Dela via

Hylla produktigenkänning – anpassad modell (förhandsversion)

  • Artikel

Viktigt!

Den här funktionen är nu inaktuell. Den 31 mars 2025 kommer API:et för anpassad bildanalys 4.0 för Azure AI Image Analysis 4.0, anpassad objektidentifiering och förhandsversion av produktigenkänning att dras tillbaka. Efter det här datumet misslyckas API-anrop till dessa tjänster.

För att upprätthålla en smidig drift av dina modeller övergår du till Azure AI Custom Vision, som nu är allmänt tillgängligt. Custom Vision erbjuder liknande funktioner som dessa funktioner för att dra tillbaka.

Du kan träna en anpassad modell för att identifiera specifika detaljhandelsprodukter för användning i ett produktigenkänningsscenario. Den färdiga analysera-åtgärden skiljer inte mellan produkter, men du kan skapa den här funktionen i din app genom anpassad etikettering och träning.

Foto av en butikshylla med produktnamn och luckor markerade med rektanglar.

Kommentar

Varumärkena som visas i bilderna är inte kopplade till Microsoft och anger inte någon form av godkännande av Microsoft- eller Microsoft-produkter av varumärkesägarna, eller ett godkännande av varumärkesägarna eller deras produkter av Microsoft.

Använda modellens anpassningsfunktion

Guiden Anpassa modell visar hur du tränar och publicerar en anpassad bildanalysmodell. Du kan följa den guiden, med några specifikationer, för att skapa en modell för produktigenkänning.

Modellanpassning

Specifikationer för datauppsättning

Din träningsdatauppsättning bör bestå av bilder av butikshyllorna. När du först skapar modellen måste du ange parametern ModelKind till ProductRecognitionModel.

Spara också värdet för parametern ModelName , så att du kan använda det som referens senare.

Anpassad etikettering

När du går igenom arbetsflödet för etikettering skapar du etiketter för var och en av de produkter som du vill känna igen. Märk sedan varje produkts avgränsningsruta i varje bild.

Analysera hyllor med en anpassad modell

När din anpassade modell är tränad och klar (du har slutfört stegen i anpassningsguiden för modell) kan du använda den via åtgärden Hyllanalys.

API-anropet ser ut så här:

curl.exe -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/<your_model_name>/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
    'url':'<your_url_string>'
}"
  1. Gör följande ändringar i kommandot där det behövs:
    1. Ersätt med resursnyckeln <subscriptionKey> Vision.
    2. <endpoint> Ersätt med slutpunkten för visionsresursen. Exempel: https://YourResourceName.cognitiveservices.azure.com.
    3. Ersätt <your_model_name> med namnet på din anpassade modell (det ModelName-värde som du använde i skapandesteget).
    4. <your_run_name> Ersätt med ditt unika testkörningsnamn för aktivitetskön. Det är ett asynkront API-uppgiftskönamn för att du ska kunna hämta API-svaret senare. Till exempel: .../runs/test1?api-version...
    5. Ersätt innehållet <your_url_string> med blob-URL:en för bilden
  2. Öppna ett kommandotolksfönster.
  3. Klistra in det redigerade curl kommandot från textredigeraren i kommandotolken och kör sedan kommandot.

Nästa steg

I den här guiden har du lärt dig hur du använder en anpassad produktigenkänningsmodell för att bättre uppfylla dina affärsbehov. Konfigurera sedan planogrammatchning, som fungerar tillsammans med anpassad produktigenkänning.

Planogrammatchning