觀賞魚辨識系統說明－Day 01

在接下來的30天會製作一個完整的系統包含前端－手機/網頁，後端－Nginx + Django，以及辨識模型 YOLO 的建立，詳細架構如下圖。

圖 1、觀賞魚辨識系統架構圖

用戶使用手機拍攝觀賞魚的照片，透過 RESTful Web API 上傳到亞馬遜AWS的 EC2 虛擬主機上，在主機上我們安裝了Nginx網頁伺服器來接收網頁需求，它會把 RESTful Web API 的請求轉送到 Python 的 Django 網頁框架，把圖片傳給 YOLO 的影像辨識模型進行辨識，得到預測結果後，把文字結果傳給 MariaDB 資料庫去獲取更多的觀賞魚相關資料，如魚的中文名稱，生活習性等；把圖片結果儲存到文件中。並把這些資訊轉成JSON格式當成是 RESTful Web API 的回覆，回傳給用戶，並呈現在手機上。畫面會如下圖所示。

圖 2、觀賞魚辨識系統操作畫面

需要實作的觀賞魚辨識系統服務如下，共有五個功能需要完成，分別為使用者的操作介面、RESTful API、資料庫、網站伺服器以及影像辨識服務等。下表分別列出所需要的軟硬體元件，主要的實作都是在 AWS 雲上完成，如果時間允許，會考慮相關服務都轉換成 AWS 的其他對應服務，如 RESTful API 與 網站伺服器使用 Amazon API Gateway 搭配 Lambda 與 S3 來完成，資料庫用 DynamoDB 來完成，不用 RDS 的原因，是因為 RDS 需要租用整個實例而非使用空間，而影像辨識就以亞馬遜的 Sagemaker 來取代，這樣就可以完成無服務器的實作，只是需要時間來嘗試，不確定是否可以完成。不過，光是目前的工作量就可以安排 30 天了。

表 1、系統需要實作的服務列表