20行Python代码开发植物识别 app

这篇文章介绍如何用Python快速实现一个植物识别的app，家里养了几盆多肉还叫不上名字，正好拿来识别一下。实现这样一个app只需要20行左右的代码，先来看下效果：

另外，我也开发了微信小程序版本，大家可以体验一下。

实现该app主要包含两步，前端界面开发和后端植物识别服务，下面来分别介绍一下。

前端的实现方式有很多种，刚刚说的小程序是一种，但对于习惯用Python的开发者来说，我们还是希望能通过Python语言来开发界面。果然真有这样的工具，叫streamlit，它是专门为数据科学家、机器学习工程师而开发的，使用它的时候不需要关心布局、样式、服务部署等web相关的知识，而就像开发普通Python程序一样，快速构建优美的app。streamlit的安装也很简单，执行pip install streamlit命令即可。想入门streamlit的朋友可以看次条的文章。

接下来，我们把前端界面开发出来，从上面动图可以看到，最核心逻辑为接收用户输入的图片，并将其显示出来。

import streamlit as st

# 设置网站标题
st.title('植物识别')

# 图片选择框
uploaded_file = st.file_uploader('选择一张图片', type=['jpg', 'png'])
if uploaded_file is not None:
    # 显示已选的文件
    st.image(uploaded_file, caption='已选文件', use_column_width=True)

界面完成后，我们再来考虑植物图片的识别服务，这里我用的是百度AI的服务

执行pip install baidu-aip命令即可安装百度AI的Python SDK。然后，再去百度AI开放平台注册一个账号获得相应的APP_KEY和SCRET_KEY。编写代码调用植物识别服务

from aip import AipImageClassify

APP_ID = 'xxx'  # 换成自己的 APP_ID
API_KEY = 'xxx' # 换成自己的 API_KEY
SECRET_KEY = 'xxx' # 换成自己的 SECRET_KEY
client = AipImageClassify(APP_ID, API_KEY, SECRET_KEY)

""" 植物识别结果 """
res = client.plantDetect(image)  # 调用百度api识别植物

最后将返回的结果在app上展示即可，完整代码如下

import streamlit as st
from aip import AipImageClassify

APP_ID = 'xxx'
API_KEY = 'xxx'
SECRET_KEY = 'xxx'
client = AipImageClassify(APP_ID, API_KEY, SECRET_KEY)

# 设置网站标题
st.title('植物识别')

# 图片选择框
uploaded_file = st.file_uploader('选择一张图片', type=['jpg', 'png'])
if uploaded_file is not None:
    # 显示已选的文件
    st.image(uploaded_file, caption='已选文件', use_column_width=True)
    bs = uploaded_file.read()

    """ 植物识别结果 """
    res = client.plantDetect(bs)  # 调用百度api识别植物
    res['result']  # 显示输出结果

    """ 该植物最有可能是 """, res['result'][0]['name']  # 取预测概率最大的结果

执行streamlit run plant_detect.py命令启动app，看到有如下输出

  You can now view your Streamlit app in your browser.

  Local URL: http://localhost:8501
  Network URL: http://192.168.1.3:8501

在浏览器访问指定的地址即可。

希望这篇文章的内容能对你有用，接下来我会定期分享这种AI小应用希望大家能够喜欢。另外，完整代码（包括微信小程序）已经开放，公众号后台回复关键字 植物识别 即可获取完整资料。

欢迎公众号「渡码」，输出别地儿看不到的干货。