'commit'

Apps/TeLaiDian/ReadImageKit.py

@@ -179,37 +179,6 @@ class ReadImageKit:
         logger.warning(f"[OCR] 未能在顶部区域定位到‘价格’标签")
         return {"found": False}
 
-    async def find_price_tab_ocr(self, image_path):
-        """
-        使用 OCR 在详情页寻找顶部“价格”标签
-        """
-        img = read_image(image_path)
-        if img is None:
-            return {"found": False}
-        h, w = img.shape[:2]
-        
-        from Util.EasyOcrKit import get_easyocr_reader
-        reader = get_easyocr_reader(gpu=True)
-        
-        # 顶部标签栏通常在屏幕上部 10%-30% 区域
-        # 我们先识别所有文字，然后过滤出“价格”
-        results = reader.read_text(img)
-        for (quad, text, prob) in results:
-            if "价格" in text and prob > 0.3:
-                # 获取中心点
-                rect = reader.get_normalized_rect(quad, w, h)
-                center_x = (rect[0] + rect[2]) // 2
-                center_y = (rect[1] + rect[3]) // 2
-                
-                # 校验位置：必须在屏幕上半部分
-                if center_y < 500:
-                    logger.info(f"[OCR] 找到顶部价格标签: '{text}', 置信度: {prob:.4f}, 坐标: [{center_x}, {center_y}]")
-                    return {
-                        "found": True,
-                        "point": [center_x, center_y]
-                    }
-        
-        return {"found": False}
 
     async def find_price_entrance_ocr(self, image_path):
         """
@@ -239,7 +208,8 @@ class ReadImageKit:
                 "point": [center_x, center_y]
             }
         
-        logger.warning(f"[OCR] 未能在页面中定位到‘全部时段’")
+        # 记录警告日志
+        logger.warning(f"⚠️ [OCR识别失败] 在图片中未发现‘全部时段’关键字: {image_path}")
         return {"found": False}
 
     async def find_close_button_vlm(self, image_path):
@@ -424,18 +394,31 @@ class ReadImageKit:
 
     async def analyze_detail_basic_info(self, image_path):
         """
-        分析详情页首屏截图，提取场站名称和精确地址
+        分析详情页首屏截图，提取场站名称、精确地址以及电桩状态信息
         """
         prompt = """
         分析这张充电站详情页首屏截图，提取：
         1. 场站名称 (通常在页面中部，大字体)
         2. 详细地址 (通常在名称下方或页面下半部分，伴有地址图标)
+        3. 电桩状态信息：寻找包含“快充”、“慢充”、“空闲”、“总数”或类似描述的区域。
+           - 提取快充桩的总数和空闲数
+           - 提取慢充桩的总数和空闲数
+           - 计算总桩数 (total_piles) 和总空闲数 (free_piles)
+        4. 停车费信息：寻找“停车费”、“停车减免”、“免费停车”等相关描述。
         
         输出格式为 JSON：
         {
             "name": "xxx充电站",
-            "address": "xxx省xxx市xxx区xxx路xxx号"
+            "address": "xxx省xxx市xxx区xxx路xxx号",
+            "total_piles": 10,
+            "free_piles": 5,
+            "piles_detail": [
+                {"type": "快充", "total": 6, "free": 3},
+                {"type": "慢充", "total": 4, "free": 2}
+            ],
+            "parking_info": "前2小时免费，之后5元/小时"
         }
+        注意：如果无法确定某个数值，请设为 null。
         """
         try:
             res_text = await self.vlm.analyze_image(image_path, prompt)