การย้ายข้อมูลสำหรับ Android

คู่มือนี้อธิบายวิธีย้ายข้อมูลออกจาก ML Kit สำหรับ Firebase สำหรับ Android

อัปเดตการนำเข้า Gradle

SDK ของ ML Kit ต้องการทรัพยากร Dependency เพียงรายการเดียวสำหรับ ML Kit API แต่ละรายการ คุณไม่จำเป็นต้อง ระบุไลบรารีที่ใช้กันทั่วไป เช่น firebase-ml-vision หรือ firebase-ml-natural-language ML Kit ใช้com.google.android.gms เนมสเปซสำหรับไลบรารีที่ขึ้นอยู่กับบริการ Google Play

Vision API

ระบบจะส่งโมเดลที่รวมไว้เป็นส่วนหนึ่งของแอปพลิเคชัน ต้องดาวน์โหลดโมเดลแบบบาง API บางรายการมีให้ใช้งานทั้งในรูปแบบรวมและรูปแบบบาง ส่วน API อื่นๆ มีให้ใช้งานในรูปแบบใดรูปแบบหนึ่งเท่านั้น

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

โมเดลที่รวมกลุ่ม

โมเดลแบบบาง

AutoMLVision Edge

Natural Language API

ระบบจะส่งโมเดลที่รวมไว้เป็นส่วนหนึ่งของแอปพลิเคชัน ต้องดาวน์โหลดโมเดลแบบบาง

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

โมเดลที่รวมกลุ่ม

โมเดลแบบบาง

อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุ

สำหรับคลาสอื่นๆ ให้ทำตามกฎต่อไปนี้

• นำคำนำหน้า FirebaseVision ออกจากชื่อชั้นเรียน
• นำคำนำหน้าอื่นๆ ที่ขึ้นต้นด้วยคำนำหน้า Firebase ออกจากชื่อคลาส

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

อัปเดตชื่อวิธีการ

มีการเปลี่ยนแปลงโค้ดเล็กน้อยดังนี้

• มีการเปลี่ยนแปลงการเริ่มต้นใช้งานเครื่องตรวจจับ/สแกนเนอร์/เครื่องติดป้ายกำกับ/เครื่องแปล... ตอนนี้ฟีเจอร์แต่ละอย่างมีจุดแรกเข้าของตัวเองแล้ว เช่น BarcodeScanning, TextRecognition, ImageLabeling, Translation... การเรียกใช้บริการ Firebase getInstance() จะถูกแทนที่ด้วยการเรียกใช้เมธอด getClient() ของจุดแรกเข้าของฟีเจอร์
• เราได้นำการเริ่มต้นค่าเริ่มต้นสำหรับ TextRecognizer ออกแล้ว เนื่องจากเราได้เปิดตัวไลบรารีเพิ่มเติมสำหรับการจดจำสคริปต์อื่นๆ เช่น จีนและเกาหลี หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลการจดจำข้อความในสคริปต์ละติน ให้ประกาศการอ้างอิงใน com.google.android.gms:play-services-mlkit-text-recognition และใช้ TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
• เราได้นำการเริ่มต้นค่าเริ่มต้นสำหรับ ImageLabeler และ ObjectDetector ออกแล้ว เนื่องจากเราได้เปิดตัวการรองรับโมเดลที่กำหนดเองสำหรับฟีเจอร์ทั้ง 2 รายการนี้ เช่น หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลพื้นฐานใน ImageLabeling ให้ประกาศทรัพยากร Dependency ใน com.google.mlkit:image-labeling และใช้ ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) ใน Java
• แฮนเดิลทั้งหมด (ตรวจหา/สแกน/ติดป้ายกำกับ/แปล...) สามารถปิดได้ ตรวจสอบว่ามีการเรียกใช้เมธอด close() เมื่อจะไม่ใช้ออบเจ็กต์เหล่านั้นอีกต่อไป หากคุณใช้ใน Fragment หรือ AppCompatActivity วิธีหนึ่งในการดำเนินการดังกล่าวคือการเรียกใช้ LifecycleOwner.getLifecycle() ใน Fragment หรือ AppCompatActivity แล้วเรียกใช้ Lifecycle.addObserver
• processImage() และ detectInImage() ใน Vision API ได้เปลี่ยนชื่อเป็น process() เพื่อให้สอดคล้องกัน
• ตอนนี้ Natural Language API ใช้คำว่า "แท็กภาษา" (ตามที่กำหนดโดยมาตรฐาน BCP 47) แทน "รหัสภาษา" แล้ว
• นำเมธอด Getter ในคลาส xxxOptions ออกแล้ว
• ระบบไม่รองรับเมธอด getBitmap() ในคลาส InputImage (แทนที่ FirebaseVisionImage) อีกต่อไป ซึ่งเป็นส่วนหนึ่งของอินเทอร์เฟซสาธารณะ ดูBitmapUtils.javaในตัวอย่างการเริ่มต้นใช้งาน ML Kit อย่างรวดเร็วเพื่อแปลงบิตแมป จากอินพุตต่างๆ
• FirebaseVisionImageMetadata ออกแล้ว 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 แบบเก่าและแบบใหม่มีดังนี้

// 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 "บาง" (แนะนำ) - วิธีนี้จะช่วยลด ขนาดแอปและแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาแอปจะต้องตรวจสอบว่าได้ดาวน์โหลดโมเดลก่อนที่จะใช้ เป็นครั้งแรก
• เมื่อใช้ APK ของแอปหรือที่เรียกว่า "รวม" - วิธีนี้จะเพิ่มขนาดแอป แต่ หมายความว่าโมเดลจะพร้อมใช้งานทันที

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

การตรวจจับใบหน้า

สำหรับ Face Detection API มี 2 วิธีในการส่งโมเดล ดังนี้

• ผ่านบริการ Google Play หรือที่เรียกว่า "บาง" (แนะนำ) - วิธีนี้จะช่วยลด ขนาดแอปและแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาแอปจะต้องตรวจสอบว่าได้ดาวน์โหลดโมเดลก่อนที่จะใช้เป็นครั้งแรก
• เมื่อใช้ APK ของแอป หรือที่เรียกว่า "รวม" - วิธีนี้จะเพิ่มขนาดการดาวน์โหลดแอป แต่หมายความว่าโมเดลจะพร้อมใช้งานทันที

ลักษณะการทำงานของการติดตั้งใช้งานจะเหมือนกัน

คำแปล

• TranslateLanguage ตอนนี้ใช้ชื่อที่อ่านได้สำหรับค่าคงที่ (เช่น ENGLISH) แทนแท็กภาษา (EN) และตอนนี้ยังเป็น @StringDef แทน @IntDef ด้วย โดยค่าของค่าคงที่จะเป็นแท็กภาษา BCP 47 ที่ตรงกัน

การติดป้ายกำกับรูปภาพด้วย AutoML (เลิกใช้งานแล้ว)

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

การตรวจจับและการติดตามออบเจ็กต์

หากแอปใช้การตรวจจับออบเจ็กต์ที่มีการจัดประเภทแบบหยาบ โปรดทราบว่า SDK ใหม่ได้เปลี่ยนวิธีที่ใช้ในการแสดงหมวดหมู่การจัดประเภทสำหรับออบเจ็กต์ที่ตรวจพบ

ระบบจะแสดงหมวดหมู่การจัดประเภทเป็นอินสแตนซ์ของ DetectedObject.Label แทนที่จะเป็นจำนวนเต็ม หมวดหมู่ที่เป็นไปได้ทั้งหมดสำหรับ เครื่องมือคัดแยกแบบหยาบจะรวมอยู่ในคลาส PredefinedCategory

ตัวอย่างโค้ด Kotlin แบบเก่าและแบบใหม่มีดังนี้

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) {
    ...
}

ตัวอย่างโค้ด Java แบบเก่าและแบบใหม่มีดังนี้

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) {
    ...
}

ระบบได้นำหมวดหมู่ "ไม่ระบุ" ออกแล้ว เมื่อความน่าเชื่อถือของการจัดประเภทออบเจ็กต์ต่ำ เราจะไม่แสดงป้ายกำกับใดๆ

นำการอ้างอิง Firebase ออก

นำการอ้างอิง Firebase ออกหลังจากการย้ายข้อมูล โปรดทำตามขั้นตอนต่อไปนี้

• นำไฟล์การกำหนดค่า Firebase ออกโดยลบ google-services.jsonไฟล์การกำหนดค่าในไดเรกทอรีโมดูล (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 ดังนี้

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