如何在没有gcloud的情况下为Google AutoML Vision API生成Java访问令牌？

我正在制作一个Android应用程序，它将利用Google AutoML Vision API。我正在寻找一种获得永久访问令牌或在代码中生成它们的方法，这样我就不需要每次使用我的应用程序时都使用gcloud。我该怎么做呢

我已经创建了AutoML模型，设置了我的服务帐户，并在androidstudio中编写了我的应用程序，这样它就可以使用Volley向API发出请求。问题是，它们要求您使用gcloud生成并传递访问令牌。我可以生成令牌并将其放入我的代码中，但它只持续一个小时，然后就过期了。RESTAPI需要访问令牌，如下所示

curl -X POST -H "Content-Type: application/json" \
-H "Authorization: Bearer $(gcloud auth application-default print-access- 
token)" 

我研究了解决这个问题的不同方法。例如，有一些用于Java和Google云应用程序的Google客户端库，它们展示了如何将服务帐户凭据添加到代码中。我很困惑，当从手机上运行Json密钥文件时，如何将其添加到代码中。我也读过Firebase可以使用的文章，但我不知道使用的过程是什么

目前，我将在我的计算机上打开gcloud，生成访问令牌，将其粘贴到我的代码中，然后按如下方式运行应用程序，并使用标题，这将返回所需的结果长达一小时，直到访问代码过期

@Override
public Map<String, String> getHeaders() throws AuthFailureError{
    Map<String, String> headers = new HashMap<>();
    headers.put("Authorization", "Bearer " + accesstoken);
    return headers;
 }

• 将firebase添加到您的android项目中。您将在Firebase中创建一个项目，下载一个json文件进行配置，并将其添加到应用程序目录中。还可以在gradle文件中添加依赖项
• 在Firebase控制台上，转到ML工具包部分，用您的照片创建AUTML模型
• 训练模型
• 培训结束后，您可以下载模型，并在资产/模型目录中下载3个文件。它已经可以使用了。通过这种方式，您将使用Firebase AutoML SDK，并且不需要生成令牌

• 使用您的模型并根据应用程序进行预测。 步骤如下：
  • 为预测准备图像
  • 准备模型
  • 获取图像标签
  • 对图像进行分类处理

public void findLabelsWithAutoML（）{
位图=空；
文件文件=新文件（currentPhotoPath）；
System.out.println（“文件”+文件）；
试一试{
位图=MediaStore.Images.Media
.getBitmap（getContentResolver（），Uri.fromFile（file））；
}捕获（例外e）{
e、 printStackTrace（）；
}
FirebaseVisionImageMetadata=新的FirebaseVisionImageMetadata.Builder（）
.setWidth（480）//480x360通常足以
.setHeight（360）//图像识别
.setFormat（FireBaseVisionManageMetadata.IMAGE\u格式\u NV21）
.setRotation（FireBaseVisionManagementData.ROTATION_0）
.build（）；
FirebaseVisionImage FirebaseVisionImage=FirebaseVisionImage.fromBitmap（位图）；
System.out.println（“firebaseVisionImage:+firebaseVisionImage”）；
FirebaseAutoMLLocalModel localModel=新的FirebaseAutoMLLocalModel.Builder（）
.setAssetFilePath（“model/manifest.json”）
.build（）；
FirebaseVisionDeviceAutoMLImageLabelProptions LabelProptions=新建FirebaseVisionDeviceAutoMLImageLabelProptions.Builder（localModel）
.setConfidenceThreshold（0.65F）//在Firebase控制台中评估您的模型
//确定适当的值。
.build（）；
FirebaseVisionImageLabeler FirebaseVisionImageLabeler=null；
试一试{
firebaseVisionImageLabeler=FirebaseVision.getInstance（）.getOnDeviceAutoMLImageLabeler（labelerOptions）；
}捕获（例外e）{
e、 printStackTrace（）；
}
firebaseVisionImageLabeler.processImage（FireBaseVisionImages）
.addOnSuccessListener（新的OnSuccessListener（）{
@凌驾
成功时的公共无效（列表标签）{
用于（FireBaseVisionImage标签：标签）{
System.out.println（“label”+label.getText（）+”分数：“+（label.getConfidence（）*100））；
}
}
})
.addOnFailureListener（新的OnFailureListener（）{
@凌驾
public void onFailure（@NonNull异常e）{
//
}
});
}

InputStream is = getAssets().open("app.json");
GoogleCredentials credentials = 
GoogleCredentials.fromStream(i).createScoped(Lists.newArrayList(scope));
credentials.refreshIfExpired();
AccessToken accesstoken = credentials.getAccessToken();