微信小程序如何运行python代码教程

2024年09月11日 阅读 (47)

近来上海开始实行垃圾分类制度后,全国舆论都在关注。大方向上,全国人民都是大力支持垃圾分类,这是因为垃圾分类后,垃圾不再是垃圾,而是资源。坚持垃圾分类,让每一种垃圾,去到合理的地方,不仅可以减少环境污染,更加可以找到能够循环利用的资源。

微信小程序如何运行python代码教程(1)

初探垃圾智能分类应用

微信小程序如何运行python代码教程(2)

开发应用步骤和关键点

1.用js将图片上传到python程序。wx.requset()函数被调用后,会向后台服务器发起数据的post请求,此时小程序会把data里的数据以post形式向url对应的服务器提交。

代码具体解释:

data: data参数是要提交的数据,数据需要转换成json格式,使用JSON的stringify函数,可以看到data的数据类型是JavaScript的对象类型,也就是俗称的键值对。

method:是数据提交的请求方式,默认是post请求方式,后台在处理请求时会判断请求方式。

header:是数据的头文件,需要设置字符类型为utf-8,即'charset':'utf-8',防止传输中文数据时出现乱码。

2.python服务器存储图片。接收到微信端图片发送请求后,对图片进行重命名,并存储到本地,便于后续进行处理。

python大大笑了,“没事,bat等巨头早就把这些核心人工智能能力封装成容易使用的接口了!为了快速开发,我们只要站在巨人的肩膀上就行了。“

核心技术原理

智能识别图片的所属分类。这个是用的百度的智能api,只要把图片传给百度api,API就会识别该图片,并把该图片所归属的分类返回一个数组列表。智能识别图片的分类标签效果如图,左边是图,右边是api识别后的分类标签:

微信小程序如何运行python代码教程(3)

有这么好的东东,让我们立刻看看如何用吧。

首先申请百度图像识别API的用户和key。请移步百度智能api中心申请。

安装百度图像识别Python

  • 如果已安装pip,执行pip install baidu-aip即可。
  • 如果已安装setuptools,执行python setup.py install即可。

初始化AipImageClassify

from aip import AipImageClassify""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'client = AipImageClassify

通用物体识别接口调用

该请求用于通用物体识别,即对于输入的手拍垃圾分类图片(可正常解码,且长宽比适宜),输出图片中的物体及场景标签。

""" 读取图片 """def get_file_content: with open as fp: return fp.readimage = get_file_content""" 调用通用物体识别 """client.advancedGeneral;""" 如果有可选参数 """options = {}options = 5""" 带参数调用通用物体识别 """client.advancedGeneral

调用后返回结果例子如下:

{ "log_id": 327863200205075661, "result_num": 5, "result": [{ "score": 0.967622, "root": "固体", "baike_info": { "baike_url": ......................

结果可以看到返回识别信息里包含了物体标签的信息。并且有score等字段,究竟都代表了什么涵义呢?看看下面的结果详细定义吧

微信小程序如何运行python代码教程(4)

结果详细定义

4.结果和条目文本相似度匹配。有了图片所归属的分类标签后,需要根据自然语言的相似度和垃圾分类条目进行相似度匹配。计算匹配后,将匹配度最高的垃圾分类返回微信界面,提示用户该垃圾具体分类是什么,自此这个智能垃圾分类小程序就开发完毕。

涉及到的python关键点是:

需要将垃圾分类的条目结构化到python代码。在设计前,请参考下官方的垃圾分类指南图。

微信小程序如何运行python代码教程(5)

对应python代码为:

trash_cat={}trash_cat['circle']=['纸张','塑料','玻璃'.........]有害垃圾

将图片识别的标签和垃圾分类条目进行匹配,选出最匹配的垃圾分类条目。

python关键代码,将标签分词后形成:

然后用dictionary方法获取词袋(bag-of-words)

dictionary = corpora.Dictionary(all_doc_list)

使用doc2bow制作语料库

corpus =

相似度分析

使用TF-IDF模型对语料库建模

tfidf = models.TfidfModel(corpus)

获取测试文档中,每个词的TF-IDF值

tfidf[doc_test_vec]

然后就可以根据相似度进行匹配,并将图片识别后的标签和最相匹配的分类条目关联起来,返回给用户了。

对于一个对小程序开发有了解的python程序员来说,一个小时已经可以轻松开发出基于百度智能api的能智能识别拍图的垃圾分类程序了。神奇吧!

总结:

希望大家能通过python技术,让我们的生活更方便和美好。欢迎在评论区进行意见建议交流。

郑重声明:玄微运势的内容来自于对中国传统文化的解读,对于未来的预测仅供参考。