参考paddlex的图像识别和目标检测，做一个精简的寻物小助手的推理服务器后台

skywalk81632026-03-28 12:15

给Trae的指令

参考paddlex的图像识别和目标检测，做一个精简的寻物小助手的推理服务器后台。即用户可以用api传过来一个图片，服务器后台对图片进行识别和检测，并在数据库中找到相关图片。

服务器后台可以对识别的结果进行矢量化存储和检索，具体可以参考pp-shitu和飞桨的超市商品识别系统。

增加名词对应和检索功能。

最终的目标是：实现用户输入一副图片或者一个名字（如红色衬衫，书名叫红楼梦的书），系统可以找到对应的信息，并输出对应的物理存储位置。

物理存储位置一部分是手工输入，一部分是根据相邻物品推算出来的。

Trae写的项目

repo:searchbot - AtomGit | GitCode

安装依赖

复制代码

pip install -r requirements.txt

启动服务器

复制代码

python main.py

API使用示例

以图搜物

复制代码

curl -X POST "http://localhost:8000/api/v1/search/image" \
    -F "file=@shirt.jpg" \
    -F "top_k=5"

以文搜物

复制代码

curl -X POST "http://localhost:8000/api/v1/search/text" \
    -H "Content-Type: application/json" \
    -d '{"query": "红色衬衫", "top_k": 10}'

创建物品

复制代码

curl -X POST "http://localhost:8000/api/v1/items" \
    -H "Content-Type: application/json" \
    -d '{
        "name": "红色衬衫",
        "description": "一件红色的棉质衬衫",
        "category": "衣服",
        "color": "红色",
        "tags": ["上衣", "正式"]
    }'

设置物品位置

复制代码

curl -X POST "http://localhost:8000/api/v1/items/{item_id}/location" \
    -H "Content-Type: application/json" \
    -d '{
        "room": "卧室",
        "area": "衣柜A",
        "shelf": "2",
        "description": "挂在第二层"
    }'

添加相邻关系

复制代码

curl -X POST "http://localhost:8000/api/v1/items/{item_id}/neighbors" \
    -H "Content-Type: application/json" \
    -d '{
        "neighbor_item_id": "{neighbor_id}",
        "relative_position": "左侧",
        "distance": 0.3
    }'

批量推算位置

复制代码

curl -X POST "http://localhost:8000/api/v1/location/infer"