你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

货架产品识别（预览版）：使用预先训练的模型分析货架图像

项目
10/18/2024

重要

此功能现已弃用。 2025 年 3 月 31 日，Azure AI 图像分析 4.0 自定义图像分类、自定义对象检测和产品识别预览 API 将停用。该日期之后，对这些服务的 API 调用会失败。

要确保模型顺利运行，请转换到现已正式发布的 Azure AI 自定义视觉。自定义视觉可提供与这些即将停用的功能相似的功能。

若要开始使用产品识别，最快的方法是使用内置的预先训练 AI 模型。使用产品识别 API，你可以上传货架图像并获取产品和空隙的位置。

零售货架的照片，其中的产品和空隙用矩形突出显示。

注意

图像中显示的品牌不属于 Microsoft，不表示品牌所有者对 Microsoft 或 Microsoft 产品任何形式的认可，也不表示 Microsoft 对品牌所有者或其产品的认可。

先决条件

Azure 订阅 - 免费创建订阅
获取 Azure 订阅后，请在 Azure 门户中创建视觉资源。它必须部署在受支持的 Azure 区域中（请参阅区域可用性）。部署后，选择”转到资源”。
- 需要从创建的资源获取密钥和终结点，以便将应用程序连接到 Azure AI 视觉服务。你稍后会在本指南中将密钥和终结点粘贴到下面的代码中。
一个具有 Blob 存储容器的 Azure 存储资源。创建一个
已安装 cURL。或者，可以使用其他 REST 平台，例如 Swagger 或 VS Code 的 REST 客户端扩展。
货架图像。可以下载我们的示例图像或使用你自己的图像。每个图像的最大文件大小为 20 MB。

分析货架图像

若要分析货架图像，请执行以下步骤：

将要分析的图像上传到 Blob 存储容器，并获取绝对 URL。

将以下 curl 命令复制到文本编辑器中。

curl -X PUT -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/ms-pretrained-product-detection/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
    'url':'<your_url_string>'
}"

必要时在命令中进行如下更改：
1. 将“<subscriptionKey>”替换为视觉资源密钥。
2. 将“<endpoint>”替换为视觉资源终结点。例如：https://YourResourceName.cognitiveservices.azure.com。
3. 将“<your_run_name>”替换为任务队列唯一的测试运行名称。这是异步 API 任务队列名称，你可以稍后用来检索 API 响应。例如： .../runs/test1?api-version...
4. 将 <your_url_string> 内容替换为图像的 Blob URL
打开命令提示符窗口。
将文本编辑器中编辑的 curl 命令粘贴到命令提示符窗口，然后运行命令。

检查响应

成功的响应以 JSON 格式返回。产品识别 API 结果在 ProductRecognitionResultApiModel JSON 字段中返回：

"ProductRecognitionResultApiModel": {
  "description": "Results from the product understanding operation.",
  "required": [
    "gaps",
    "imageMetadata",
    "products"
  ],
  "type": "object",
  "properties": {
    "imageMetadata": {
      "$ref": "#/definitions/ImageMetadataApiModel"
    },
    "products": {
      "description": "Products detected in the image.",
      "type": "array",
      "items": {
        "$ref": "#/definitions/DetectedObject"
      }
    },
    "gaps": {
      "description": "Gaps detected in the image.",
      "type": "array",
      "items": {
        "$ref": "#/definitions/DetectedObject"
      }
    }
  }
}

有关每个 JSON 字段的定义，请参阅以下部分。

产品识别结果 API 模型

产品识别操作的结果。

名称	Type	描述	必需
`imageMetadata`	ImageMetadataApiModel	图像元数据信息，例如高度、宽度和格式。	是
`products`	DetectedObject	在图像中检测到的产品。	是
`gaps`	DetectedObject	在图像中检测到的空隙。	是

图像元数据 API 模型

图像元数据信息，例如高度、宽度和格式。

名称	Type	描述	必需
`width`	integer	图像的宽度（以像素为单位）。	是
`height`	integer	图像的高度（以像素为单位）。	是

检测到的对象 API 模型

描述在图像中检测到的对象。

名称	Type	描述	必须
`id`	string	检测到的对象的 ID。	否
`boundingBox`	BoundingBox	图像内部区域的边框。	是
`tags`	TagsApiModel	检测到的对象的分类置信度。	是

边框 API 模型

图像内部区域的边框。

名称	Type	描述	必需
`x`	integer	区域左上角点的左坐标（以像素为单位）。	是
`y`	integer	区域左上角点的上坐标（以像素为单位）。	是
`w`	integer	从区域左上角点测得的宽度（以像素为单位）。	是
`h`	integer	从区域左上角点测得的高度（以像素为单位）。	是

图像标记 API 模型

描述标签的图像分类置信度。

名称	Type	描述	必需
`confidence`	FLOAT	分类预测的置信度。	是
`name`	字符串	分类预测的标签。	是

后续步骤

在本指南中，你已了解如何使用预先训练的产品识别 REST API 发出简单的分析调用。接下来，请了解如何使用自定义产品识别模型更好地解决业务需求。

训练自定义模型进行产品识别

通过