fdfc3e2e2b
- 移除 CLIPEmbedder 本地模型类，改用远程图片 Embedding API 获取特征向量 - 新增 get_image_embedding() 函数，支持重试机制 - 移除本地图片上传功能，仅保留 URL 输入和示例图片选择 - build_index() 增加进度条显示，索引失败时展示具体错误信息 - 移除 torch、transformers、requests 依赖，新增 httpx - 更新界面文案，反映新的技术方案
pest-image-search 病虫害以图搜图
基于 CLIP 视觉模型的病虫害图片相似度搜索应用。上传病虫害患处图片，系统自动提取视觉特征并检索知识库中最相似的病虫害类型，提供症状描述与防治建议。
功能特性
- 🖼️ 支持上传本地图片、输入图片 URL、选择示例图片三种查询方式
- 🧠 基于
openai/clip-vit-base-patch32本地视觉模型提取图像特征 - 📊 相似度可视化条形图
- 🏷️ 覆盖水稻、小麦、玉米、大豆、番茄、黄瓜等常见作物的病虫害知识库
- 💡 智能推荐最可能的病虫害及防治方案
技术栈
- Python 3.14+
- Streamlit 1.52.1
- Plotly 6.5.0
- Transformers 4.51.3 + PyTorch 2.7.0 (CLIP 模型)
- Pillow、NumPy、Requests
快速开始
使用 uv（推荐）
# 安装依赖
uv sync
# 运行应用
uv run streamlit run app.py
使用 just
# 查看所有可用命令
just --list
# 运行应用
just run
# 代码格式化
just format
# 代码检查
just check
Docker 部署
# 构建镜像
docker build -t pest-image-search .
# 运行容器
docker run -p 8000:8000 pest-image-search
项目结构
pest-image-search/
├── app.py # 主应用文件（Streamlit）
├── main.py # 入口文件
├── pyproject.toml # 项目配置
├── justfile # 任务自动化
├── Dockerfile # Docker 配置
└── README.md # 项目文档
使用说明
- 首次启动时会自动下载 CLIP 模型（约 300MB），请保持网络畅通
- 加载完成后自动构建病虫害图片索引
- 上传或选择查询图片后点击「开始搜索」，即可获得 Top-K 相似病虫害结果
- 结果仅供参考，实际防治请结合田间情况或咨询农业专家
许可证
MIT License