Ta strona została przetłumaczona przez Cloud Translation API.

Migracja na Androida

Aktualizowanie importów Gradle

Nowy pakiet SDK wymaga tylko 1 zależności dla każdego interfejsu ML Kit API. Nie musisz określać wspólnych bibliotek, takich jak firebase-ml-vision czy firebase-ml-natural-language. ML Kit używa przestrzeni nazw com.google.android.gms na potrzeby bibliotek zależnych od Usług Google Play.

Interfejsy API Vision

Modele z pakietu są dostarczane w ramach aplikacji. Trzeba pobrać cienkie modele. Niektóre interfejsy API są dostępne zarówno w pakietach, jak i w formie cienkiej, a inne tylko w jednej lub drugiej:

API	Łączenie w pakiety	Cienka
Rozpoznawanie tekstu	x (beta)	x
Wykrywanie twarzy	x	x
Skanowanie kodów kreskowych	x	x
Oznaczanie obrazów etykietami	x	x
Wykrywanie i śledzenie obiektów	x	-

Zaktualizuj zależności dla bibliotek ML Kit na Androida w pliku Gradle modułu (na poziomie aplikacji) (zwykle app/build.gradle), zgodnie z tymi tabelami:

Modele połączone

API	Stare artefakty	Nowy artefakt
Skanowanie kodów kreskowych	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
Konturowanie twarzy	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
Oznaczanie obrazów etykietami	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
Wykrywanie obiektów	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

Cienkie modele

API	Stare artefakty	Nowy artefakt
Skanowanie kodów kreskowych	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-barcode-scanning:18.3.0
Wykrywanie twarzy	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-face-detection:17.1.0
Rozpoznawanie tekstu	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-text-recognition:19.0.0

AutoMLVision Edge

API	Stary artefakt	Nowy artefakt
AutoML bez pobierania	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 z pobieraniem	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

Interfejsy API Natural Language

Modele z pakietu są dostarczane w ramach aplikacji. Trzeba pobrać cienkie modele:

API	Łączenie w pakiety	Cienka
Identyfikator języka	x	x
Inteligentna odpowiedź	x	x (beta)

Zaktualizuj zależności dla bibliotek ML Kit na Androida w pliku Gradle modułu (na poziomie aplikacji) (zwykle app/build.gradle), zgodnie z tymi tabelami:

Modele połączone

API	Stare artefakty	Nowy artefakt
Identyfikator języka	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
Inteligentna odpowiedź	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

Cienkie modele

API	Stare artefakty	Nowy artefakt
Identyfikator języka	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
Inteligentna odpowiedź	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

Zaktualizuj nazwy zajęć

Jeśli zajęcia pojawiają się w tej tabeli, wprowadź wskazaną zmianę:

Stara klasa	Nowe zajęcia
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

W przypadku innych zajęć przestrzegaj tych reguł:

Usuń prefiks FirebaseVision z nazwy zajęć.
Usuń z nazwy klasy inne prefiksy, które zaczynają się prefiksem Firebase.

Poza tym w nazwach pakietów zastąpisz prefiks com.google.firebase.ml ciągiem com.google.mlkit.

Zaktualizuj nazwy metod

Wprowadź nieznaczne zmiany w kodzie:

Wykrywacz/skaner/oznaczający/tłumacz... wystąpienia zostały zmienione. Każda z tych funkcji ma teraz własny punkt wejścia. Na przykład: skanowanie kodów kreskowych, rozpoznawanie tekstu, etykiety obrazów, tłumaczenie... Wywołania usługi Firebase getInstance() są zastępowane wywołaniami metody getClient()punktu wejścia funkcji.
Domyślna instancja narzędzia TextRecognizer została usunięta, ponieważ wprowadziliśmy dodatkowe biblioteki do rozpoznawania innych skryptów, takich jak chiński i koreański. Aby używać opcji domyślnych w modelu rozpoznawania tekstu alfabetu łacińskiego, zadeklaruj zależność od com.google.android.gms:play-services-mlkit-text-recognition i użyj metody TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS).
Domyślne tworzenie instancji ImageLabeler i ObjectDetector zostało usunięte, ponieważ wprowadziliśmy obsługę modeli niestandardowych w przypadku tych 2 funkcji. Aby na przykład używać opcji domyślnych z modelem podstawowym w funkcji ImageLabeling, zadeklaruj zależność od com.google.mlkit:image-labeling i użyj elementu ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) w języku Java.
Można zamknąć wszystkie uchwyty (wykrywacz/skaner/oznaczanie etykietami/tłumacz...). Upewnij się, że metoda close() jest wywoływana, gdy te obiekty nie będą już używane. Jeśli używasz ich w elemencie Fragment lub AppCompatActivity, możesz to łatwo zrobić, używając wywołania LifecycleOwner.getLifecycle() z fragmentu lub AppCompatActivity, a potem wywołując Lifecycle.addObserver.
Aby zachować spójność, nazwa processImage() i detectInImage() w interfejsach Vision API została zmieniona na process() .
Interfejsy Natural Language API używają teraz terminu „tag języka” (zgodnie z definicją w standardzie BCP 47), a nie „kod języka”.
Metody pobierania z klas xxxOptions zostały usunięte.
Metoda getBitmap() w klasie wejściowej(zastępująca FirebaseVisionImage) nie jest już obsługiwana jako część interfejsu publicznego. Aby dowiedzieć się, jak przekonwertować mapę bitową z różnych danych wejściowych, zapoznaj się z BitmapUtils.java w przykładzie krótkiego wprowadzenia do pakietu ML Kit.
Usunięto metadane obrazu FirebaseVisionImageMetadata, dlatego możesz po prostu przekazać metadane obrazu, takie jak szerokość, wysokość, kierunek obrotów, format, do metod tworzenia elementu InternalImages.

Oto kilka przykładów starych i nowych metod Kotlin:

Stara wersja

// 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()
    )

Nowi

// 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())

Oto kilka przykładów starych i nowych metod w Javie:

Stara wersja

// 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());

Nowi

// 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());

Zmiany związane z interfejsem API

Skanowanie kodu kreskowego

W przypadku interfejsu Barcode Scanning API modele można teraz dostarczać na 2 sposoby:

Za pomocą Usług Google Play nazywanych „cienkim” (zalecane) – zmniejsza to rozmiar aplikacji, a model jest współużytkowany przez aplikacje. Deweloperzy muszą jednak pobrać model, zanim będą go używać po raz pierwszy.
W przypadku pliku APK aplikacji nazywanego „pakietem” – rozmiar aplikacji zwiększa się, ale model jest od razu gotowy do użycia.

Te 2 implementacje nieco się różnią, a „pakiet” oferuje szereg ulepszeń w porównaniu z wersją „cieńką”. Szczegółowe informacje na temat tych różnic można znaleźć w wytycznych dotyczących Barcode Scanning API.

Wykrywanie twarzy

W przypadku interfejsu Face Detection modele można dostarczać na 2 sposoby:

Za pomocą Usług Google Play nazywanych „cienkim” (zalecane) – zmniejsza to rozmiar aplikacji, a model jest współużytkowany przez aplikacje. Deweloperzy muszą jednak pobrać model, zanim będą go używać po raz pierwszy.
W przypadku pliku APK aplikacji nazywanego „pakietem” – rozmiar aplikacji zwiększa się, ale model jest od razu gotowy do użycia.

Sposób działania implementacji jest taki sam.

Tłumaczenie

Wartością stałej TranslateLanguage są teraz czytelne nazwy (np. ENGLISH) zamiast tagów języka (EN). Obecnie są to @StringDef, a nie @IntDef. Wartością stałej jest pasujący tag języka BCP 47.
Jeśli Twoja aplikacja korzysta z opcji pobierania „Urządzenie bezczynne”, pamiętaj, że ta opcja została usunięta i nie można jej już używać. Nadal możesz korzystać z opcji ładowania urządzenia. Jeśli chcesz uzyskać bardziej złożone działanie, możesz opóźnić wywołanie metody RemoteModelManager.download, korzystając z własnych algorytmów.

Oznaczanie obrazów etykietami za pomocą AutoML

Jeśli Twoja aplikacja korzysta z opcji pobierania „Urządzenie bezczynne”, pamiętaj, że ta opcja została usunięta i nie można jej już używać. Nadal możesz korzystać z opcji ładowania urządzenia.

Jeśli chcesz uzyskać bardziej złożone działanie, możesz opóźnić wywołanie funkcji RemoteModelManager.download, które działają samodzielnie.

Wykrywanie i śledzenie obiektów

Jeśli Twoja aplikacja używa wykrywania obiektów z przybliżoną klasyfikacją, pamiętaj, że nowy pakiet SDK zmienił sposób, w jaki zwraca kategorię klasyfikacji wykrytych obiektów.

Kategoria klasyfikacji jest zwracana jako instancja DetectedObject.Label, a nie liczba całkowita. Wszystkie możliwe kategorie przybliżonego klasyfikatora są uwzględnione w klasie PredefinedCategory.

Oto przykład starego i nowego kodu Kotlin:

Stara wersja

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

Nowi

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

Oto przykład starego i nowego kodu Java:

Stara wersja

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

Nowi

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) {
    ...
}

Kategoria „Nieznany”. Gdy wiarygodność klasyfikacji obiektu jest niska, po prostu nie zwracamy żadnej etykiety.

Usuń zależności Firebase (opcjonalnie)

Ten krok ma zastosowanie tylko wtedy, gdy są spełnione te warunki:

Firebase ML Kit to jedyny komponent Firebase, z którego korzystasz.
Używasz tylko interfejsów API działających na urządzeniu.
Nie używasz udostępniania modelu.

W takim przypadku możesz usunąć zależności Firebase po zakończeniu migracji. Aby to zrobić:

Usuń plik konfiguracji Firebase, usuwając plik konfiguracyjny google-services.json znajdujący się w katalogu modułu (na poziomie aplikacji) swojej aplikacji.
Zastąp wtyczkę usług Google do obsługi Gradle w pliku Gradle modułu (na poziomie aplikacji) (zwykle app/build.gradle) wtyczką Strict Version Matcher:

Przed

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

android {
  // …
}

Po

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

android {
  // …
}

Zastąp ścieżkę klasy wtyczki usług Google do obsługi Gradle w pliku Gradle (build.gradle) w projekcie (na poziomie katalogu głównym) tą z wtyczki Strict Version Matcher:

Przed

buildscript {
  dependencies {
    // ...

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

Po

buildscript {
  dependencies {
    // ...

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

Usuń aplikację Firebase w konsoli Firebase zgodnie z instructions na stronie pomocy Firebase.

Jak uzyskać pomoc

Jeśli napotkasz jakieś problemy, zajrzyj na stronę Społeczność, gdzie znajdziesz informacje o kanałach, za pomocą których można się z nami skontaktować.