 组合总和 Ⅳ








代码随想录算法训练营DAY44|C++动态规划Part6|完全背包理论基础、518.零钱兑换II、377. 组合总和 Ⅳ




文章目录 完全背包理论基础完全背包问题的定义与01背包的核心区别为什么完全背包的循环顺序可以互换&#xff1f;CPP代码 518.零钱兑换II思路CPP代码 377. 组合总和 Ⅳ思路CPP代码扩展题 完全背包理论基础 卡码网第52题 文章链接&#xff1a;完全背包理论基础 视频链接&#xf…




阅读更多...

















Flutter笔记：Widgets Easier组件库（2）阴影盒子








Flutter笔记：Widgets Easier组件库（2）阴影盒子




Flutter笔记 Widgets Easier组件库&#xff08;2&#xff09;&#xff1a;阴影盒子 - 
文章信息 - 
Author: 李俊才 (jcLee95) Visit me at CSDN: https://jclee95.blog.csdn.netMy WebSite&#xff1a;http://thispage.tech/Email: 291148484163.com. Shenzhen ChinaAddress o…




阅读更多...

















SpringBoot之自定义注解参数校验








SpringBoot之自定义注解参数校验




SpringBoot之自定义注解参数校验 为什么要自定义注解 
我这里先引入一个例子&#xff0c;就比如我现在要写文章&#xff0c;文章也许写完正要发布&#xff0c;也可以是还没写完正要存草稿&#xff0c;前端往后端发送数据&#xff0c;如果前端的state不是草稿或者已发布状态&…




阅读更多...

















vue3、element-plus递归实现动态菜单








vue3、element-plus递归实现动态菜单




vue3、element-plus递归实现动态菜单 使用场景&#xff1a;动态菜单为什么使用递归递归在动态菜单中的实现 使用场景&#xff1a;动态菜单 
动态菜单是指菜单项的数量和层次结构可能是动态的&#xff0c;通常来自后端或用户输入。这些菜单的特征包括&#xff1a; 
多层嵌套&…




阅读更多...

















笔记-PPT绘图导出高清无失真图片








笔记-PPT绘图导出高清无失真图片




问题描述&#xff1a;PPT绘图已经用了高清图&#xff08;jpg、tif格式&#xff09;&#xff0c;但论文图片还是不清晰&#xff0c;打印出来还是有点糊 以下是PPT导出高清不失真图片&#xff08;emf格式&#xff09;的具体描述。  目录 一、绘图工具二、操作步骤 一、绘图工具 
…




阅读更多...

















SSH远程登录实操实验！








SSH远程登录实操实验！




ssh远程登录协议&#xff1a;默认端口号22 
以下实验7-2是服务端&#xff0c;7-1是客户端 
服务器的相关信息&#xff1a; 
服务名称&#xff1a;sshd 
服务端主程序&#xff1a;/usr/sbin/sshd 
服务端配置文件&#xff1a;/etc/ssh/sshd_config 
客户端相关信息&#xff1a; …




阅读更多...

















SQL如何利用Bitmap思想优化array_contains()函数








SQL如何利用Bitmap思想优化array_contains()函数




目录 
0 问题描述 
1 位图思想 
2 案例实战 
3 小结 0 问题描述 在工作中&#xff0c;我们往往使用array_contains()函数来进行存在性问题分析&#xff0c;如判断某个数是否在某个数组中&#xff0c;但是当表数据量过多&#xff0c;存在大量array_contains()函数时&#xff0c;…




阅读更多...

















未来已来：深入探索LLAMA3驱动的人工智能革命








未来已来：深入探索LLAMA3驱动的人工智能革命




大家好&#xff01;相信大家对于AI&#xff08;人工智能&#xff09;的发展已经有了一定的了解&#xff0c;但你是否意识到&#xff0c;到了2024年&#xff0c;AI已经变得如此强大和普及&#xff0c;带来了我们从未想象过的便利和创新呢&#xff1f;让我们一起来看看AI在这个时…




阅读更多...

















Open CASCADE学习|BRepFill_SectionPlacement








Open CASCADE学习|BRepFill_SectionPlacement




BRepFill_SectionPlacement 是一个与计算机辅助设计&#xff08;CAD&#xff09;相关的术语&#xff0c;通常用于指代一个几何对象或操作&#xff0c;它是Open CASCADE Technology&#xff08;OCCT&#xff09;中的一个类。Open CASCADE Technology是一个开源的CAD内核&#xf…




阅读更多...

















HOOPS Exchange导入数据时如何使用CATIA缓存选项？








HOOPS Exchange导入数据时如何使用CATIA缓存选项？




1、什么是CATIA缓存选项和CGR文件&#xff1f; 
CATIA V5默认的工作方式是加载几何图形。加载大型程序集时&#xff0c;这可能会导致性能下降&#xff0c;因为所需的内存很重要。 
在这种情况下&#xff0c;我们可能需要使用缓存选项。这将生成仅包含曲面细分数据而不包含几何图…




阅读更多...


















推荐文章












最新文章


















Copyright @ 2022~2023