Day 22 - Django + YOLO 后台整合应用

Day 22 - Django + YOLO 后台整合应用 Day 22 - Django + YOLO 后台整合应用

今天的任务是将 Day 07 - RESTful API 在 Amazon Linux 2 上传图片实作、Day 08 - Amazon Linux 2 上将 Django 与 Nginx 整合、Day 09 - Amazon Linux 2 上解决跨来源资源共用 (CORS) 与开机自动启动 uwsgi 这三天完成的 Django 后端结合 Day 14 - 安装与执行 YOLO 的 Joseph/darknet ，这样就可以完成观赏鱼辨识系统的完整后端应用。

下图是观赏鱼辨识系统的泳道图，因为每个系统之间都是独立运行，所以透过泳道图来表示各系统之间的关系是比较适合，后端的部份是从 Nginx, Django, YOLO 模型和资料库所组成，当我们要整合后端时必须知道各元件之间的相互关系跟流程：

1. Django 建立 RESTful API，并载入 YOLO 事先训练好的权重与网路架构组态。
2. Django 收到 Nginx 的请求后，需要储存图片，接着通知 YOLO 去辨识图片，并将结果写入处理后的图片，并回传辨识的结果。
3. Django 得到辨识结果后，会去资料库中得到详细数据，接着将结果以 JSON 的格式回传给手机端/网页端。
4. 手机端/网页端得到 JSON 回应后，分析回应并显示结果。

图 1、观赏鱼辨识系统泳道图

在 Django 载入 YOLO 事先训练好的权重与网路架构组态

因为我们需要事先载入 YOLO 事先训练好的权重与网路架构组态，这可以减少不必要的时间浪费，我们就这段代码写的 Django 的 view.py，可参阅 Day 07 - RESTful API 在 Amazon Linux 2 上传图片实作，但在撰写代码之前必须先把相关环境设定好，下图是目前的相关路径，最上层是 Python 的虚拟环境 fishRecognition，下一层是 Django 专案 fishsite (外层），然后我们在专案的目录下放了 Joseph/darknet 的 YOLO 模型以及我们自建的观赏鱼数据集，而主要程式区则是放在 fishsite（内层） APP 这个目录下，但因为所有汇入 (import) 的起始目录是在 fishsite (外层），所以我们把需要用到的文件夹都在这个目录下建立捷径，包含了 libdarknet.so, cfg/, data/, weights/ 。

图 2、Django 专案区的文件夹结构

在 fishsite/view.py 中新增载入 YOLO 事先训练好的权重与网路架构组态的语法，下图是部分代码截图。

fishsite/view.py

import darknet.python.darknet as dn
import cv2
import time
import numpy as np
import urllib.parse
print('load view model')

net = dn.load_net(str.encode("./FishRecognition/cfg/yolov3.cfg"),
                  str.encode("./FishRecognition/weights/yolov3.backup"), 1)
meta = dn.load_meta(str.encode("./FishRecognition/cfg/obj.data"))

图 3、view.py 的部份代码截图

运行 Django，因为埠号 8000 已被占用，所以选择 8080，结果如下图。

python3 manage.py runserver 0.0.0.0:8080

图 4、运行 Django 的结果

呼叫 YOLO 辨识图片

这段代码需要完成：呼叫 YOLO 辨识图片；处理辨识后结果；画方块框与写入名称，并产生处理后图片；查询资料库，并回传 JSON 结果。

fishsite/view.py

    def post(self, request, *args, **krgs):
        print('FishView->post')
        uploadFile = request.FILES.get('fileUpload')
        # write the uploaded file into the server
        filename = r'upload/{}'.format(uploadFile.name)
        with open(filename, 'wb') as f:
          for chunk in uploadFile.chunks():
            f.write(chunk)
        print('FishView->upload')
        # 呼叫 YOLO 辨识图片
        prev_time = time.time()
        pridictStr = dn.detect(net, meta, str.encode(filename))
        print((time.time() - prev_time))
        # 处理辨识后结果
        cv2image = cv2.imread(filename)
        if len(pridictStr) > 0:
        # 画方块框与写入名称，并产生处理后图片
          for k in range(len(pridictStr)):
            print(pridictStr[k])
            print(pridictStr[k][2])
            x, y, w, h  = pridictStr[k][2]
            text = pridictStr[k][0].decode('utf-8')
            x = int(x - w/2)
            y = int(y - h/2)
            cv2.putText(cv2image, "{} {:.4f}".format(text,pridictStr[k][1]), (x, y-6), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 1, cv2.LINE_AA)
            cv2.rectangle(cv2image, (int(x),int(y)), (int(x+w),int(y+h)), (0,255,0), 2)
          cv2.imwrite(r'upload/new_{}'.format(uploadFile.name), cv2image)
        # 查询资料库，并回传 JSON 结果
          sql = "SELECt fishName, distribution, LatinName FROM fishInfoTbl WHERe LatinName='{}'".format(pridictStr[0][0].decode('UTF-8'))
          with connection.cursor() as cursor:
            cursor.execute(sql)
            data = dictfetchall(cursor)
          print('FishView->' + sql)
          data[0]['fishQtn']=len(pridictStr)
          data[0]['processImg'] = 'http://18.138.102.108/images/new_{}'.format(urllib.parse.quote(uploadFile.name))
        else:
          data = dict({"error": "cannot recognize it"})
        return JsonResponse(data,safe=False)

本段代码无法处理一张图片中有多个不同物件，需要再自行修改。

使用 Advanced REST Client

修改完 fishsite/view.py REST API 部分，重新的运行 Django。

python3 manage.py runserver 0.0.0.0:8080

然后在前端使用 Advanced REST Client 来呼叫 REST API ，呼叫结果如下图，上传一个 00-frame-608x608-0002.jpg 的图片，回传的结果就是辨识的内容，并且会回传处理后的图片所在位置，这样方便前端显示结果文字及图片。

图 5、运行 Django 的结果

参考资料

• 泳道流程图，https://wiki.mbalib.com/zh-tw/泳道流程图
• 業務流程模型和標記法，https://zh.wikipedia.org/wiki/业务流程模型和标记法#泳道与器物