Migrazione per Android

Aggiorna le importazioni di Gradle

Il nuovo SDK richiede una sola dipendenza per ogni API ML Kit. Non è necessario specificare librerie comuni come firebase-ml-vision o firebase-ml-natural-language. ML Kit utilizza lo spazio dei nomi com.google.android.gms per le librerie che dipendono da Google Play Services.

API Vision

I modelli in bundle vengono forniti come parte dell'applicazione. I modelli sottili devono essere scaricati. Alcune API sono disponibili sia in formato bundle che thin, altre solo in un formato o nell'altro:

Aggiorna le dipendenze per le librerie Android ML Kit nel file Gradle del modulo (a livello di app, di solito app/build.gradle) in base alle seguenti tabelle:

Modelli in bundle

Modelli sottili

AutoMLVision Edge

API Natural Language

I modelli in bundle vengono forniti come parte dell'applicazione. I modelli sottili devono essere scaricati:

Aggiorna le dipendenze per le librerie Android ML Kit nel file Gradle del modulo (a livello di app, di solito app/build.gradle) in base alle seguenti tabelle:

Modelli in bundle

Modelli sottili

Aggiorna i nomi dei corsi

Se la tua classe è presente in questa tabella, apporta la modifica indicata:

Per le altre classi, segui queste regole:

• Rimuovi il prefisso FirebaseVision dal nome del corso.
• Rimuovi gli altri prefissi che iniziano con il prefisso Firebase dal nome del corso.

Inoltre, nei nomi dei pacchetti sostituisci il prefisso com.google.firebase.ml con com.google.mlkit.

Aggiorna i nomi dei metodi

Sono necessarie modifiche minime al codice:

• L'istanza di detector/scanner/etichettatore/traduttore… è stata modificata. Ogni funzionalità ora ha il proprio punto di accesso. Ad esempio: BarcodeScanning, TextRecognition, ImageLabeling, Translation… Le chiamate al servizio Firebase getInstance() vengono sostituite dalle chiamate al metodogetClient()del punto di accesso alla funzionalità.
• L'istanza predefinita per TextRecognizer è stata rimossa, in quanto abbiamo introdotto librerie aggiuntive per il riconoscimento di altri script come il cinese e il coreano. Per utilizzare le opzioni predefinite con il modello di riconoscimento del testo con caratteri latini, dichiara una dipendenza da com.google.android.gms:play-services-mlkit-text-recognition e utilizza TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS).
• L'istanza predefinita per ImageLabeler e ObjectDetector è stata rimossa, poiché abbiamo introdotto il supporto dei modelli personalizzati per queste due funzionalità. Ad esempio, per utilizzare le opzioni predefinite con il modello base in ImageLabeling, dichiara una dipendenza da com.google.mlkit:image-labeling e utilizza ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) in Java.
• Tutti gli handle (detector/scanner/etichettatore/traduttore…) sono chiudibili. Assicurati che il metodo close() venga chiamato quando questi oggetti non verranno più utilizzati. Se li utilizzi in un frammento o in AppCompatActivity, un modo semplice per farlo è chiamare LifecycleOwner.getLifecycle() sul frammento o su AppCompatActivity, quindi chiamare Lifecycle.addObserver.
• processImage() e detectInImage() nelle API Vision sono stati rinominati in process() per coerenza.
• Le API Natural Language ora utilizzano il termine "tag di lingua" (come definito dallo standard BCP 47) anziché "codice lingua".
• I metodi getter nelle classi xxxOptions sono stati rimossi.
• Il metodo getBitmap() nella classe InputImage(che sostituisce FirebaseVisionImage) non è più supportato come parte dell'interfaccia pubblica. Per ottenere la conversione della bitmap da vari input, consulta BitmapUtils.java nell'esempio di avvio rapido di ML Kit.
• FirebaseVisionImageMetadata è stato rimosso. Puoi semplicemente passare i metadati dell'immagine, come larghezza, altezza, rotationDegrees e formato, ai metodi di costruzione di InputImages.

Ecco alcuni esempi di metodi Kotlin vecchi e nuovi:

// 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 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())
  

Ecco alcuni esempi di metodi Java vecchi e nuovi:

// 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 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());
  

Modifiche specifiche dell'API

Scansione del codice a barre

Per l'API Barcode Scanning, ora esistono due modi per distribuire i modelli:

• Tramite Google Play Services, ovvero "thin" (consigliato): in questo modo si riducono le dimensioni dell'app e il modello viene condiviso tra le applicazioni. Tuttavia, gli sviluppatori dovranno assicurarsi che il modello venga scaricato prima di utilizzarlo per la prima volta.
• Con l'APK della tua app, ovvero "in bundle": in questo modo le dimensioni dell'app aumentano, ma il modello è immediatamente utilizzabile.

Le due implementazioni sono leggermente diverse: la versione "in bundle" presenta una serie di miglioramenti rispetto alla versione "thin". I dettagli su queste differenze sono disponibili nelle linee guida dell'API Barcode Scanning.

Rilevamento dei volti

Per l'API Face Detection, i modelli possono essere forniti in due modi:

• Tramite Google Play Services, ovvero "thin" (consigliato): in questo modo si riducono le dimensioni dell'app e il modello viene condiviso tra le applicazioni. Tuttavia, gli sviluppatori dovranno assicurarsi che il modello venga scaricato prima di utilizzarlo per la prima volta.
• Con l'APK della tua app, ovvero "in bundle": in questo modo aumentano le dimensioni di download dell'app, ma il modello è immediatamente utilizzabile.

Il comportamento delle implementazioni è lo stesso.

Traduzioni

• TranslateLanguage ora utilizza nomi leggibili per le costanti (ad es. ENGLISH) anziché tag di lingua (EN). Inoltre, ora sono @StringDef anziché @IntDef e il valore della costante è il tag di lingua BCP 47 corrispondente.

• Se la tua app utilizza l'opzione di condizione di download "Dispositivo inattivo", tieni presente che questa opzione è stata rimossa e non può più essere utilizzata. Puoi comunque utilizzare l'opzione "Ricarica del dispositivo". Se vuoi un comportamento più complesso, puoi ritardare la chiamata di RemoteModelManager.download in base alla tua logica.

Etichettatura delle immagini AutoML

Se la tua app utilizza l'opzione di condizione di download "Dispositivo inattivo", tieni presente che questa opzione è stata rimossa e non può più essere utilizzata. Puoi comunque utilizzare l'opzione "Ricarica del dispositivo".

Se vuoi un comportamento più complesso, puoi ritardare la chiamata RemoteModelManager.download in base alla tua logica.

Rilevamento e monitoraggio degli oggetti

Se la tua app utilizza il rilevamento degli oggetti con classificazione approssimativa, tieni presente che il nuovo SDK ha modificato il modo in cui restituisce la categoria di classificazione per gli oggetti rilevati.

La categoria di classificazione viene restituita come istanza di DetectedObject.Label anziché come numero intero. Tutte le categorie possibili per il classificatore grossolano sono incluse nella classe PredefinedCategory.

Ecco un esempio del codice Kotlin precedente e nuovo:

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) {
    ...
}

Ecco un esempio del codice Java precedente e di quello nuovo:

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) {
    ...
}

La categoria "Sconosciuto" è stata rimossa. Quando la confidenza della classificazione di un oggetto è bassa, non restituiamo alcuna etichetta.

(Facoltativo) Rimuovi le dipendenze di Firebase

Questo passaggio si applica solo quando vengono soddisfatte le seguenti condizioni:

• Firebase ML Kit è l'unico componente Firebase che utilizzi.
• Utilizzi solo API on-device.
• Non utilizzi la pubblicazione del modello.

In questo caso, puoi rimuovere le dipendenze di Firebase dopo la migrazione. Procedi nel seguente modo:

• Rimuovi il file di configurazione di Firebase eliminando il file di configurazione google-services.json nella directory del modulo (a livello di app) della tua app.
• Sostituisci il plug-in Gradle dei servizi Google nel file Gradle (a livello di app) del modulo (solitamente app/build.gradle) con il plug-in Strict Version Matcher:

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

android {
  // …
}

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

android {
  // …
}

• Sostituisci il classpath del plug-in Gradle dei servizi Google nel file Gradle (a livello di radice) del progetto (build.gradle) con quello del plug-in Strict Version Matcher:

buildscript {
  dependencies {
    // ...

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

buildscript {
  dependencies {
    // ...

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

Elimina l'app Firebase nella console Firebase seguendo le istruzioni sul sito di assistenza Firebase.

Risorse di assistenza

Se riscontri problemi, consulta la nostra pagina della community, dove sono indicati i canali disponibili per contattarci.