模块2：人工智能边缘设备应用技术栈-实操

模块2：人工智能边缘设备应用技术栈案例实现模块小结知识拓展PARTONEPARTTWOPARTTHREE案例实现：数据处理应用人工智能边缘设备应用01人工智能边缘设备开发环境配置基于模块描述与知识准备的内容，基本了解人工智能边缘设备的技术栈和数据处理方法。接下来将介绍一个案例，帮助大家更好的了解其中的一个部分——边缘智能数据处理平台的应用。本次项目实训将读取鼠标和笔记本数据，批量处理数据大小和格式，数据处理完成后将数据进行压缩和解压缩。（1）读取图像数据。图像处理的第一步。（2）图像数据概览。学会利用代码读取图像信息。（3）图像数据预处理。综合应用，学会清洗数据。任务1：读取图像数据接通边缘设备电源后，通过本地连接或者远程连接的方式进入边缘设备的桌面，单击右键选择“OpenTerminal”选项打开终端命令行，输入以下命令，切换到本次案例对应的文件夹，接着输入以下命令新建Python文件用于代码编写。▲打开终端命令行cdDesktop/projects/char2/geditimg_show.py▲弹出的文本编辑器任务1：读取图像数据（1）在读取图像数据前需要先导入实验所需库，这里使用了cv2进行图像数据预处理和Matplotlib库进行数据可视化。#导入实验所需库importcv2#opencv，经典的图像处理库frommatplotlibimportpyplotasplt#导入matplotlib库（2）导入实验所需库后需要定义必要函数，这里定义了彩色图片显示函数，其中plt.imshow()负责对图像进行处理，plt.show()负责显示图片。#定义必要函数#plt显示彩色图片defplt_show(img):b,g,r=cv2.split(img)#b，g，r分别为图像的三通道，即蓝绿红，该函数将三通道分开

img=cv2.merge([r,g,b])#将图像通道按红绿蓝顺序合并

plt.imshow(img)plt.show()任务1：读取图像数据（3）接着使用OpenCV读取一张数据集图片并利用上述定义好的彩色图片显示函数，即可实现读取图片数据进行显示。#读取待检测图片origin_image=cv2.imread('./data/1.png')#展示图像plt_show(origin_image)上述代码在终端设备弹出的文本编辑框中输入完成后，按下键盘“Ctrl+S”组合键或点击“Save”按钮保存编辑完成的Python代码文件，接着单击关闭界面的按钮即可完成对Python文件的修改，如图所示。任务1：读取图像数据接着在打开的终端中输入以下命令，运行编写完成的img_show.py代码文件，即可在弹出的窗口中查看如图所示效果。python3img_show.py任务2：图像数据概览（1）PIL(PythonImagingLibrary)是Python平台一个功能强大而且简单易用的图像处理库，提供了很多图像编辑函数，其中PIL.Image.open()函数可以打开并标识给定的图像文件。用法：PIL.Image.open(ImgPath,mode='r')参数必选类型说明ImgPath是string文件名，pathlib.Path对象或文件对象。mode否string如果给定，则此参数必须为"r"。任务2：图像数据概览接着继续在打开的终端中输入以下命令，新建一个名为img_status.py的Python代码文件用于查看图像数据的概览。运行上述命令后即可打开一个文本编辑器进行代码编写，以下代码均在编辑器中编写。此处使用PIL中的Image对图片进行读取，读取一张图片后输出相关的信息，主要包括图片的宽和高。保存编辑完成的Python代码文件。geditimg_status.pyfromPILimportImage#导入相关库img=Image.open('./data/1.png',mode='r')#读取图片print('width：%d,height：%d'%(img.size[0],img.size[1]))#打印出相关信息▲保存编辑后的img_status.py文件任务2：图像数据概览（2）代码编写完成后，接下来在终端命令行中输入以下命令。运行img_status.py代码文件，查看数据图片的相关信息。在终端中输入上述命令后，即可在终端命令行中查看输出的图像数据宽高信息，如图所示。根据输出结果可以看到，图像数据的宽为700，高为500。python3img_status.py▲查看图像数据的宽高任务3：图像数据预处理在终端命令行中输入以下命令，新建一个名为img_process.py的代码文件用于编写数据预处理代码。输入上述命令后，接下来即可在弹出的文本编辑器中编写代码进行数据预处理，如图所示。geditimg_process.py▲新建数据预处理代码文件任务3：图像数据预处理（1）首先定义数据集存放的路径，并遍历该路径下的数据集图片，代码如下。#引入所需库importos#文件处理importcv2#图片处理importshutil#文件移动#加载数据集data='./data/'imgs=os.listdir(data)（2）定义并创建用于存放格式不符图像数据的文件夹，代码如下。#创建文件夹formats='./formats/'ifnotos.path.exists(formats):os.makedirs(formats)（3）遍历数据集存放路径下的文件，输出查看文件情况，用于与处理后的文件进行对比观察，代码如下。forroot,dirs,filesinos.walk(data):print(files)任务3：图像数据预处理（4）接下来处理通道数不符合的图像。无论是读入还是读出图像时，都要对图像的类型、通道数等参数进行相关的设置。#遍历数据foriinimgs:#读取一张图片img=cv2.imread(data+i,-1)#获取图像维度dim=img.ndim#筛选通道不符数据ifdim!=3:#移动文件shutil.move(data+i,formats+i)首先依次遍历数据集图片，接着通过OpenCV读取图片数据，并通过ndim方法获取图片的维度（即通道），对同纬度数量进行判断，当维度不为3时，则使用Shutil中的move()方法将图片数据移动到创建好的存放不符格式图像数据的文件夹中。任务3：图像数据预处理（5）接着使用相似的步骤，重新获取数据集图像，并依次遍历数据图像，通过os.path.splitext()方法获取图像的后缀名，将图像格式不为PNG的图像移动至指定的文件夹中。#遍历数据imgs=os.listdir(data)#处理格式不符数据foriinimgs:#获取图像名称及后缀name,fmt=os.path.splitext(i)#筛选格式不符数据iffmt!='.png':#移动文件shutil.move(data+i,formats+i)任务3：图像数据预处理（6）同理，重新遍历数据集图像，通过shape方法获取图像尺寸，将数据集图像中图像尺寸不满足700*500的图像移动至指定的文件夹中。#遍历数据imgs=os.listdir(data)#处理大小不符数据foriinimgs:#读取一张图片img=cv2.imread(data+i)#获取图像尺寸h,w,_=img.shape#筛选大小不符数据ifw!=700andh!=500:#移动文件shutil.move(data+i,formats+i)任务3：图像数据预处理（7）最后重新遍历数据集文件存放路径，观察数据预处理后图像列表与原始数据的对比情况。上述代码在终端设备弹出的文本编辑框中输入完成后，按下键盘“Ctrl+S”组合键或点击“Save”按钮保存编辑完成的Python代码文件，接着单击关闭界面的按钮即可完成对Python文件的修改，如图所示。#重新遍历数据集文件存放路径forroot,dirs,filesinos.walk(data):print(files)任务3：图像数据预处理（8）代码编写完成后，接下来在终端命令行中输入以下命令。运行数据预处理img_process.py代码文件，对相关不符的数据进行处理。在终端中输入上述命令后，即可在终端命令行中查看数据预处理前后的图像数据列表，根据观察结果可以发现，处理前后的数据列表发生了变化，且formats文件夹总存放着不符格式数据的图像。至此，本次图像数据处理完成。python3img_process.py模块小结人工智能边缘设备应用02模块小结在本模块的学习中，我们了解到了：人工智能边缘设备技术栈:数据处平台、操作系统、硬件设备、智能计算框架、智能算法、智能编程库。其中最重要的就是数据处理平台：当我们对一张图像进行推理或者对一堆样本进行训练时，就需要用到数据处理平台来对数据进行处理。让同学们对人工智能边缘设备技术栈有充分的认识和了解，以便于后续课程的开展。知识拓展人工智能边缘设备应用03知识拓展数据已成为重要的生产要素，大数据产业作为以数据生成、采集、存储、加工、分析、服务为主的战略性新兴产业，是激活数据要素潜能的关键支撑，是加快经济社会发展质量变革、效率变革、动力变革的重要引擎。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》围绕“