【LattePanda Mu 开发套件】AI 图像识别网页服务器 简单

【LattePanda Mu 开发套件】AI 图像识别网页服务器

本文介绍了 LattePanda Mu 开发套件实现了 AI 图像识别的网页服务器部署，包括关键代码、效果演示等流程。

项目介绍

该项目包括 AI 模型准备、Web 网页服务器部署、图像测试等流程。

准备工作：包括硬件及系统安装、Python 部署、库环境安装等；

流程图：网页服务器的代码编写逻辑，以及执行框架；

代码：包括实现网页服务器的关键 HTML 代码；

测试效果：包括测试方案、图像识别流程、方案解析等。

准备工作

LattePanda Mu Kit 硬件安装完成，包括 HDMI 连接显示器、电源、鼠标键盘、散热器、局域网连接等；

操作系统安装和更新，这里使用 Windows 11 Enterprese IoT LTSC x64 系统；

下载并安装 Python 软件，并安装必要的库，如 opencv-python、flask、ultralytics 等；

下载 AI 视觉识别所需的 YOLO 预训练模型文件，如 yolov8n.pt ，以便后续调用和快速实现；

详见：【LattePanda Mu 开发套件】AI 视觉应用开发——物体识别- Makelog(造物记) .

流程图

代码

新建 ai_web_server.py 文件，添加如下代码

 

"""
手机上传 + YOLOv8画框 + 网页回显
单文件运行：python app.py
"""
import cv2
from flask import Flask, render_template_string, request, jsonify
from ultralytics import YOLO
from pathlib import Path
import base64
import numpy as np
from io import BytesIO
from PIL import Image
​
app = Flask(__name__)
model = YOLO("models/yolov8n.pt")          #  加载模型文件
​
UPLOAD = Path("static")
UPLOAD.mkdir(exist_ok=True)
​
# -------------- 主页 --------------------
HTML = '''




​

选择图片 → 上传 → 查看结果

 
  上传识别

​

​

'''
​
@app.route("/")
def index():
    return render_template_string(HTML)
​
# -------------- 识别接口 -----------------
@app.route("/detect", methods=["POST"])
def detect():
    if "image" not in request.files:
        return jsonify(error="无文件"), 400
​
    file = request.files["image"]
    img = Image.open(file.stream).convert("RGB")
    img_np = np.array(img)
    results = model(img_np)
​
    # 画框（无框时返回原图）
    ann_rgb = results[0].plot()          # 返回 RGB
    if ann_rgb is None:
        ann_rgb = img_np
    ann_bgr = cv2.cvtColor(ann_rgb, cv2.COLOR_RGB2BGR)
    ok, buf = cv2.imencode('.jpg', ann_bgr)
    img_b64 = base64.b64encode(buf).decode()
​
    # 文字结果
    objs = [
        {
            "label": results[0].names[int(box.cls)],
            "conf":  float(box.conf),
            "box":   [int(x) for x in box.xyxy[0]]
        }
        for box in results[0].boxes
    ]
​
    return jsonify(objects=objs, image=f"data:image/jpeg;base64,{img_b64}")
​
# -------------- 启动 --------------------
if __name__ == "__main__":
    app.run(host="0.0.0.0", port=5000, threaded=True)

 

保存代码；

效果

打开命令行终端，进入 python 文件所在路径；

运行指令 python ai_web_server.py ;

浏览器打开终端提示创建的服务器对应的 HTTP 超链接，如http://172.31.92.160:5000/，进入其终端界面；

选择 Choose File 打开目标图片，点击 上传识别 ，即可获得识别结果

更多场景距离，如

办公桌面

户外运动

同时终端输出识别结果信息

动态效果

总结

该项目实现了 AI 图像识别的网页服务器部署，包括关键代码、效果演示等，特点如下

可实现手机等智能终端或边缘 AI 嵌入式设备的远程网络访问，

将复杂的 AI 图像识别推理和运算置于云端服务器，

极大释放了终端设备的算力要求，

降低了终端设备的负担，

拓宽了产品在便携式等低功耗需求场景的应用范围。

为相关产品的开发设计和快速应用提供了参考。