การย้ายข้อมูลสำหรับ Android

คู่มือนี้อธิบายวิธีย้ายข้อมูลออกจาก ML Kit สำหรับ Firebase สำหรับ Android

อัปเดตการนำเข้า Gradle

SDK ของ ML Kit ต้องการทรัพยากร Dependency เพียงรายการเดียวสำหรับ API ของ ML Kit แต่ละรายการ คุณไม่จำเป็นต้องระบุไลบรารีทั่วไป เช่น firebase-ml-vision หรือ firebase-ml-natural-language ML Kit ใช้เนมสเปซ com.google.android.gms สำหรับไลบรารีที่ขึ้นอยู่กับบริการ Google Play

Vision API

โมเดลแบบรวมจะมาพร้อมกับแอปพลิเคชัน ส่วนโมเดลแบบบางจะต้องดาวน์โหลด API บางรายการมีทั้งในรูปแบบแบบรวมและแบบบาง ส่วน API อื่นๆ มีเพียงรูปแบบใดรูปแบบหนึ่งเท่านั้น

อัปเดตทรัพยากร Dependency สำหรับไลบรารี ML Kit สำหรับ Android ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติคือ app/build.gradle.kts) ตามตารางต่อไปนี้

โมเดลที่รวมแพ็กเกจ

โมเดลแบบบาง

AutoMLVision Edge

Natural Language API

ระบบจะส่งโมเดลแบบรวมเป็นส่วนหนึ่งของแอปพลิเคชันของคุณ ส่วนโมเดลแบบบางจะต้อง ดาวน์โหลด

อัปเดตทรัพยากร Dependency สำหรับไลบรารี ML Kit สำหรับ Android ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติคือ app/build.gradle.kts) ตามตารางต่อไปนี้

โมเดลที่รวมแพ็กเกจ

โมเดลแบบบาง

อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุไว้

สำหรับชั้นเรียนอื่นๆ ให้ทำตามกฎต่อไปนี้

• นำคำนำหน้า FirebaseVision ออกจากชื่อชั้นเรียน
• นำคำนำหน้าอื่นๆ ที่ขึ้นต้นด้วยคำนำหน้า Firebase ออกจากชื่อชั้นเรียน

นอกจากนี้ ในชื่อแพ็กเกจ ให้แทนที่คำนำหน้า com.google.firebase.ml ด้วย com.google.mlkit

อัปเดตชื่อเมธอด

มีการเปลี่ยนแปลงโค้ดเล็กน้อยดังนี้

• มีการเปลี่ยนแปลงการเริ่มต้นใช้งานเครื่องตรวจจับ/สแกนเนอร์/เครื่องติดป้ายกำกับ/เครื่องแปลภาษา... ตอนนี้ฟีเจอร์แต่ละอย่างมีจุดแรกเข้าของตัวเองแล้ว เช่น BarcodeScanning, TextRecognition, ImageLabeling, Translation... การเรียกใช้บริการ getInstance() ของ Firebase จะถูกแทนที่ด้วยการเรียกใช้เมธอด getClient() ของจุดแรกเข้าของฟีเจอร์
• เราได้นำการเริ่มต้นอินสแตนซ์เริ่มต้นสำหรับ TextRecognizer ออกแล้ว เนื่องจากเราได้เปิดตัวไลบรารีเพิ่มเติมสำหรับการจดจำสคริปต์อื่นๆ เช่น จีนและเกาหลี หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลการจดจำข้อความในสคริปต์ละติน ให้ประกาศการขึ้นต่อกันใน com.google.android.gms:play-services-mlkit-text-recognition และใช้ TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
• เราได้นำการเริ่มต้นค่าเริ่มต้นสำหรับ ImageLabeler และ ObjectDetector ออกแล้ว เนื่องจากเราได้เปิดตัวการรองรับโมเดลที่กำหนดเองสำหรับฟีเจอร์ทั้ง 2 นี้ เช่น หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลพื้นฐานใน ImageLabeling ให้ประกาศทรัพยากร Dependency com.google.mlkit:image-labeling และใช้ ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) ใน Java
• แฮนเดิลทั้งหมด (ตรวจหา/สแกนเนอร์/ติดป้ายกำกับ/แปล...) ปิดได้ ตรวจสอบว่ามีการเรียกใช้เมธอด close() เมื่อจะไม่ใช้ออบเจ็กต์เหล่านั้นอีกต่อไป หากคุณใช้ออบเจ็กต์ใน Fragment หรือ AppCompatActivity วิธีหนึ่งในการทำเช่นนั้นคือการเรียกใช้ LifecycleOwner.getLifecycle() ใน Fragment หรือ AppCompatActivity แล้วเรียกใช้ Lifecycle.addObserver
• เราได้เปลี่ยนชื่อ processImage() และ detectInImage() ใน Vision API เป็น process() เพื่อให้มีความสอดคล้องกัน
• ตอนนี้ Natural Language API ใช้คำว่า "แท็กภาษา" (ตามที่กำหนดโดยมาตรฐาน BCP 47) แทน "รหัสภาษา" แล้ว
• นำเมธอด Getter ในคลาส xxxOptions ออกแล้ว
• getBitmap() ในคลาส InputImage (แทนที่ FirebaseVisionImage) ไม่ได้รับการรองรับอีกต่อไปในส่วนของอินเทอร์เฟซสาธารณะ โปรดดู BitmapUtils.java ในตัวอย่างการเริ่มต้นใช้งานอย่างรวดเร็วของ ML Kit เพื่อรับบิตแมปที่แปลงจากอินพุตต่างๆ
• FirebaseVisionImageMetadata ถูกนำออกแล้ว คุณจึงส่งข้อมูลเมตาของรูปภาพ เช่น width, height, rotationDegrees, format ไปยังวิธีการสร้างของ InputImage ได้เลย

ตัวอย่างเมธอด Kotlin แบบเก่าและแบบใหม่มีดังนี้

// Construct image labeler with base model and default options.
val imageLabeler = FirebaseVision.getInstance().onDeviceImageLabeler

// Construct object detector with base model and default options.
val objectDetector = FirebaseVision.getInstance().onDeviceObjectDetector

// Construct face detector with given options
val faceDetector = FirebaseVision.getInstance().getVisionFaceDetector(options)

// Construct image labeler with local AutoML model
val localModel =
    FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build()
val autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build()
    )

// Construct image labeler with base model and default options.
val imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
// Optional: add lifecycle observer
lifecycle.addObserver(imageLabeler)

// Construct object detector with base model and default options.
val objectDetector = ObjectDetection.getClient(
    ObjectDetectorOptions.DEFAULT_OPTIONS
)

// Construct face detector with given options
val faceDetector = FaceDetection.getClient(options)

// Construct image labeler with local AutoML model
val localModel =
  LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build()
val autoMLImageLabeler =
  ImageLabeling.getClient(
    CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build())
  

ตัวอย่างเมธอด Java เก่าและใหม่มีดังนี้

// Construct image labeler with base model and default options.
FirebaseVisionImageLabeler imagelLabeler =
     FirebaseVision.getInstance().getOnDeviceImageLabeler();

// Construct object detector with base model and default options.
FirebaseVisionObjectDetector objectDetector =
     FirebaseVision.getInstance().getOnDeviceObjectDetector();

// Construct face detector with given options
FirebaseVisionFaceDetector faceDetector =
     FirebaseVision.getInstance().getVisionFaceDetector(options);

// Construct image labeler with local AutoML model
FirebaseAutoMLLocalModel localModel =
    new FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build();
FirebaseVisionImageLabeler autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build());

// Construct image labeler with base model and default options.
ImageLabeler imageLabeler = ImageLabeling.getClient(
    ImageLabelerOptions.DEFAULT_OPTIONS
);
// Optional: add lifecycle observer
getLifecycle().addObserver(imageLabeler);

// Construct object detector with base model and default options.
ObjectDetector objectDetector = ObjectDetection.getClient(
    ObjectDetectorOptions.DEFAULT_OPTIONS
);

// Construct face detector with given options
FaceDetector faceDetector = FaceDetection.getClient(options);

// Construct image labeler with local AutoML model
LocalModel localModel =
  new LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build();
ImageLabeler autoMLImageLabeler =
  ImageLabeling.getClient(
    new CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build());
  

การเปลี่ยนแปลงเฉพาะ API

การสแกนบาร์โค้ด

สำหรับ Barcode Scanning API ตอนนี้มี 2 วิธีในการส่งโมเดล

• ผ่านบริการ Google Play หรือที่เรียกว่า "Thin" (แนะนำ) - วิธีนี้จะช่วยลด ขนาดแอปและแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาแอปจะต้องตรวจสอบว่าได้ดาวน์โหลดโมเดลก่อนที่จะใช้ เป็นครั้งแรก
• เมื่อใช้ APK ของแอป หรือที่เรียกว่า "รวม" - วิธีนี้จะเพิ่มขนาดของแอป แต่ หมายความว่าโมเดลจะพร้อมใช้งานทันที

การใช้งานทั้ง 2 แบบจะแตกต่างกันเล็กน้อย โดยเวอร์ชัน "รวม" จะมีการปรับปรุงหลายอย่างมากกว่าเวอร์ชัน "บาง" ดูรายละเอียดเกี่ยวกับความแตกต่างเหล่านี้ได้ในหลักเกณฑ์ของ Barcode Scanning API

การตรวจจับใบหน้า

สำหรับ Face Detection API โมเดลจะส่งได้ 2 วิธี ดังนี้

• ผ่านบริการ Google Play หรือที่เรียกว่า "Thin" (แนะนำ) - วิธีนี้จะช่วยลด ขนาดแอปและแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาแอปจะต้องตรวจสอบว่าได้ดาวน์โหลดโมเดลก่อนที่จะใช้ เป็นครั้งแรก
• เมื่อใช้ APK ของแอป หรือที่เรียกว่า "รวม" - วิธีนี้จะเพิ่มขนาดการดาวน์โหลดแอป แต่หมายความว่าโมเดลจะพร้อมใช้งานทันที

ลักษณะการทำงานของการติดตั้งใช้งานจะเหมือนกัน

คำแปล

• TranslateLanguage ตอนนี้ใช้ชื่อที่อ่านได้สำหรับค่าคงที่ (เช่น ENGLISH) แทนแท็กภาษา (EN) นอกจากนี้ ตอนนี้ค่าคงที่ยังเป็น @StringDef แทน @IntDef และค่าของค่าคงที่คือแท็กภาษา BCP 47 ที่ตรงกัน

การติดป้ายกำกับรูปภาพด้วย AutoML (เลิกใช้งานแล้ว)

เราเลิกใช้งานการดาวน์โหลดโมเดลที่กำหนดเองสำหรับการติดป้ายกำกับรูปภาพโดยใช้ AutoML แล้ว และจะปิดให้บริการในวันที่ 15 มิถุนายน 2027 คุณควรใช้ Cloud Storage เพื่อโฮสต์โมเดลและเพิ่มตรรกะการดาวน์โหลดลงในแอปเพื่อดาวน์โหลดโมเดลแทน ดูรายละเอียดได้ที่คำแนะนำในการย้ายข้อมูลจาก Firebase ML ไปยัง Cloud Storage

การตรวจจับและการติดตามออบเจ็กต์

หากแอปใช้การตรวจจับออบเจ็กต์ที่มีการจัดประเภทแบบคร่าวๆ โปรดทราบว่า SDK ใหม่ได้เปลี่ยนวิธีที่ใช้ในการแสดงหมวดหมู่การจัดประเภทสำหรับออบเจ็กต์ที่ตรวจพบ

ระบบจะแสดงหมวดหมู่การจัดประเภทเป็นอินสแตนซ์ของ DetectedObject.Label แทนที่จะเป็นจำนวนเต็ม หมวดหมู่ที่เป็นไปได้ทั้งหมดสำหรับ เครื่องมือคัดแยกแบบหยาบจะรวมอยู่ในคลาส PredefinedCategory

นี่คือตัวอย่างโค้ด Kotlin แบบเก่าและแบบใหม่

if (object.classificationCategory == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.labels.isEmpty() &&
    object.labels[0].text == PredefinedCategory.FOOD) {
    ...
}
// or
if (!object.labels.isEmpty() &&
    object.labels[0].index == PredefinedCategory.FOOD_INDEX) {
    ...
}

นี่คือตัวอย่างโค้ด Java เก่าและใหม่

if (object.getClassificationCategory() == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getText().equals(PredefinedCategory.FOOD)) {
    ...
}
// or
if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getIndex() == PredefinedCategory.FOOD_INDEX) {
    ...
}

เราได้นำหมวดหมู่ "ไม่รู้จัก" ออกแล้ว เมื่อความเชื่อมั่นในการจัดประเภทออบเจ็กต์ต่ำ เราจะไม่แสดงป้ายกำกับใดๆ

นำการอ้างอิง Firebase ออก

นำการอ้างอิง Firebase ออกหลังจากการย้ายข้อมูล โปรดทำตามขั้นตอนต่อไปนี้

• นำไฟล์กำหนดค่า Firebase ออกโดยลบ google-services.jsonไฟล์กำหนดค่าในไดเรกทอรีโมดูล (ระดับแอป) ของ แอป
• แทนที่ปลั๊กอิน Gradle ของบริการของ Google ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติคือ app/build.gradle.kts) ด้วยปลั๊กอิน Strict Version Matcher

plugins {
  id("com.android.application")
  id("com.google.gms.google-services")
}

android {
  // …
}

plugins {
  id("com.android.application")
  id("com.google.android.gms.strict-version-matcher-plugin")
}

android {
  // …
}

• แทนที่คลาสพาธของปลั๊กอิน Gradle ของบริการของ Google ในไฟล์ Gradle ระดับโปรเจ็กต์ (ระดับรูท) (build.gradle.kts) ด้วยคลาสพาธของปลั๊กอิน Strict Version Matcher

buildscript {
  dependencies {
    // ...

    classpath("com.google.gms:google-services:4.3.3")
  }
}

buildscript {
  dependencies {
    // ...
    classpath("com.google.android.gms:strict-version-matcher-plugin:1.2.1")
  }
}

ลบแอป Firebase ในคอนโซล Firebase ตามวิธีการในเว็บไซต์สนับสนุนของ Firebase

ขอความช่วยเหลือ

หากพบปัญหา โปรดไปที่หน้าชุมชน ซึ่งเราได้ระบุช่องทางที่ใช้ติดต่อเรา