Python implementa la interfaz, llama a la predicción del modelo profundo y devuelve el resultado de la predicción al front-end

1. Use el software Apifox para crear una interfaz

Si desea enviar una imagen al backend, puede usar el siguiente método. Si solo hay parámetros, puede escribir los parámetros en Params. Como se muestra en la figura a continuación,

una interfaz creada, después de configurar Python más tarde, debe puede enviar la solicitud:

2. interfaz pitón

from io import BytesIO
import numpy as np
from PIL import Image
from flask import Flask, request
from flask import Flask
import matplotlib.pyplot as plt
from flask import render_template
import json
import base64
import cv2
import os
app = Flask(__name__)
from PIL import Image
from deeplab import DeeplabV3


@app.route("/test", methods=['POST'])
def check():
    # 默认返回内容
    return_dict = {
    
    'code': '200', 'message': '处理成功', 'result': None, 'label': None, 'ratio': None}
    # 接收图像
    data_file = request.files.get('MyName')
    # 接收id
    id = request.form.get("Id")

    image = Image.open(data_file)

    deeplab = DeeplabV3()
    result, ratio = deeplab.detect_image(image)
    result_ratio = [ratio]

    # 返回图像
    buffer = BytesIO()
    result.save(buffer, "PNG")  # 将Image对象转为二进制存入buffer。因BytesIO()是在内存中操作，所以实际是存入内存
    buf_bytes = buffer.getvalue()  # 从内存中取出bytes类型的图片
    base64_data2 = 'data:image/png;base64,' + str(base64.b64encode(buf_bytes), 'utf-8')

    return_dict['label'] = base64_data2
    return_dict['ratio'] = result_ratio
    return json.dumps(return_dict, ensure_ascii=False)


if __name__ == "__main__":

    app.run(debug=True)

3. prueba

Después de configurar, haga clic en Enviar para obtener el resultado previsto, que se puede copiar directamente en el navegador para verlo.