'commit'

Apps/YeLiTe/ReadImageKit.py

@@ -12,8 +12,8 @@ from Util.VLMKit import VLMKit
 
 import json
 import re
-from Apps.YeLiTe.Kit import draw_rectangles
-from Apps.YeLiTe.Config.Setting import DRAW_DEBUG_BOXES
+from Apps.YeLiTe.Kit import draw_rectangles, detect_cards_cv
+from Apps.YeLiTe.Config.Setting import DRAW_DEBUG_BOXES, SAFE_EXCLUDE_RATIO, BOTTOM_SAFE_EXCLUDE_RATIO
 
 logger = logging.getLogger(__name__)
 
@@ -57,43 +57,61 @@ class ReadImageKit:
 
     async def analyze_station_list(self, image_path):
         """
-        分析场站列表页图片，提取场站位置和基本信息
+        分析场站列表页图片，提取场站位置和基本信息 (Hybrid 模式: CV 检测边界 + VLM 识别文字)
         """
-        prompt = """
-        分析这张充电站列表截图，提取所有充电站卡片信息。
+        # 1. 使用图形学检测卡片边界
+        cv_bboxes = detect_cards_cv(image_path, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)
         
-        **重要过滤规则：**
-        1. 忽略顶部的筛选栏、排序方式区域（包含“排序方式”、“离我最近”、“地图模式”、“停车收费”、“限时免费”等按钮的区域）。
-        2. 仅提取下方重复出现的场站信息卡片。
-        3. 场站卡片通常包含：场站名称（如“驿来特...”）、价格（如“¥1.33/度”）、快/慢充桩数量、距离等。
-        
-        输出格式为 JSON 数组，每个对象包含：
-        - "name": 场站名称
-        - "point": 场站卡片的中心点击坐标 [x, y]
-        - "bbox": 场站卡片的边界框 [x1, y1, x2, y2]
-        
-        注意：
-        1. 仅提取明显的场站列表卡片。
-        2. 坐标请以像素为单位。
-        """
+        if cv_bboxes:
+            # 在图片上绘制绿色框，方便 VLM 对应
+            draw_rectangles(image_path, cv_bboxes)
+            
+            prompt = f"""
+            图片中已经用绿色矩形框标记了 {len(cv_bboxes)} 个可能的充电站卡片。
+            请按从上到下的顺序，识别每个绿色框内的场站信息。
+            
+            输出格式为 JSON 数组，长度必须为 {len(cv_bboxes)}。
+            如果某个框内不是有效的场站卡片，请在对应的数组位置返回 null。
+            
+            每个对象包含：
+            - "name": 场站名称 (仅提取名称文字)
+            - "is_valid": true/false (是否为真实的场站卡片)
+            
+            注意：仅提取名称，不要包含距离或价格。
+            """
+        else:
+            # 如果 CV 没检测到，退回到纯 VLM 模式
+            prompt = """
+            分析这张充电站列表截图，提取所有充电站卡片信息。
+            忽略顶部的筛选栏，仅提取下方重复出现的场站卡片。
+            输出格式为 JSON 数组，每个对象包含：
+            - "name": 场站名称
+            - "point": 场站卡片的中心点击坐标 [x, y]
+            - "bbox": 场站卡片的边界框 [x1, y1, x2, y2]
+            """
         
         try:
             res_text = await self.vlm.analyze_image(image_path, prompt)
-            # 使用 VLMKit 的提取方法
             json_str = self.vlm.extract_json(res_text)
-            stations = json.loads(json_str)
+            vlm_results = json.loads(json_str)
             
-            if isinstance(stations, list):
-                # 调试绘图
-                if DRAW_DEBUG_BOXES:
-                    bboxes = [s['bbox'] for s in stations if 'bbox' in s]
-                    points = [s['point'] for s in stations if 'point' in s]
-                    draw_rectangles(image_path, bboxes + points)
+            final_stations = []
+            if cv_bboxes and isinstance(vlm_results, list):
+                # 将 VLM 识别到的名称与 CV 的坐标匹配
+                for i, res in enumerate(vlm_results):
+                    if i < len(cv_bboxes) and res and res.get("is_valid"):
+                        bbox = cv_bboxes[i]
+                        final_stations.append({
+                            "name": res.get("name"),
+                            "point": [(bbox[0] + bbox[2]) // 2, (bbox[1] + bbox[3]) // 2],
+                            "bbox": bbox
+                        })
+            elif not cv_bboxes:
+                final_stations = vlm_results if isinstance(vlm_results, list) else []
                 
-                return stations
-            return []
+            return final_stations
         except Exception as e:
-            logger.error(f"VLM 分析列表页失败: {e}")
+            logger.error(f"Hybrid 分析列表页失败: {e}")
             return []
 
     async def analyze_detail_price(self, image_path):