Rileva oggetti nelle immagini per creare una ricerca visiva dei prodotti con ML Kit: Android

1. Prima di iniziare

727608486a28395d.png

Hai visto la demo di Google Lens, in cui puoi puntare la fotocamera del telefono verso un oggetto e trovare dove acquistarlo online? Se vuoi scoprire come aggiungere la stessa funzionalità alla tua app, questo codelab fa per te. Fa parte di un percorso di apprendimento che ti insegna a creare una funzionalità di ricerca di immagini prodotto in un'app mobile.

In questo codelab imparerai il primo passaggio per creare una funzionalità di ricerca di immagini prodotto: come rilevare gli oggetti nelle immagini e consentire all'utente di scegliere gli oggetti da cercare. Per creare questa funzionalità utilizzerai Rilevamento e monitoraggio degli oggetti di ML Kit.

Puoi scoprire i passaggi rimanenti, tra cui come creare un backend per la ricerca di prodotti con Vision API Product Search, nel percorso di apprendimento.

Cosa creerai

  • In questo codelab, creerai un'app per Android con ML Kit. L'app utilizzerà l'API ML Kit Object Detection and Tracking per rilevare gli oggetti in una determinata immagine. L'utente sceglierà un oggetto da cercare nel nostro database di prodotti.
  • Alla fine, dovresti vedere qualcosa di simile all'immagine a destra.

Cosa imparerai a fare

  • Come integrare l'SDK ML Kit nella tua applicazione Android
  • API ML Kit per il rilevamento e il monitoraggio degli oggetti

Che cosa ti serve

  • Una versione recente di Android Studio (v4.1.2 o successive)
  • L'emulatore Android Studio o un dispositivo Android fisico
  • Il codice di esempio
  • Conoscenza di base dello sviluppo Android in Kotlin

Questo codelab è incentrato su ML Kit. Altri concetti e blocchi di codice non vengono studiati e sono forniti solo per operazioni di copia e incolla.

2. Configurazione

Scarica il codice

Fai clic sul link seguente per scaricare tutto il codice di questo codelab:

Estrai il file ZIP scaricato. Verrà scompattata una cartella principale (odml-pathways-main) con tutte le risorse necessarie. Per questo codelab, ti serviranno solo le origini nella sottodirectory product-search/codelab1/android.

La sottodirectory object-detection nel repository mlkit-android contiene due directory:

  • android_studio_folder.pngstarter: il codice di avvio su cui basarti per questo codelab.
  • android_studio_folder.pngfinal: codice completo per l'app di esempio completata.

3. Aggiungi l'API ML Kit Object Detection and Tracking al progetto

Importa l'app in Android Studio

Per iniziare, importa l'app starter in Android Studio.

Vai ad Android Studio, seleziona Importa progetto (Gradle, Eclipse ADT e così via) e scegli la cartella starter dal codice sorgente che hai scaricato in precedenza.

7c0f27882a2698ac.png

Aggiungere le dipendenze per il rilevamento e il monitoraggio degli oggetti di ML Kit

Le dipendenze di ML Kit ti consentono di integrare l'SDK ODT di ML Kit nella tua app.

Vai al file app/build.gradle del tuo progetto e verifica che la dipendenza sia già presente:

build.gradle

dependencies {
  // ...
  implementation 'com.google.mlkit:object-detection:16.2.4'
}

Sincronizzare il progetto con i file gradle

Per assicurarti che tutte le dipendenze siano disponibili per la tua app, a questo punto devi sincronizzare il progetto con i file Gradle.

Seleziona Sincronizza progetto con i file Gradle ( b451ab2d04d835f9.png) dalla barra degli strumenti di Android Studio.

Se questo pulsante è disattivato, assicurati di importare solo starter/app/build.gradle, non l'intero repository.

4. Esegui l'app di avvio

Ora che hai importato il progetto in Android Studio e aggiunto le dipendenze per il rilevamento e il monitoraggio degli oggetti di ML Kit, puoi eseguire l'app per la prima volta.

Collega il dispositivo Android al computer host tramite USB o avvia l'emulatore Android Studio e fai clic su Esegui ( execute.png) nella barra degli strumenti di Android Studio.

Eseguire ed esplorare l'app

L'app dovrebbe avviarsi sul tuo dispositivo Android. Contiene del codice boilerplate che ti consente di acquisire una foto o selezionare un'immagine preimpostata e di inviarla a una pipeline di rilevamento e monitoraggio degli oggetti che creerai in questo codelab. Esplora un po' l'app prima di scrivere il codice:

Innanzitutto, in basso è presente un pulsante ( c6d965d639c3646.png) per

  • avvia l'app Fotocamera integrata nel dispositivo/nell'emulatore
  • scattare una foto nell'app Fotocamera
  • Riceve l'immagine acquisita nell'app di avvio
  • visualizzare l'immagine

Prova il pulsante "Scatta foto". Segui le istruzioni per scattare una foto, accetta la foto e osservala all'interno dell'app di avvio.

In secondo luogo, puoi scegliere tra tre immagini predefinite. Puoi utilizzare queste immagini in un secondo momento per testare il codice di rilevamento degli oggetti se esegui l'emulatore Android.

  1. Seleziona un'immagine tra le tre immagini predefinite.
  2. Verifica che l'immagine venga visualizzata nella visualizzazione più grande.

1290481786af21b9.png

5. Aggiungere il rilevamento di oggetti sul dispositivo

In questo passaggio, aggiungerai all'app iniziale la funzionalità di rilevamento degli oggetti nelle immagini. Come hai visto nel passaggio precedente, l'app iniziale contiene codice boilerplate per scattare foto con l'app Fotocamera sul dispositivo. Se esegui il codelab su un emulatore Android, nell'app sono presenti anche tre immagini predefinite su cui puoi provare il rilevamento degli oggetti.

Quando selezioni un'immagine, dalle immagini predefinite o scattando una foto con l'app Fotocamera, il codice boilerplate decodifica l'immagine in un'istanza Bitmap, la mostra sullo schermo e chiama il metodo runObjectDetection con l'immagine.

In questo passaggio aggiungerai codice al metodo runObjectDetection per eseguire il rilevamento degli oggetti.

Configurare ed eseguire il rilevamento di oggetti on-device su un'immagine

Esistono solo tre semplici passaggi con tre API per configurare ML Kit ODT

  • Prepara un'immagine: InputImage
  • Crea un oggetto detector: ObjectDetection.getClient(options)
  • Collega i due oggetti sopra: process(image)

Puoi ottenere questi risultati all'interno della funzione **runObjectDetection(bitmap: Bitmap)**nel file MainActivity.kt.

/**
 * ML Kit Object Detection Function
 */
private fun runObjectDetection(bitmap: Bitmap) {
}

Al momento la funzione è vuota. Passa ai passaggi che seguono per integrare ML Kit ODT. Durante la procedura, Android Studio ti chiederà di aggiungere le importazioni necessarie

  • com.google.mlkit.vision.common.InputImage
  • com.google.mlkit.vision.objects.ObjectDetection
  • com.google.mlkit.vision.objects.defaults.ObjectDetectorOptions

Passaggio 1: crea un InputImage

ML Kit fornisce un'API semplice per creare un InputImage da un Bitmap. Dopodiché puoi fornire un InputImage alle API ML Kit.

// Step 1: create ML Kit's InputImage object
val image = InputImage.fromBitmap(bitmap, 0)

Aggiungi il codice riportato sopra nella parte superiore di runObjectDetection(bitmap:Bitmap).

Passaggio 2: crea un'istanza del rilevatore

ML Kit segue il pattern di progettazione del generatore, quindi devi passare la configurazione al generatore e acquisire un rilevatore. Sono disponibili tre opzioni di configurazione (quella in grassetto viene utilizzata nel codelab):

  • modalità di rilevamento (immagine singola o stream)
  • modalità di rilevamento (singolo o più rivelamenti di oggetti).
  • modalità di classificazione (attiva o disattivata)

Questo codelab è dedicato al rilevamento e alla classificazione di più oggetti in un'unica immagine. Vediamo come procedere:

// Step 2: acquire detector object
val options = ObjectDetectorOptions.Builder()
   .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
   .enableMultipleObjects()
   .enableClassification()
   .build()
val objectDetector = ObjectDetection.getClient(options)

Passaggio 3: invia le immagini al rilevatore

Il rilevamento e la classificazione degli oggetti sono elaborazioni asincrone:

  • invii un'immagine al rilevatore (tramite process())
  • Il rilevatore lavora sodo
  • Il detector ti restituisce il risultato tramite un callback

Il codice seguente fa proprio questo (copia e accoda il codice esistente all'interno di fun runObjectDetection(bitmap:Bitmap)):

// Step 3: feed given image to detector and setup callback
objectDetector.process(image)
   .addOnSuccessListener {
       // Task completed successfully
        debugPrint(it)
   }
   .addOnFailureListener {
       // Task failed with an exception
       Log.e(TAG, it.message.toString())
   }

Al termine, il rilevatore ti invia una notifica con

  1. Numero totale di oggetti rilevati
  2. Ogni oggetto rilevato è descritto con
  • trackingId: un numero intero utilizzato per monitorarlo tra i frame (NON utilizzato in questo codelab)
  • boundingBox: il riquadro di delimitazione dell'oggetto
  • labels: elenco di etichette per l'oggetto rilevato (solo se la classificazione è abilitata)
  • index (recupera l'indice di questa etichetta)
  • text (ottieni il testo di questa etichetta, ad esempio "Prodotti di moda", "Cibo", "Prodotti per la casa", "Luogo", "Pianta")
  • confidence (un valore float compreso tra 0,0 e 1,0, dove 1,0 indica il 100%)

Probabilmente hai notato che il codice stampa i risultati rilevati in Logcat con debugPrint(). Aggiungilo alla classe MainActivity:

private fun debugPrint(detectedObjects: List<DetectedObject>) {
   detectedObjects.forEachIndexed { index, detectedObject ->
       val box = detectedObject.boundingBox

       Log.d(TAG, "Detected object: $index")
       Log.d(TAG, " trackingId: ${detectedObject.trackingId}")
       Log.d(TAG, " boundingBox: (${box.left}, ${box.top}) - (${box.right},${box.bottom})")
       detectedObject.labels.forEach {
           Log.d(TAG, " categories: ${it.text}")
           Log.d(TAG, " confidence: ${it.confidence}")
       }
   }
}

Ora puoi accettare le immagini per il rilevamento.

Esegui il codelab facendo clic su Esegui ( execute.png) nella barra degli strumenti di Android Studio. Prova a selezionare un'immagine preimpostata o scatta una foto, quindi controlla la finestra logcat( 16bd6ea224cf8cf1.png) all'interno dell'IDE. Dovresti visualizzare un messaggio simile al seguente:

D/MLKit Object Detection: Detected object: 0
D/MLKit Object Detection:  trackingId: null
D/MLKit Object Detection:  boundingBox: (481, 2021) - (2426,3376)
D/MLKit Object Detection:  categories: Fashion good
D/MLKit Object Detection:  confidence: 0.90234375
D/MLKit Object Detection: Detected object: 1
D/MLKit Object Detection:  trackingId: null
D/MLKit Object Detection:  boundingBox: (2639, 2633) - (3058,3577)
D/MLKit Object Detection: Detected object: 2
D/MLKit Object Detection:  trackingId: null
D/MLKit Object Detection:  boundingBox: (3, 1816) - (615,2597)
D/MLKit Object Detection:  categories: Home good
D/MLKit Object Detection:  confidence: 0.75390625

il che significa che il rilevatore ha rilevato 3 oggetti di:

  • sono Prodotto di moda e Prodotto per la casa.
  • Non viene restituita alcuna categoria per il secondo perché si tratta di un corso sconosciuto.
  • no trackingId (perché si tratta della modalità di rilevamento di una singola immagine)
  • Posizione all'interno del rettangolo boundingBox (ad es. (481, 2021) - (2426, 3376))
  • Il rilevatore è abbastanza sicuro che la prima sia un'apparecchiatura di moda (90%) (è un vestito)

Tecnicamente, è tutto ciò che ti serve per far funzionare il rilevamento di oggetti di ML Kit. Congratulazioni.

Sì, per quanto riguarda l'interfaccia utente, sei ancora nella fase in cui hai iniziato, ma potresti utilizzare i risultati rilevati nell'interfaccia utente, ad esempio disegnare la casella delimitante, per creare un'esperienza migliore. Il passaggio successivo è visualizzare i risultati rilevati.

6. Post-elaborazione dei risultati del rilevamento

Nei passaggi precedenti, hai stampato il risultato rilevato in logcat: semplice e veloce.

In questa sezione utilizzerai il risultato nell'immagine:

  • Disegna il riquadro di delimitazione sull'immagine
  • disegna il nome della categoria e il livello di confidenza all'interno del riquadro delimitante

Informazioni sulle utilità di visualizzazione

All'interno del codelab è presente del codice boilerplate per aiutarti a visualizzare il risultato del rilevamento. Utilizza queste utilità per semplificare il codice di visualizzazione:

  • class ImageClickableView Si tratta di una classe di visualizzazione di immagini che fornisce alcuni utili strumenti per la visualizzazione e l'interazione con il risultato del rilevamento.
  • fun drawDetectionResults(results: List<DetectedObject>) Questo metodo disegna cerchi bianchi al centro di ogni oggetto rilevato.
  • fun setOnObjectClickListener(listener: ((objectImage: Bitmap) -> Unit)) Si tratta di un callback per ricevere l'immagine ritagliata che contiene solo l'oggetto su cui l'utente ha toccato. Invierai questa immagine ritagliata al backend di ricerca di immagini in un altro codelab per ottenere un risultato visivamente simile. In questo codelab non utilizzerai ancora questo metodo.

Mostrare il risultato del rilevamento di ML Kit

Utilizza le utilità di visualizzazione per mostrare il risultato del rilevamento di oggetti di ML Kit sopra l'immagine di input.

Vai alla chiamata di debugPrint() e aggiungi il seguente snippet di codice sotto:

runOnUiThread {
    viewBinding.ivPreview.drawDetectionResults(it)
}

Esegui

Ora fai clic su Esegui ( execute.png) nella barra degli strumenti di Android Studio.

Una volta caricata l'app, premi il pulsante con l'icona della fotocamera, punta la fotocamera verso un oggetto, scatta una foto, accetta la foto (nell'app Fotocamera) o tocca facilmente qualsiasi immagine preimpostata. Dovresti vedere il risultato del rilevamento. Premi di nuovo il pulsante o seleziona un'altra immagine per ripetere l'operazione un paio di volte e prova l'ultima versione di ML Kit ODT.

5027148750dc0748.png

7. Complimenti!

Hai utilizzato ML Kit per aggiungere funzionalità di rilevamento di oggetti alla tua app:

  • 3 passaggi con 3 API
  • Crea immagine di input
  • Crea rilevatore
  • Invia immagine al rilevatore

È tutto ciò che ti serve per iniziare a utilizzare il servizio.

Argomenti trattati

  • Come aggiungere il rilevamento e il monitoraggio degli oggetti di ML Kit alla tua app per Android
  • Come utilizzare il rilevamento e il monitoraggio degli oggetti sul dispositivo in ML Kit per rilevare gli oggetti nelle immagini

Passaggi successivi

  • Prova questo codelab su come inviare l'oggetto rilevato a un backend di ricerca di prodotti e mostrare i risultati di ricerca
  • Scopri di più con ML Kit ODT con più immagini e video in diretta per sperimentare l'accuratezza e il rendimento del rilevamento e della classificazione
  • Consulta il percorso di apprendimento Andare oltre con il rilevamento di oggetti per scoprire come addestrare un modello personalizzato
  • Leggi i consigli di Material Design per il rilevamento di oggetti live-camera e static-image
  • Applicare ODT di ML Kit nella tua app per Android

Scopri di più