貨架產品辨識 (預覽)：使用預先訓練的模型分析貨架影像

發行項
10/17/2024

重要

這項功能現在已被取代。在 2025 年 1 月 10 日，Azure AI 影像分析 4.0 自定義影像分類、自定義物件偵測和產品辨識預覽 API 將會淘汰。在此日期之後，對這些服務的 API 呼叫將會失敗。

若要維持模型的順暢作業，請轉換至現已正式推出的 Azure AI 自訂視覺。自訂視覺提供與這些淘汰功能類似的功能。

開始使用產品辨識最快的方式是使用內建預先定型的 AI 模型。透過產品辨識 API，您可以上傳貨架影像，並取得產品和間距的位置。

零售貨架的照片，其中產品和間隙透過矩形醒目顯示。

注意

影像中顯示的品牌不會與 Microsoft 建立關聯，也不會指出品牌擁有者簽署 Microsoft 或 Microsoft 產品的任何形式，或由 Microsoft 簽署品牌擁有者或其產品。

必要條件

Azure 訂用帳戶 - 建立免費帳戶
擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立視覺資源。其必須部署在支援的 Azure 區域中 (請參閱區域可用性)。在其部署後，選取 [前往資源]。
- 您將需要來自所建立資源的金鑰和端點，以便將應用程式連線至 Azure AI 視覺服務。您稍後會在此指南中將金鑰和端點貼到下列程式碼中。
具有 Blob 儲存體容器的 Azure 儲存體資源。建立一個
已安裝 cURL。或者，您可以使用不同的 REST 平台，例如 Swagger 或 VS Code 的 REST 用戶端擴充功能。
架子影像。您可以下載我們的範例映像或自備映像。每個映像的檔案大小上限為 20 MB。

分析架子影像

若要分析架子影像，請執行下列步驟:

上傳您想要分析至 Blob 儲存體容器的影像，並取得絕對 URL。

將下列 curl 命令複製到文字編輯器。

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>'
}"

視需要在命令中進行下列變更：
1. 以您的視覺資源金鑰取代 <subscriptionKey>。
2. 以您的視覺資源端點取代 <endpoint>。例如： https://YourResourceName.cognitiveservices.azure.com 。
3. 將 <your_run_name> 取代為工作佇列的唯一測試回合名稱。這是非同步 API 工作佇列名稱，可供您稍後用來擷取 API 回應。例如，.../runs/test1?api-version...
4. 將 <your_url_string> 內容取代為影像的 Blob URL
開啟 [命令提示字元] 視窗。
從文字編輯器將經過編輯的 curl 命令貼上到命令提示字元視窗中，然後執行該命令。

檢查回應

成功的回應會以 JSON 的形式傳回。產品辨識 API 結果會在 ProductRecognitionResultApiModel JSON 欄位中傳回:

"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"
      }
    }
  }
}

如需每個 JSON 欄位的定義，請參閱下列各節。

產品辨識結果 API 模型

產品辨識作業的結果。

名稱	類型	描述	必要
`imageMetadata`	ImageMetadataApiModel	影像中繼資料資訊，例如高度、寬度和格式。	Yes
`products`	DetectedObject	影像中偵測到的產品。	Yes
`gaps`	DetectedObject	在影像中偵測到間距。	Yes

影像中繼資料 API 模型

影像中繼資料資訊，例如高度、寬度和格式。

名稱	類型	描述	必要
`width`	整數	影像的寬度，以像素為單位。	Yes
`height`	整數	影像的高度，以像素為單位。	Yes

偵測到的物件 API 模型

描述影像中偵測到的物件。

名稱	類型	描述	必要
`id`	string	偵測到物件的識別碼。	No
`boundingBox`	BoundingBox	影像內區域的周框方塊。	Yes
`tags`	TagsApiModel	偵測到物件的分類信賴度。	Yes

周框方塊 API 模型

影像內區域的周框方塊。

名稱	類型	描述	必要
`x`	整數	區域左上方點的左座標，以像素為單位。	Yes
`y`	整數	區域左上方點的頂端座標，以像素為單位。	Yes
`w`	整數	從區域左上方點測量的寬度，以像素為單位。	Yes
`h`	整數	以像素為單位，從區域左上方點測量的高度。	Yes

影像標籤 API 模型

描述標籤的影像分類信賴度。

名稱	類型	描述	必要
`confidence`	float	分類預測的信賴度。	Yes
`name`	string	分類預測的標籤。	Yes

下一步

在本指南中，您已了解如何使用預先訓練的產品辨識 REST API 進行基本分析呼叫。接下來，了解如何使用自訂產品辨識模型，以更符合您的業務需求。

定型產品辨識的自訂模型

共用方式為