跳到主要内容

图像检测服务

  • Author: Huang Wenyang
  • Innovation Center
  • Algorithm engineer

项目介绍​

本项目提供一个基于深度学习的图像目标检测服务，基于YOLO模型对武侯祠相关文物和场景进行识别和检测。服务提供了多种API接口，方便不同场景下的调用需求。

功能特性​

  • 基于YOLO的目标检测模型
  • 提供多种API接口满足不同需求
  • 支持文件上传和直接图像数据处理
  • 内置Web测试界面，方便调试和演示
  • 支持直接返回标注图像或Base64编码数据

项目结构​

wuhouci-detection-service/
├── app.py                 # Flask主应用
├── requirements.txt       # 项目依赖
├── README.md             # 项目说明文档
├── model/
│   └── best.pt           # YOLO训练模型
├── templates/
│   └── index.html        # Web界面模板
├── uploads/              # 上传文件存储目录
└── static/
    └── results/          # 检测结果存储目录

安装部署​

环境要求​

  • Python 3.10
  • pip包管理器

安装依赖​

pip install -r requirements.txt

模型准备​

  1. 将训练好的YOLO模型文件命名为 best.pt
  2. 将模型文件放置在 model/ 目录下

运行服务​

python app.py

服务将在 http://0.0.0.0:5000 上运行

API接口说明​

1. 健康检查​

GET /health

检查服务运行状态和模型加载情况。

响应示例：

{
  "status": "running",
  "model_loaded": true
}

2. 目标检测（返回URL）​

POST /detect
Content-Type: multipart/form-data

上传图片文件进行目标检测，返回检测结果和图像URL。

请求参数：

  • file: 图像文件

响应示例：

{
  "original_url": "/uploads/uuid.jpg",
  "result_url": "/static/results/uuid.jpg",
  "detections": [
    {
      "class_name": "文物名称",
      "confidence": 0.95,
      "bbox": [100.0, 150.0, 300.0, 400.0]
    }
  ]
}

3. 目标检测（直接返回图像）​

POST /detect/image
Content-Type: multipart/form-data

上传图片文件进行目标检测，直接返回标注后的图像二进制数据。

请求参数：

  • file: 图像文件

响应：

  • Content-Type: image/jpeg
  • 标注后的图像二进制数据

4. 目标检测（返回检测结果和图像数据）​

POST /detect/with-data
Content-Type: multipart/form-data

上传图片文件进行目标检测，返回检测结果和Base64编码的标注图像。

请求参数：

  • file: 图像文件

响应示例：

{
  "detections": [
    {
      "class_name": "文物名称",
      "confidence": 0.95,
      "bbox": [100.0, 150.0, 300.0, 400.0]
    }
  ],
  "image_data": "data:image/jpeg;base64,/9j/..."
}

使用示例​

Python调用示例​

import requests

# 基础URL，请替换为实际部署的IP和端口
BASE_URL = "http://localhost:5000"

# 方法1: 文件上传检测
with open('test_image.jpg', 'rb') as f:
    response = requests.post(
        f'{BASE_URL}/detect',
        files={'file': f}
    )
    
result = response.json()
print(result)

# 方法2: 直接获取标注图像
with open('test_image.jpg', 'rb') as f:
    response = requests.post(
        f'{BASE_URL}/detect/image',
        files={'file': f}
    )
    
# 保存图像
with open('result.jpg', 'wb') as f:
    f.write(response.content)

curl调用示例​

# 文件上传检测
curl -X POST "http://localhost:5000/detect" \
  -H "Content-Type: multipart/form-data" \
  -F "file=@test_image.jpg"

# 直接返回标注图像
curl -X POST "http://localhost:5000/detect/image" \
  -H "Content-Type: multipart/form-data" \
  -F "file=@test_image.jpg" \
  --output result.jpg

# 返回检测结果和图像数据
curl -X POST "http://localhost:5000/detect/with-data" \
  -H "Content-Type: multipart/form-data" \
  -F "file=@test_image.jpg"

Web界面测试​

服务提供内置的Web测试界面，访问主页即可进行在线测试：

http://localhost:5000

在Web界面中，可以选择本地图片文件，通过点击不同的测试按钮来验证各个API接口的功能。

网络访问说明​

本地访问​

  • URL: http://localhost:5000 或 http://127.0.0.1:5000

局域网访问​

  • URL: http://你的本机IP地址:5000

外网访问​

如需外网访问，需要：

  1. 配置路由器端口转发
  2. 使用内网穿透工具（如ngrok）
  3. 部署到公网服务器

注意事项​

  1. 确保模型文件 model/best.pt 存在且格式正确
  2. 服务默认监听所有网络接口（0.0.0.0），请注意网络安全
  3. 生产环境建议关闭debug模式
  4. 根据实际需求调整上传文件大小限制
  5. 建议在生产环境中添加身份验证和访问控制

依赖说明​

  • Flask: Web框架
  • OpenCV: 图像处理库
  • Ultralytics: YOLO模型库
  • NumPy: 数值计算库