版本 Type 作業系統要求相依性組態本機記錄檔變更記錄

DLR 物體偵測

DLR 物件偵測元件 (aws.greengrass.DLRObjectDetection) 包含範例推論程式碼，可使用深度學習執行階段執行物件偵測推論，以及範例預先訓練的模型。此元件使用變體DLR 物件偵測模型商店和DLR 執行階段元件作為從屬關係來下載 DLR 和範例模型。

若要將此推論元件與自訂訓練有素的 DLR 模型搭配使用，請建立相依模型存放區元件的自訂版本。若要使用您自己的自訂推論程式碼，您可以使用此元件的方式做為範本來建立自訂推論元件。

主題

版本
Type
作業系統
要求
相依性
組態
本機記錄檔
變更記錄

版本

此元件具有下列版本：

2.1.x
2.0.x

Type

此元件是一般元件 (aws.greengrass.generic)。Greengrass 核會執行元件的生命週期指令碼。

如需詳細資訊，請參閱元件類型。

作業系統

此元件可安裝在執行下列作業系統的核心裝置上：

Linux
Windows

要求

此元件具有下列需求：

在運行 Amazon Linux 2 或 Ubuntu 18.04 的 Greengrass 核心設備上，GNU C 庫（glibc）2.27 版或更高版本安裝在設備上。

在 ARMV7L 設備上，如樹莓派，對於設備上安裝了 OpenCV-Python 的依賴關係。執行下列命令以安裝相依性。


sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev

樹莓派運行樹莓派 OS 靶心設備必須滿足以下要求:
- NumPy 1.22.4 或更新版本已安裝在裝置上。樹莓派 OS 靶心包括早期版本的 NumPy，因此您可以運行以下命令在設備 NumPy 上升級。
```
pip3 install --upgrade numpy
```
- 裝置上啟用的舊式攝影機堆疊。樹莓派 OS Bullseye 包括一個新的相機堆疊，預設情況下啟用且不相容，因此您必須啟用傳統的相機堆疊。
  啟用舊式相機堆疊
  1. 運行以下命令以打開樹莓派配置工具。
    
    sudo raspi-config
  2. 選取介面選項。
  3. 選取「舊式相機」以啟用舊式相機堆疊。
  4. 重新啟動 Raspberry Pi。

相依性

部署元件時， AWS IoT Greengrass 也會部署其相依性的相容版本。這表示您必須符合元件及其所有相依性的需求，才能成功部署元件。本節列出此元件之已發行版本的相依性，以及定義每個相依性之元件版本的語意版本條件約束。您也可以在AWS IoT Greengrass 主控台中檢視元件每個版本的相依性。在元件詳細資料頁面上，尋找 [相依性] 清單。

2.1.13 and 2.1.14

下表列出此元件 2.1.13 和 2.1.14 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.12

下表列出此元件 2.1.12 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.11

下表列出此元件 2.1.11 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.10

下表列出此元件 2.1.10 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.9

下表列出此元件 2.1.9 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.8

下表列出此元件 2.1.8 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.7

下表列出此元件 2.1.7 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.6

下表列出此元件 2.1.6 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	>=2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.4 - 2.1.5

下表列出此元件 2.1.4 至 2.1.5 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.3

下表列出此元件 2.1.3 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.2

下表列出此元件 2.1.2 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.1.1

下表列出此元件 2.1.1 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	> = 2.0.0	軟式
DLR 物件偵測模型商店	約 2.1.0	硬式
DLR	約 1.6.0	硬式

2.0.x

下表列出此元件 2.0.x 版的相依性。

相依性	兼容版本	相依性類型
Greengrass 核	〜 2.0.0	軟式
DLR 物件偵測模型商店	〜 2.0.0	硬式
DLR	約 1.3.0	軟式

組態

此元件提供下列組態參數，您可以在部署元件時自訂這些參數。

2.1.x

accessControl

(選擇性) 包含授權原則的物件，可讓元件將訊息發佈至預設通知主題。

預設：


{
   "aws.greengrass.ipc.mqttproxy": {
      "aws.greengrass.DLRObjectDetection:mqttproxy:1": {
         "policyDescription": "Allows access to publish via topic ml/dlr/object-detection.",
         "operations": [
            "aws.greengrass#PublishToIoTCore"
         ],
         "resources": [
            "ml/dlr/object-detection"
         ]
      }
   }
}

PublishResultsOnTopic

(選擇性) 您要發佈推論結果的主題。如果修改此值，則還必須修改accessControl參數resources中的值以符合您的自訂主題名稱。

預設：ml/dlr/object-detection

Accelerator

您要使用的加速器。支援的值為 cpu 和 gpu。

相依模型元件中的範例模型僅支援 CPU 加速。若要在不同的自訂模型中使用 GPU 加速，請建立自訂模型元件以覆寫公用模型元件。

預設：cpu

ImageDirectory

(選擇性) 推論元件讀取影像之設備上的資料夾路徑。您可以將此值修改為裝置上具有讀取/寫入存取權限的任何位置。

預設：/greengrass/v2/packages/artifacts-unarchived/component-name/object_detection/sample_images/

注意

如果UseCamera將的值設定為true，則會忽略此組態參數。

ImageName

(選擇性) 推論元件用作進行預測輸入的影像名稱。元件會在中指定的資料夾中尋找影像ImageDirectory。依預設，元件會使用預設映像目錄中的範例影像。 AWS IoT Greengrass 支援下列影像格式：jpegjpg、png、和npy。

預設：objects.jpg

注意

如果UseCamera將的值設定為true，則會忽略此組態參數。

InferenceInterval

(選擇性) 推論程式碼進行的每個預測之間的時間 (以秒為單位)。範例推論程式碼會無限期執行，並在指定的時間間隔內重複其預測。例如，如果您要使用相機拍攝的影像進行即時預測，可以將其變更為較短的間隔。

預設：3600

ModelResourceKey

(選擇性) 在相依公用模型元件中使用的模型。只有在使用自訂元件覆寫公用模型元件時，才能修改此參數。

預設：


{
    "armv7l": "DLR-yolo3-armv7l-cpu-ObjectDetection",
    "aarch64": "DLR-yolo3-aarch64-gpu-ObjectDetection",
    "x86_64": "DLR-yolo3-x86_64-cpu-ObjectDetection",
    "windows": "DLR-resnet50-win-cpu-ObjectDetection"
}

UseCamera

(選擇性) 字串值，定義是否使用來自連接至 Greengrass 核心裝置之攝影機的影像。支援的值為 true 和 false。

將此值設定為時true，範例推論程式碼會存取裝置上的攝影機，並在擷取的影像本機上執行推論。ImageName和ImageDirectory參數的值會被忽略。請確定執行此元件的使用者具有相機儲存擷取影像之位置的讀取/寫入權限。

預設：false

注意

當您檢視此元件的配方時，UseCamera組態參數不會顯示在預設組態中。不過，您可以在部署元件時，在組態合併更新中修改此參數的值。

當您設定UseCamera為時true，您還必須建立符號連結，以使推論元件能夠從執行階段元件建立的虛擬環境存取您的攝影機。如需將相機與範例推論元件搭配使用的詳細資訊，請參閱更新零組件組態。

2.0.x

MLRootPath

(選擇性) 推論元件讀取影像和寫入推論結果的 Linux 核心裝置上的資料夾路徑。您可以將此值修改為裝置上執行此元件的使用者具有讀取/寫入存取權限的任何位置。

預設：/greengrass/v2/work/variant.DLR/greengrass_ml

預設：/greengrass/v2/work/variant.TensorFlowLite/greengrass_ml

Accelerator

請勿修改。目前，加速器唯一支援的值是cpu，因為相依模型元件中的模型僅針對 CPU 加速器編譯。

ImageName

(選擇性) 推論元件用作進行預測輸入的影像名稱。元件會在中指定的資料夾中尋找影像ImageDirectory。預設位置為MLRootPath/images。 AWS IoT Greengrass 支援下列影像格式：jpegjpg、png、和npy。

預設：objects.jpg

InferenceInterval

預設：3600

ModelResourceKey

(選擇性) 在相依公用模型元件中使用的模型。只有在使用自訂元件覆寫公用模型元件時，才能修改此參數。

預設：


{
    armv7l: "DLR-yolo3-armv7l-cpu-ObjectDetection",
    x86_64: "DLR-yolo3-x86_64-cpu-ObjectDetection"
}

本機記錄檔

此元件會使用下列記錄檔。

若要檢視此元件的記錄

在核心裝置上執行下列命令，即時檢視此元件的記錄檔。以 AWS IoT Greengrass 根資料夾的路徑取代/greengrass/v2或 C:\greengrass\v2。
Linux
```
sudo tail -f /greengrass/v2/logs/aws.greengrass.DLRObjectDetection.log
```
Windows (PowerShell)
```
Get-Content C:\greengrass\v2\logs\aws.greengrass.DLRObjectDetection.log -Tail 10 -Wait
```

變更記錄

下表說明元件每個版本中的變更。

版本	變更
2.1.14	版本更新了 Greengrass 核 2.12.5 版本。
2.1.13	版本更新 Greengrass 2.12.0 版本釋放。
2.1.12	版本更新了 Greengrass 核 2.11.0 版本釋放。
2.1.11	版本更新了 Greengrass 2.10.0 版本。
2.1.10	版本更新 Greengrass 2.9.0 版本釋放。
2.1.9	版本更新 Greengrass 2.8.0 版本的版本。
2.1.8	版本更新了 Greengrass 核 2.7.0 版本釋放。
2.1.7	版本更新 Greengrass 2.6.0 版本的版本。
2.1.6	版本更新了 Greengrass 核 2.5.0 版本。
2.1.5	全部已發行的元件 AWS 區域。
2.1.4	版本更新 Greengrass 2.4.0 版本的版本。此版本不適用於歐洲 (倫敦) (`eu-west-2`)。
2.1.3	版本更新了 Greengrass 核 2.3.0 版本。
2.1.2	錯誤修復和改進修正造成範例 DLR 物件偵測推論結果中不正確邊界方塊的影像縮放問題。
2.1.1	新功能使用深度學習執行階段 v1.6.0。添加對在 Armv8（AArch64）平台上進行樣本對象檢測的支持。這擴展了對運行 NVIDIA 傑特森的 Greengrass 核心設備的機器學習支持，例如傑特森納米。啟用相機整合以進行範例推論。使用新的`UseCamera`組態參數可啟用範例推論程式碼，以存取 Greengrass 核心裝置上的攝影機，並在擷取的映像上在本機執行推論。新增將推論結果發佈至. AWS 雲端使用新的`PublishResultsOnTopic`組態參數來指定您要發佈結果的主題。新增可讓您為要執行推論之影像指定自訂目錄的`ImageDirectory`組態參數。錯誤修復和改進將推論結果寫入元件記錄檔，而不是個別的推論檔案。使用 AWS IoT Greengrass 核心軟體記錄模組來記錄元件輸出。使用讀 AWS IoT Device SDK 取零組件模型組態並套用模型組態變更。
2.0.4	初始版本。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

DLR 影像分類

DLR 圖像分類模型商店