DESIGN IV - projet Ali Quebec
Créez un virtual environment pour isoler localement nos packages et nos dépendences
python3 -m venv env
env\scripts\activate.bat # sur Linux, source env/bin/activate
pip install -r requirements.txt
Installez tesseract dans le repertoire par défaut C:\Program Files\Tesseract-OCR ou alors le changer dans detect.py.
https://github.com/UB-Mannheim/tesseract/wiki
Contactez le responsable du projet pour avoir une copie de la clé cloudnary ou créez-vous un compte.
Rajoutez ensuite la clé cloudinary dans les variables d'environnement de votre système d'exploitation.
Finalement, activez la clé dans la racine du projet en lancant la commande
set CLOUDINARY_URL=cloudinary://123456789012345:abcdefghijklmnopqrstuvwxyzA@cloud_name
export CLOUDINARY_URL=cloudinary://123456789012345:abcdefghijklmnopqrstuvwxyzA@cloud_name
https://drive.google.com/drive/folders/1bdG7JC8ITShO2RIjrGs-FbZtlANxaoBk?usp=sharing
python manage.py makemigrations
python manage.py migrate
python manage.py runserver
python manage.py runserver
plus de détails sur https://cloudinary.com/documentation/django_integration
choisir reconnaissance par vision et le type traitement
chosir reconnaissance de code barre
choisir une image depuis votre ordinateur ou faire un glisser-déposer de l'image
la reconnaissance par vision artificielle fais deux types de traitements:
- une reconnaissance de texte (ingrédients et valeurs nutritives)
- ue reconnaissance de logos utilisant du machine learning
Pour la reconnaissance de logos, il faut obligatoirement créer un dossier 'weights' dans la racine contenant le projet et y insérer les différents fichiers .weights :
dir
GEL30211D4E1
weights/*.weigts
S'assurer que le serveur est bien lancé;
Ouvrir le fichier main/test_api.py;
changer le file_path par le chemin de l'image que vous souhaitez traiter;
Lancer(run) le fichier test_api.py
Vous pouvez également faire votre propre fichier de requêtes pour l'api ou passer par un autre service comme Postman; les adresses pour les différents traitements sont dans le fichier.
Il est possible de réaliser la plupart des étapes ci-dessus en se rendant sur le lien : http://alivisiond4.herokuapp.com/
Le traitement de la reconnaissance de logos n'y ait pas supporté par contre.
En cas de problèmes de librairies avec pyzbar, visitez ce lien. NaturalHistoryMuseum/pyzbar#13