本博客使用uniapp+百度智能云图像大模型中的AI视觉API（本文以物体检测为例）完成了一个简单的图像识别页面，调用百度智能云API可以实现快速训练模型并且部署的效果。
先上效果图
从相册选择图片后上传后，点击识别，即可进行虫害识别。
实现过程
百度智能云Easy DL训练图像模型
首先，你可能需要有一个百度智能云的账号，如果没有的话，指路:百度智能云
这是Easy DL给出的介绍:训练模型的基本流程如下图所示，全程可视化简易操作。在数据已经准备好的情况下，最快15分钟即可获得定制模型。
官方文档：Easy DL 文档中心
数据处理——模型训练——模型校验——模型部署等步骤跟着官方文档走就好了，进入平台后各种操作指引都做的很好；根据你的具体业务场景训练模型即可。
公有云服务发布API
发布公有云服务，将训练完成的模型部署在百度云服务器，通过API接口调用模型。如果在这里你选择了将模型部署在公有云，则需要自定义服务名称、接口地址后缀等，发布服务。
接口文档（以物体检测为例，其他接口文档在左侧目录也可以找到）：物体检测接口文档
调用AI视觉API
EasyDL 物体检测 调用模型公有云API Python3实现
以下代码为Python3调用公有云API的实现过程，注意：目标图片、接口地址、token、api_key、secret_key都需要根据你的情况进行更改，否则代码无法运行！文章来源：https://www.toymoban.com/news/detail-856445.html
"""
EasyDL 物体检测 调用模型公有云API Python3实现
"""
import json
import base64
import requests
"""
使用 requests 库发送请求
使用 pip（或者 pip3）检查我的 python3 环境是否安装了该库，执行命令
pip freeze | grep requests
若返回值为空，则安装该库
pip install requests
"""
# 目标图片的 本地文件路径，支持jpg/png/bmp格式
IMAGE_FILEPATH = "你的图片.jpg"
# 可选的请求参数
# threshold: 默认值为建议阈值，请在 我的模型-模型效果-完整评估结果-详细评估 查看建议阈值
PARAMS = {"threshold": 0.3}
# 服务详情 中的 接口地址
MODEL_API_URL = "你的接口地址"
# 调用 API 需要 ACCESS_TOKEN。若已有 ACCESS_TOKEN 则于下方填入该字符串
# 否则，留空 ACCESS_TOKEN，于下方填入 该模型部署的 API_KEY 以及 SECRET_KEY，会自动申请并显示新 ACCESS_TOKEN
ACCESS_TOKEN = "你的token"
API_KEY = "你的SK"
SECRET_KEY = "你的AK"
print("1. 读取目标图片 '{}'".format(IMAGE_FILEPATH))
with open(IMAGE_FILEPATH, 'rb') as f:
base64_data = base64.b64encode(f.read())
base64_str = base64_data.decode('UTF8')
print("将 BASE64 编码后图片的字符串填入 PARAMS 的 'image' 字段")
PARAMS["image"] = base64_str
if not ACCESS_TOKEN:
print("2. ACCESS_TOKEN 为空，调用鉴权接口获取TOKEN")
auth_url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials" "&client_id={}&client_secret={}".format(API_KEY, SECRET_KEY)
auth_resp = requests.get(auth_url)
auth_resp_json = auth_resp.json()
ACCESS_TOKEN = auth_resp_json["access_token"]
print("新 ACCESS_TOKEN: {}".format(ACCESS_TOKEN))
else:
print("2. 使用已有 ACCESS_TOKEN")
print("3. 向模型接口 'MODEL_API_URL' 发送请求")
request_url = "{}?access_token={}".format(MODEL_API_URL, ACCESS_TOKEN)
response = requests.post(url=request_url, json=PARAMS)
response_json = response.json()
response_str = json.dumps(response_json, indent=4, ensure_ascii=False)
print("结果:{}".format(response_str))
print(base64_str)
Uniapp 调用模型公有云API Vue2实现
image-tools 图像转换工具
注意！！！
image-tools是uniapp中一个图像转换工具插件：image-tools
API中传入的目标图片是需要base64编码的，因此无论是拍照还是从相册传入图片后都需要对图像转换base64编码。
但是！！公有云API中需要的base64编码是没有头部的，因此需要用正则表达式将image-tools转换的base64编码头部去掉！
以选择本地相册图片进行识别为例：文章来源地址https://www.toymoban.com/news/detail-856445.html
//选择本地的图片识别
chooseImage() {
uni.chooseImage({
count: 1,
sourceType: ['album'],
success: res => {
this.imageUrl = res.tempFilePaths[0];
this.result = ''
pathToBase64(res.tempFilePaths[0])
.then(base64 => {
// 去掉base64编码头部正则
this.base64 = base64.replace(/^data:image\/\w+;base64,/, "")
})
.catch(error => {
console.error(error)
})
},
});
}
图像识别实现方法
identify() {
uni.showToast({ title: '识别中..', icon: 'loading' });
const MODEL_API_URL = "你的接口地址";
const ACCESS_TOKEN = "你的access_token"
uni.request({
url: `${MODEL_API_URL}?access_token=${ACCESS_TOKEN}`,
method: 'POST',
data: {
image: this.base64,
},
header: {
"Content-Type":'application/json'
},
success: res => {
console.log('识别结果:', res.data);
this.result = res.data.results;
this.imageUrl = 'data:image/jpeg;base64,'+res.data.data.base64
},
fail: error => {
console.error('识别请求失败', error);
}
})
}
页面结构示例
<template>
<view>
<view class="container">
<view class="button-container">
<button class="button" @click="takePhoto">实时拍照</button>
<button class="button" @click="chooseImage">从相册选择</button>
</view>
<view class="image-container">
<canvas class="canvas" canvas-id="myCanvas" v-show="showCanvas"></canvas>
<image v-if="!showCanvas && imageUrl" :src="imageUrl" mode="aspectFill"></image>
</view>
<button class="identify-button" @click="identify">识别</button>
<view class="result" v-for="res in result">
<text>识别结果: {{ res.name }}, 置信度：{{ parseFloat(res.score*100).toFixed(2) }}% </text>
</view>
</view>
</view>
</view>
</view>
</template>
到了这里，关于Uniapp+基于百度智能云完成AI视觉功能（附前端思路）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
