Node-Red智能识别图片
1.节点介绍
要实现Node-Red识别图片内容，在这里我们需要下载新控件：node-red-contrib-tfjs-coco-ssd。
- 首先在左上角点击设置，并找到节点管理 ；
- 在节点管理中点击安装；
- 在安装界面的查询窗口输入node-red-contrib-tfjs-coco-ssd控件，查询后选择下载，等待下载完成；（注：本节点的下载依赖于C++、python等环境，若电脑上没有这些，请根据报错信息进行依赖环境的下载及安装）
在这里我使用的是1.0.3版本。
官方说明能识别的内容：人， 自行车， 汽车， 摩托车， 飞机， 公共汽车， 火车， 卡车， 交通信号灯， 消防栓， 停车标志， 停车计时器， 鸟， 猫， 狗， 马， 羊， 牛， 大象， 熊， 斑马， 长颈鹿， 背包， 伞， 手提包， 领带， 手提箱， 飞盘， 滑雪板， 滑雪板， 运动球， 风筝， 棒球手套， 滑板， 冲浪板， 网球拍， 瓶子， 酒杯， 杯子， 叉子， 刀， 勺子， 碗， 香蕉， 苹果， 沙子， 橙子， 西兰花， 胡萝卜， 比萨饼， 甜甜圈， 蛋糕， 椅子， 沙发， 盆栽植物， 床， 餐桌， 厕所， 电视， 笔记本电脑， 鼠标， 遥控器，， 键盘， 手机， 微波炉， 烤箱， 烤面包机， 水槽， 冰箱， 书， 时钟， 花瓶， 剪刀， 泰迪熊， 吹风机， 牙刷
2.案例介绍
案例参考：官方node-red-contrib-tfjs-coco-ssd节点使用说明网站
大家只需要把网址末尾的代码导入到node-red中即可获得如下图所示的程序。案例中还是用到了node-red-contrib-image-output节点，大家可根据之前的步骤进行安装。
-
首先来看一下案例中的代码截图
-
大家在导入案例，部署后发现点击inject节点前的触点并不会有图片输出，反而还会报错，是因为在http请求节点中使用的是外网的图片链接，大家去百度搜索，更换链接就可以使用啦。
链接的获取方式就是右键图片，选择复制图像链接，将链接复制到http 请求节点的url位置即可。
-
修改链接后，对程序进行部署，再点击inject节点前的小方框，在debug节点可查看输出的内容，在image节点中，可查看识别后的图片，并用粉红色标注识别的内容。
大家也可以根据说明书里能识别到的物品进行图片更换，识别不同物品。
3.coco节点设置
在coco节点中可以看到如下图所示的参数：
其中Threshold为设定的精确率，默认使用0.5即可。
Model Url为模型网址，这里使用默认url即可。若我们想远程访问其他电脑的node-red时，这里需将local host修改为对应的IP地址，但这种方式修改不当容易让node-red的后台崩掉，所以并不推荐这样使用。
Passthru被意为执行外部程序并且显示原始输出，在这里有三种输出模式，Nothing表示什么都没有、Original Image为原始图片、Annotated Image为做过标注的图片 ，在这里可根据实际输出情况进行选择。
Box colour为标注框的颜色，默认为品红色。
4.coco节点输出
在第二个inject后的http 请求节点中更新图片链接，并将debug节点设置为与调试输出相同，获得如下图的图片识别输出：
我们可以在右侧栏中打卡debug页面查看coco节点的全部输出：
payload中输粉色框的位置、识别结果和识别精确率；
statusCode为状态码；
responseUrl为图片的网址链接；
image为识别后的图片；
classes为识别结果与个数；
scoreThreshold为coco节点中设定的精确率，当payload中的精确率高于coco节点中设定的精确率时，输出结果时会被识别，否则不会被标注。
注：以上图片均来自百度。