Migrazione per Android

Aggiorna importazioni 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. È necessario scaricare i modelli sottili. Alcune API sono disponibili sia in bundle che in formato thin, altre in un solo formato o l'altra:

Aggiorna le dipendenze per le librerie Android ML Kit nel modulo (app- livello) del file Gradle (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. È necessario scaricare i modelli sottili:

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

Modelli in bundle

Modelli sottili

Aggiorna i nomi dei corsi

Se il corso viene visualizzato in questa tabella, apporta la modifica indicata:

Per gli altri corsi, segui queste regole:

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

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

Aggiorna nomi dei metodi

Sono state apportate modifiche minime al codice:

• Rilevatore/scanner/etichettatore/traduttore... L'istanza è stata modificata. Ogni funzionalità ha il proprio punto di accesso. Ad esempio: BarcodeScanning, TextRecognition, ImageLabeling, Translation.... Le chiamate al servizio Firebase getInstance() vengono sostituite da chiamate al metodo delgetClient()punto di ingresso delle funzionalità.
• L'istanza predefinita per Textidentifier è stata rimossa, in quanto abbiamo introdotto librerie aggiuntive per il riconoscimento di altri script come cinese e coreano. Per utilizzare le opzioni predefinite con il modello di riconoscimento del testo della scrittura latina, dichiara una dipendenza su 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 caratteristiche. Ad esempio, per utilizzare le opzioni predefinite con il modello di base in ImageLabeling, dichiara una dipendenza su com.google.mlkit:image-labeling e utilizza ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) in Java.
• Tutti gli handle (rilevatore/scanner/etichettatore/traduttore...) sono chiudibili. Assicurati che il metodo close() venga chiamato quando questi oggetti non verranno più utilizzati. Se le utilizzi in un Fragment o AppCompatActivity, un modo semplice per farlo è chiamare LifecycleOwner.getLifecycle() sul Fragment o AppCompatActivity e 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 del linguaggio" (come definito dallo standard BCP 47) anziché "codice del linguaggio".
• I metodi Getter nelle classi xxxOptions sono stati rimossi.
• Il metodo getBitmap() nella classe InputImage(in sostituzione di FirebaseVisionImage) non è più supportato come parte dell'interfaccia pubblica. Fai riferimento a BitmapUtils.java nell'esempio della guida rapida di ML Kit per convertire le bitmap da vari input.
• FirebaseVisionImageMetadata è stato rimosso, puoi semplicemente passare i metadati delle immagini come larghezza, altezza, rotazioneDegrees 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 di codici a barre

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

• Tramite Google Play Services, noto anche come "thin" (opzione consigliata), questa opzione riduce 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, noto anche come "in bundle": 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 relative all'API Barcode Scanning.

Rilevamento facciale

Per l'API Face Detection, esistono due modi per distribuire i modelli:

• Tramite Google Play Services, noto anche come "thin" (opzione consigliata), questa opzione riduce 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, noto anche come "in bundle": questa opzione aumenta le dimensioni di download dell'app, ma significa che il modello è immediatamente utilizzabile.

Il comportamento delle implementazioni è lo stesso.

Traduzioni

• TranslateLanguage ora utilizza nomi leggibili per le sue costanti (ad es. ENGLISH) al posto dei tag lingua (EN). Ora si chiamano anche @StringDef, anziché @IntDef, e il valore della costante è il tag BCP 47 di lingua corrispondente.

• Se la tua app utilizza l'opzione della 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 a RemoteModelManager.download in base alla tua logica.

Etichettatura delle immagini con AutoML

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

Se vuoi un comportamento più complesso, puoi posticipare le chiamate RemoteModelManager.download dietro la tua logica.

Rilevamento e monitoraggio di oggetti

Se la tua app utilizza il rilevamento di oggetti con una classificazione approssimativa, tieni presente che il Il nuovo SDK ha cambiato la modalità di restituzione della categoria di classificazione per di oggetti strutturati.

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

Ecco un esempio del vecchio e del nuovo codice Kotlin:

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 vecchio e del nuovo codice Java:

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 l'affidabilità della classificazione di un oggetto è bassa, non viene restituita alcuna etichetta.

Rimuovi le dipendenze Firebase (facoltativo)

Questo passaggio è valido solo se vengono soddisfatte le seguenti condizioni:

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

In questo caso, puoi rimuovere le dipendenze Firebase dopo la migrazione. Segui questi passaggi:

• 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 del modulo (a livello di app) (di solito 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 tuo file Gradle (build.gradle) del progetto (a livello principale) 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 in base a segui le istruzioni sul sito di assistenza Firebase.

Risorse di assistenza

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