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

http://127.0.0.1:8000/

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