用Python快速实现一个垃圾分类APP|附带微信小程序

最近北京开始实行垃圾分类,导致大家对垃圾的研究热度突然涨高,垃圾们也纷纷表示从来没有获得过这么高的关注度。其实,上海市去年已经开始实行,网上已经有不少成熟的教程了,像什么《垃圾分类从入门到精通》、《深入浅出垃圾分类》、《垃圾分类你应该掌握的10条基本原则》。这种教程如果我们亲自去学显然不符合程序员的个性,作为一个程序员,我们应该把这事儿交给机器来做,这样才能省下更多的时间投入到996中。

扯了这么多废话,下面言归正传,今天这篇文章主要介绍如何利用现有的工具来实现一个垃圾分类的应用。这个想法是我昨天才有的,今天用了不到一天的时间就完成了,主要做了三个核心内容:

对比现有垃圾分类服务,挑选一个合适并编码实现

开发桌面版垃圾分类APP

开发垃圾分类微信小程序

上面这三部分第一部分是后端的活儿,其他两部分都是前端的活儿,所以,我在这三块没有太多经验,基本上是面向搜索引擎编程。虽然我的主业是做大数据的,但我确实想做这样一个比较有意思的项目,毕竟一个不会后端的前端不是一个好的大数据工程师。

老规矩,先看效果图,PC版:

用Python快速实现一个垃圾分类APP|附带微信小程序

小程序:

用Python快速实现一个垃圾分类APP|附带微信小程序

附上小程序二维码,大家可以体验一下。如果打开看不到效果可能审核没通过,稍微晚点再开即可。

用Python快速实现一个垃圾分类APP|附带微信小程序

这篇文章会贴比较多的代码,并且公众号阅读起来不是很方便,所以文末我在文末会附上源码的获取方式。(公众号回复关键字 垃圾分类 即可获取整篇文章全部源码)

那么,接下来我们进入到具体的细节是如何做的。其实垃圾分类已经开始很长一段时间了,肯定会有一些服务商把垃圾分类的能力通过API的方式开放出来,供大家调用。我找了3家简单对比下供大家参考:

聚合数据():提供文本、图像、语音分类。免费调用20次,定价不灵活只能批量购买

天行数据():提供文本、图像、语音分类。文本分类5000次,其他50次,定价按量计费

京东AI开放平台:提供文本、图像、语音分类。免费,每日5000次

简单对比了图像分类情况,聚合和天行数据明显更好,再综合定价因素最终我决定用天行数据。 下面就来编写代码,将API接口封装成我们需要的服务,以文本(垃圾名称)分类接口为例,请求的接口如下

?key=APIKEY&word=眼镜

APIKEY需要到天行网站注册来获取,返回的结果如下:

{
  "code":200,
  "msg":"success",
  "newslist":[
    {
      "name":"隐形眼镜",
      "type":3,
      "aipre":0,
      "explain":"干垃圾即其它垃圾,指除可回收物、有害垃圾、厨余垃圾(湿垃圾)以外的其它生活废弃物。",
      "contain":"常见包括砖瓦陶瓷、渣土、卫生间废纸、猫砂、污损塑料、毛发、硬壳、一次性制品、灰土、瓷器碎片等难以回收的废弃物",
      "tip":"尽量沥干水分;难以辨识类别的生活垃圾都可以投入干垃圾容器内"
    },
    {
      "name":"眼镜",
      "type":3,
      "aipre":0,
      "explain":"干垃圾即其它垃圾,指除可回收物、有害垃圾、厨余垃圾(湿垃圾)以外的其它生活废弃物。",
      "contain":"常见包括砖瓦陶瓷、渣土、卫生间废纸、猫砂、污损塑料、毛发、硬壳、一次性制品、灰土、瓷器碎片等难以回收的废弃物",
      "tip":"尽量沥干水分;难以辨识类别的生活垃圾都可以投入干垃圾容器内"
    },
  ]
}

接口的字段说明大家可以看官网文档,这里我就不再赘述了。下面来编写请求文本分类接口的代码:

import base64
import requests


class TxApiService:
    def __init__(self):
        self.appkey = 'xxx'  # 需要换成自己的
        self.text_cls_url_root = 'https://api.tianapi.com/txapi/lajifenlei/index?key=%s&word=%s'
        self.img_cls_url_root = 'https://api.tianapi.com/txapi/imglajifenlei/index'

    def get_text_cls_res(self, garbage_name):
        url = self.text_cls_url_root % (self.appkey, garbage_name)
        response = requests.get(url)

        res = []
        if response.status_code == 200:
            res_json = response.json()
            if res_json.get('newslist'):
                new_list_json = res_json['newslist']
                for item in new_list_json:
                    name = item.get('name')
                    cat = self.garbage_id_to_name(item.get('type'))
                    tip = item.get('tip')
                    ai_pre = item.get('aipre')
                    pre_type = 'None'
                    if ai_pre == 0:
                        pre_type = '正常结果'
                    if ai_pre == 1:
                        pre_type = '预判结果'
                    item_dict = {'name': name, 'type': cat, 'tip': tip, 'pre_type': pre_type}
                    res.append(item_dict)
                return res
            else:
                return None
        return None

    def garbage_id_to_name(self, id):
        if id == 0:
            return '可回收物'
        if id == 1:
            return '有害垃圾'
        if id == 2:
            return '厨余垃圾'
        if id == 3:
            return '其他垃圾'
        return None

代码比较简单,用Python的requests库请求垃圾分类接口,并对返回的数据格式化。 下面再来编写请求图像分类的接口

def get_img_cls_res(self, img_base64):
    headers = {
        'Content-Type''application/x-www-form-urlencoded'
    }
    body = {
        'key': self.appkey,
        "img": img_base64,
    }
    response = requests.post(self.img_cls_url_root, headers=headers, data=body)

    res = []
    if response.status_code == 200:
        res_json = response.json()
        if res_json.get('newslist'):
            new_list_json = res_json['newslist']
            for item in new_list_json:
                name = item.get('name')
                cat = self.garbage_id_to_name(item.get('lajitype'))
                tip = item.get('lajitip')
                trust = item.get('trust')
                if trust <= 80:
                    continue
                item_dict = {'name': name, 'type': cat, 'tip': tip, 'pre_score': trust}
                res.append(item_dict)
            return res
        else:
            return None
    return None

函数的参数是图像的base64编码,请求方式是POST请求,返回值字段与文本分类略有不同,但思路是一样的。这两部分内容其实比简单,这里我就不再过多解释了。

有了数据服务,下面我们就来开发GUI,这里我用的是tkinter,用它编写的APP可以运行在Linux、Windows和Mac系统,关于tkinter的使用这里我不会做过多介绍,不了解的朋友自行百度,之前我也没结果过基本上看网上的教程照猫画虎。 首选,创建GarbageClassificationApp类,来定义用到的各种组件

import base64
import tkinter

from tkinter import *
import hashlib
import time
from tkinter import filedialog

from TxApiService import TxApiService

class GarbageClassificationApp:
    def __init__(self, tk):
        """
        初始化各个组件
        :param tk:
        """

        self.tk = tk

        # 第一行定义文本分类相关的组件
        self.text_cls_label = Label(self.tk, text="垃圾名:")
        self.garbage_name_text = Entry(self.tk)
        self.text_cls_button = \
            Button(self.tk, text="垃圾名分类", bg="lightblue", width=10, height=1, command=self.garbage_name_cls)

        # 第二行定义图像分类相关的组件
        self.img_cls_label = Label(self.tk, text="垃圾图片:")
        self.select_file_button = Button(self.tk, text='选择图片', command=self.select_pic)
        self.img_cls_button = \
            Button(self.tk, text="图片分类", bg="lightblue", width=10, height=1, command=self.garbage_img_cls)
        self.img_name_text = Text(self.tk, height=2)
        self.img_name_text.insert(1.0'未选择图片:')
        self.img_name_text['state'] = DISABLED

        # 第三行定义输出结果相关的组件
        self.cls_result_label = Label(self.tk, text="分类结果:")
        self.output_cls_result_list_box = Listbox(self.tk, width=100, height=30)

        # 初始化 api 服务
        self.api_service = TxApiService()

        self.set_init_window()

再来创建set_init_window函数对各个组件进行布局

# 各组件布局
def set_init_window(self):
    self.tk.title("垃圾分类")
    self.tk.geometry('1068x681+350+200')  # 1068x681为窗口大小,+100 +100 定义窗口弹出时的默认展示位置

    # 第一行文本分类各组件的布局
    self.text_cls_label.grid(row=0, column=0, sticky=E)
    self.garbage_name_text.grid(row=0, column=1)
    self.text_cls_button.grid(row=0, column=2, padx=10)

    # 第二行图像分类各组件的布局
    self.img_cls_label.grid(row=1, column=0, sticky=E)
    self.select_file_button.grid(row=1, column=1)
    self.img_cls_button.grid(row=1, column=2, padx=10)
    self.img_name_text.grid(row=1, column=3, padx=10)

    # 第三行输出结果各组件的布局
    self.cls_result_label.grid(row=2, column=0, rowspan=2, sticky=E)
    self.output_cls_result_list_box.grid(row=4, column=1, columnspan=10, pady=10, sticky=E)

这样,界面就完成了。上面定义的一些组件中会有一些事件处理逻辑,比如一个按钮Button被按下时,它就会调用commond属性指定的函数。以文本分类Button为例(text_cls_button),用户按下该按钮后,程序就会执行garbage_name_cls函数,在该函数中我们就可以请求文本分类服务,并将返回的数据显示到界面上。代码如下:

def garbage_name_cls(self):
    garbage_name = self.garbage_name_text.get()
    cat_arr = self.api_service.get_text_cls_res(garbage_name)
    self.output_cls_result_list_box.delete(0, END)

    if cat_arr:
        i = 0
        for item in cat_arr:
            name = '垃圾名称: %s' % item.get('name''None')
            self.output_cls_result_list_box.insert(i, name)
            i += 1
            cat = '垃圾类别: %s' % item.get('type''None')
            self.output_cls_result_list_box.insert(i, cat)
            i += 1
            pre_type = '预判类型: %s' % item.get('pre_type''None')
            self.output_cls_result_list_box.insert(i, pre_type)
            i += 1
            tip = '投放提示: %s' % item.get('tip''None')
            self.output_cls_result_list_box.insert(i, tip)
            i += 1

            self.output_cls_result_list_box.insert(i, '')
            i += 1

其他事件处理逻辑类似,代码如下

def select_pic(self):
    """
    单选图片
    :return:
    """

    file_name = filedialog.askopenfilename(
        filetypes=[('图片', ('.png''.jpg''.jpeg'))])
    if file_name:
        self.img_name_text['state'] = NORMAL
        self.img_name_text.delete(1.0, END)
        self.img_name_text.insert(1.0'已选择图片:%s' % file_name)
        self.img_name_text['state'] = DISABLED

def garbage_img_cls(self):
    img_name_text = self.img_name_text.get(1.0, END)
    if img_name_text.startswith('已选择图片:'):
        file_path = img_name_text[6:].strip()
    else:
        return
    with open(file_path, 'rb'as f:
        base64_data = base64.b64encode(f.read())
        img_base64 = base64_data.decode()
    cat_arr = self.api_service.get_img_cls_res(img_base64)
    self.output_cls_result_list_box.delete(0, END)

    if cat_arr:
        i = 0
        for item in cat_arr:
            name = '垃圾名称: %s' % item.get('name''None')
            self.output_cls_result_list_box.insert(i, name)
            i += 1
            cat = '垃圾类别: %s' % item.get('type''None')
            self.output_cls_result_list_box.insert(i, cat)
            i += 1
            pre_type = '预测得分: %s' % item.get('pre_score''None')
            self.output_cls_result_list_box.insert(i, pre_type)
            i += 1
            tip = '投放提示: %s' % item.get('tip''None')
            self.output_cls_result_list_box.insert(i, tip)
            i += 1

            self.output_cls_result_list_box.insert(i, '')
            i += 1

至此,PC端桌面APP就开发完成,这里我们没有实现语音分类服务,但思路是一样的,大家可以尝试一下。小程序的代码我就不贴了,我会一起放到源码目录中,在公众号回复关键字 垃圾分类 即可获取整篇文章全部源码。今天开发这个小项目还是花了不少的时间,文章整理出来已经比较晚了,现在是凌晨1点左右,如果又不好理解的后者需要我深入讲解的大家可以给我留言。另外,时间比较紧,所以APP做的比较挫,交互也比较差,有任何建议也欢迎大家留言。

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zyzxzp.html