Halaman ini diterjemahkan oleh Cloud Translation API.

Bermigrasi untuk Android

Memperbarui impor gradle

SDK baru hanya memerlukan satu dependensi untuk setiap ML Kit API. Anda tidak perlu menentukan library umum seperti firebase-ml-vision atau firebase-ml-natural-language. ML Kit menggunakan namespace com.google.android.gms untuk library yang bergantung pada Layanan Google Play.

Vision API

Model terpaket dikirimkan sebagai bagian dari aplikasi Anda. Model tipis harus didownload. Beberapa API tersedia dalam bentuk paket dan tipis, yang lainnya hanya dalam satu bentuk atau bentuk lainnya:

API	Paket	Tipis
Pengenalan teks	x (beta)	x
Deteksi wajah	x	x
Pemindaian kode batang	x	x
Pelabelan gambar	x	x
Deteksi dan pelacakan objek	x	-

Update dependensi untuk library Android ML Kit dalam file Gradle modul (level aplikasi), biasanya app/build.gradle, sesuai dengan tabel berikut:

Model paket

API	Artefak Lama	Artefak Baru
Pemindaian kode batang	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-barcode-model:16.0.1	com.google.mlkit:barcode-scanning:17.2.0
Kontur wajah	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-face-model:19.0.0	com.google.mlkit:face-detection:16.1.6
Pelabelan gambar	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-image-label-model:19.0.0	com.google.mlkit:image-labeling:17.0.8
Deteksi objek	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-object-detection-model:19.0.3	com.google.mlkit:object-detection:17.0.1

Model tipis

API	Artefak Lama	Artefak Baru
Pemindaian kode batang	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-barcode-scanning:18.3.0
Deteksi wajah	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-face-detection:17.1.0
Pengenalan teks	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-text-recognition:19.0.0

AutoMLVision Edge

API	Artefak Lama	Artefak Baru
AutoML tanpa mendownload	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-automl:18.0.3	com.google.mlkit:image-labeling-custom:17.0.2
AutoML dengan mendownload	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-automl:18.0.3	com.google.mlkit:image-labeling-custom:17.0.2 com.google.mlkit:linkfirebase:17.0.0

Natural Language API

Model terpaket dikirimkan sebagai bagian dari aplikasi Anda. Model tipis harus didownload:

API	Paket	Tipis
ID Bahasa	x	x
Smart Reply	x	x (beta)

Update dependensi untuk library Android ML Kit dalam file Gradle modul (level aplikasi), biasanya app/build.gradle, sesuai dengan tabel berikut:

Model paket

API	Artefak Lama	Artefak Baru
ID Bahasa	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7	com.google.mlkit:language-id:17.0.5
Smart Reply	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7	com.google.mlkit:smart-reply:17.0.3

Model tipis

API	Artefak Lama	Artefak Baru
ID Bahasa	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7	com.google.android.gms:play-services-mlkit-language-id:17.0.0
Smart Reply	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7	com.google.android.gms:play-services-mlkit-smart-reply:16.0.0-beta1

Memperbarui nama class

Jika kelas Anda muncul dalam tabel ini, buat perubahan yang ditunjukkan:

Kelas lama	Kelas baru
com.google.firebase.ml.common.FirebaseMLException	com.google.mlkit.common.MlKitException
com.google.firebase.ml.vision.common.FirebaseVisionImage	com.google.mlkit.vision.common.InputImage
com.google.firebase.ml.vision.barcode.FirebaseVisionBarcodeDetector	com.google.mlkit.vision.barcode.BarcodeScanner
com.google.firebase.ml.vision.labeler.FirebaseVisionImageLabel	com.google.mlkit.vision.label.ImageLabeler
com.google.firebase.ml.vision.barcode.FirebaseVisionBarcodeDetector	com.google.mlkit.vision.barcode.BarcodeScanner
com.google.firebase.ml.vision.automl.FirebaseAutoMLLocalModel	com.google.mlkit.common.model.LocalModel
com.google.firebase.ml.vision.automl.FirebaseAutoMLRemoteModel	com.google.mlkit.common.model.CustomRemoteModel
com.google.firebase.ml.vision.label.FirebaseVisionOnDeviceImageLabelerOptions	com.google.mlkit.vision.label.defaults.ImageLabelerOptions
com.google.firebase.ml.vision.label.FirebaseVisionImageLabel	com.google.mlkit.vision.label.ImageLabel
com.google.firebase.ml.vision.label.FirebaseVisionOnDeviceAutoMLImageLabelerOptions	com.google.mlkit.vision.label.custom.CustomImageLabelerOptions
com.google.firebase.ml.vision.objects.FirebaseVisionObjectDetectorOptions	com.google.mlkit.vision.objects.defaults.ObjectDetectorOptions

Untuk kelas lainnya, ikuti aturan berikut:

Hapus awalan FirebaseVision dari nama class.
Hapus awalan lain yang diawali dengan imbuhan Firebase dari nama class.

Selain itu, dalam nama paket, ganti awalan com.google.firebase.ml dengan com.google.mlkit.

Memperbarui nama metode

Ada sedikit perubahan kode:

Detektor/pemindai/labeler/penerjemah... pembuatan instance telah diubah. Setiap fitur kini memiliki titik masuknya sendiri. Misalnya: BarcodeScanning, TextRecognition, ImageLabeling, Translation.... Panggilan ke layanan Firebase getInstance() diganti dengan panggilan ke metode getClient()titik entri fitur.
Pembuatan instance default untuk TextRecognizer telah dihapus, sejak kami memperkenalkan library tambahan untuk mengenali skrip lain seperti China dan Korea. Untuk menggunakan opsi default dengan model pengenalan teks skrip Latin, deklarasikan dependensi pada com.google.android.gms:play-services-mlkit-text-recognition dan gunakan TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS).
Pembuatan instance default untuk ImageLabeler dan ObjectDetector telah dihapus, sejak kami memperkenalkan dukungan model kustom untuk kedua fitur ini. Misalnya, untuk menggunakan opsi default dengan model dasar di ImageLabeling, deklarasikan dependensi pada com.google.mlkit:image-labeling dan gunakan ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) di Java.
Semua tuas (detektor/pemindai/labeler/penerjemah...) dapat ditutup. Pastikan metode close() dipanggil saat objek tersebut tidak akan digunakan lagi. Jika Anda menggunakannya dalam Fragment atau AppCompatActivity, satu cara mudah untuk melakukannya adalah memanggil LifecycleOwner.getLifecycle() pada Fragment atau AppCompatActivity, lalu memanggil Lifecycle.addObserver
processImage() dan detectInImage() di Vision API telah diganti namanya menjadi process() agar konsisten.
Natural Language API kini menggunakan istilah “tag bahasa” (seperti yang didefinisikan oleh standar BCP 47), bukan “kode bahasa”.
Metode pengambil di class xxxOptions telah dihapus.
Metode getBitmap() di class InputImage(menggantikan FirebaseVisionImage) tidak lagi didukung sebagai bagian dari antarmuka publik. Lihat BitmapUtils.java di contoh panduan memulai ML Kit untuk mendapatkan konversi bitmap dari berbagai input.
FirebaseinstanceMetadata telah dihapus. Anda cukup meneruskan metadata gambar seperti lebar, tinggi, rotasiDegrees, format ke dalam metode konstruksi InputImages.

Berikut adalah beberapa contoh metode Kotlin lama dan baru:

Lama

// 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()
    )

Baru

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

Berikut adalah beberapa contoh metode Java lama dan baru:

Lama

// 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());

Baru

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

Perubahan khusus API

Pemindaian Kode Batang

Untuk Barcode Scanning API, kini ada dua cara untuk mengirim model:

Melalui Layanan Google Play alias “tipis” (direkomendasikan) - hal ini akan mengurangi ukuran aplikasi dan model akan dibagikan antar-aplikasi. Namun, developer harus memastikan bahwa model telah didownload sebelum menggunakannya untuk pertama kalinya.
Dengan APK aplikasi Anda alias “dipaketkan” - ini akan meningkatkan ukuran aplikasi, tetapi berarti model dapat langsung digunakan.

Kedua penerapan tersebut sedikit berbeda, dengan versi “paket” yang memiliki sejumlah peningkatan dibandingkan versi “tipis”. Detail tentang perbedaan ini dapat ditemukan di panduan Barcode Scanning API.

Deteksi Wajah

Untuk Face Detection API, ada dua cara untuk mengirimkan model:

Melalui Layanan Google Play alias “tipis” (direkomendasikan) - hal ini akan mengurangi ukuran aplikasi dan model akan dibagikan antar-aplikasi. Namun, developer harus memastikan bahwa model telah didownload sebelum menggunakannya untuk pertama kalinya.
Dengan APK aplikasi alias “dipaketkan” - hal ini akan meningkatkan ukuran download aplikasi, tetapi artinya model dapat langsung digunakan.

Perilaku implementasinya sama.

Terjemahan

TranslateLanguage kini menggunakan nama yang dapat dibaca untuk konstantanya (misalnya, ENGLISH), bukan tag bahasa (EN). Nama tersebut juga kini menjadi @StringDef, bukan @IntDef, dan nilai konstantanya adalah tag bahasa BCP 47 yang cocok.
Jika aplikasi Anda menggunakan opsi kondisi download “perangkat tidak ada aktivitas”, perhatikan bahwa opsi ini telah dihapus dan tidak dapat digunakan lagi. Anda tetap dapat menggunakan opsi "pengisian daya perangkat". Jika menginginkan perilaku yang lebih kompleks, Anda dapat menunda pemanggilan RemoteModelManager.download dengan logika Anda sendiri.

Pelabelan Gambar AutoML

Jika aplikasi Anda menggunakan opsi kondisi download “perangkat tidak ada aktivitas”, perhatikan bahwa opsi ini telah dihapus dan tidak dapat digunakan lagi. Anda tetap dapat menggunakan opsi "pengisian daya perangkat".

Jika menginginkan perilaku yang lebih kompleks, Anda dapat menunda pemanggilan RemoteModelManager.download dengan logika Anda sendiri.

Deteksi dan Pelacakan Objek

Jika aplikasi Anda menggunakan deteksi objek dengan klasifikasi kasar, perhatikan bahwa SDK baru telah mengubah caranya menampilkan kategori klasifikasi untuk objek yang terdeteksi.

Kategori klasifikasi ditampilkan sebagai instance DetectedObject.Label, bukan bilangan bulat. Semua kemungkinan kategori untuk pengklasifikasi umum disertakan dalam class PredefinedCategory.

Berikut adalah contoh kode Kotlin lama dan baru:

Lama

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

Baru

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

Berikut adalah contoh kode Java lama dan baru:

Lama

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

Baru

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) {
    ...
}

Kategori “tidak diketahui” telah dihapus. Jika tingkat keyakinan klasifikasi objek rendah, kita hanya tidak akan menampilkan label apa pun.

Menghapus dependensi Firebase (Opsional)

Langkah ini hanya berlaku jika kondisi berikut terpenuhi:

Firebase ML Kit adalah satu-satunya komponen Firebase yang Anda gunakan.
Anda hanya menggunakan API di perangkat.
Anda tidak menggunakan penayangan model.

Jika ini terjadi, Anda dapat menghapus dependensi Firebase setelah migrasi. Ikuti langkah-langkah berikut:

Hapus file konfigurasi Firebase dengan menghapus file konfigurasi google-services.json di direktori modul (level aplikasi) aplikasi Anda.
Ganti plugin Gradle Layanan Google di file Gradle modul (level aplikasi) Anda (biasanya app/build.gradle) dengan plugin Strict Version Matcher:

Sebelum

apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services'  // Google Services plugin

android {
  // …
}

Setelah

apply plugin: 'com.android.application'
apply plugin: 'com.google.android.gms.strict-version-matcher-plugin'

android {
  // …
}

Ganti classpath plugin Gradle Layanan Google di file Gradle project (level root) (build.gradle) dengan classpath untuk plugin Strict Version Matcher:

Sebelum

buildscript {
  dependencies {
    // ...

    classpath 'com.google.gms:google-services:4.3.3'  // Google Services plugin
  }
}

Setelah

buildscript {
  dependencies {
    // ...

    classpath 'com.google.android.gms:strict-version-matcher-plugin:1.2.1'
  }
}

Hapus aplikasi Firebase Anda di Firebase console sesuai dengan instructions di situs dukungan Firebase.

Mendapatkan Bantuan

Jika Anda mengalami masalah, buka halaman Komunitas tempat kami menjelaskan channel yang tersedia untuk menghubungi kami.