Azure IoT Edge入門（4）實戰将“識别戴口罩”算法部署到邊緣(1)-Custom Vision導出容器

視訊講解：

您可以在B站觀看視訊講解：https://www.bilibili.com/video/av93672532/

或在本站觀看視訊講解：https://www.51azure.cloud/post/2020/3/4/azure-iot-edge41custom-vision

圖文講解：

從本文開始，我們做一個案例介紹，該案例分為3小節介紹。

前邊我們介紹過，IoT Edge的一個主要功能就是可以将雲端的能力擴充到邊緣，本次的案例涉及的内容比較多。

主要的背景是這樣的：

結合最近的社會情況，出現了很多需要檢測是否戴口罩的需求，我們之前曾經有一篇文章介紹了使用Azure Custom Vision提供的AI能力，快速開發出了一個檢測是否戴口罩的模型，并釋出成API供調用。

本案例中，我們将之前訓練好的AI模型，通過Azure IoT Edge 推送到邊緣裝置，這麼做有如下好處：

1. 未必所有的攝像頭都能直接調用API，也不能大規模替換新型攝像頭；

2. 未必所有的檢查點/場所都有良好的網絡，需要離線運作大部分功能；

3. 提供更快（時延更低）的檢測結果傳回；

4. 當我們研發出準确率更高的模型時，可以批量從雲端更新我們部署的邊緣裝置；

本案例分三節内容介紹：

1. 将Custom Vision 模型導出成linux 容器；在本地build/run，完成本地測試；
2. 準備Azure Container Registry, 将本地Build好的鏡像push到ACR裡；
3. 使用IoT Edge将 ACR裡準備好的 鏡像部署到IoT Edge裡，在EDGE裝置上調用本地的算法；

今天主要介紹第一個步驟：

1. 将Custom Vision 模型導出成linux 容器；在本地build/run，完成本地測試；

關于Custom Vision識别是否戴口罩的做法，請參照文章《AI 應用之Azure Custom Vision檢測是否戴口罩》

主要注意如下兩個步驟：

建立項目時，Domains 選擇General，這個類型才能導出為容器。

訓練完成後導出成容器，而不是釋出成API：

将導出的壓縮包下載下傳到本地并解壓，得到如下檔案：

在指令提示符裡運作如下指令：

注意，最後的空格+.

docker build -t <your image name> .      

編譯過程視網絡情況可能會出現需要重試的情況。

編譯成功，可以通過 docker images 檢視本地的鏡像檔案。

執行如下指令，在本地運作容器：

其中第一個80是本地通路端口，如果您安裝了IIS等占用80端口的程式，則可以更換為其他端口，例如81或82；

docker run -p 127.0.0.1:80:80 -d <your image name>      

接下來在浏覽器中通路，驗證容器正常運作：

使用方式如下：

我們在Postman中測試如下：

點選Select Files 上傳一張圖檔，結果如下圖：

案例中Custom Vision 中使用的示例圖檔，來着于網際網路：

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

注意，如果您沒有Global賬号可以申請試用賬号後開通Custom Vision 已完成本項目或在如下連接配接下載下傳作者訓練好的 容器：

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