# coding=utf-8 import logging import os import sys import json # Ensure sys path includes root for imports if not already project_root = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) if project_root not in sys.path: sys.path.append(project_root) from Util.VLMKit import VLMKit from Apps.TeLaiDian.Kit import draw_rectangles, detect_cards_cv, setup_logger, read_image from Apps.TeLaiDian.Config.Setting import SAFE_EXCLUDE_RATIO, BOTTOM_SAFE_EXCLUDE_RATIO # 初始化日志 logger = setup_logger("ReadImageKit") class ReadImageKit: def __init__(self): self.vlm = VLMKit() async def find_price_entrance_vlm(self, image_path): """ 使用 VLM 在详情页寻找价格入口（如：1.1556元/度 的卡片或价格信息按钮） """ prompt = """ 分析这张充电站详情页截图，找到进入“分时电价详情”的点击入口。 入口特征： 1. 包含价格数字的卡片，例如 "1.1556元/度"。 2. 或者标有 "价格信息"、"电价详情" 字样的按钮。 请判断该入口是否存在，并给出其中心坐标。 输出格式为 JSON： { "found": true/false, "reason": "为什么认为这是入口", "point": [x, y], // 归一化坐标 [0-1000]，例如 [500, 600] 代表屏幕中心偏下 "type": "price_card" / "button" } """ try: res_text = await self.vlm.analyze_image(image_path, prompt) json_str = self.vlm.extract_json(res_text) data = json.loads(json_str) # 保存诊断图片 if data.get("found") and data.get("point"): p = data["point"] # 转换坐标 img = read_image(image_path) if img is not None: h, w = img.shape[:2] actual_p = [int(p[0] * w / 1000), int(p[1] * h / 1000)] # 生成虚拟 bbox bbox = [actual_p[0]-50, actual_p[1]-30, actual_p[0]+50, actual_p[1]+30] draw_rectangles(image_path, bboxes=[bbox], click_points=[actual_p]) logger.info(f"已生成价格入口诊断图片: {image_path.replace('.jpg', '_vl.jpg')}") return data except Exception as e: logger.error(f"VLM 寻找价格入口失败: {e}") return {"found": False} async def find_close_button_vlm(self, image_path): """ 使用 VLM 在页面上寻找关闭按钮（用于清理广告弹窗） """ prompt = """ 分析这张截图，判断是否存在弹窗广告或遮罩层。 如果存在，请找到关闭按钮（通常是圆圈里的 X，或者写着“跳过”、“关闭”的按钮）。 **重要警告**： 1. 严禁选择屏幕最右上角的按钮（微信小程序的“胶囊按钮”，包含三个点和圆圈）。 2. 广告关闭按钮通常在弹窗的边缘，或者是页面中心大弹窗的某个角落。 输出格式为 JSON： { "has_ad": true/false, "reason": "简单描述发现的弹窗", "close_point": [x, y] // 归一化坐标 [0-1000]，如果不存在则为 null } """ try: res_text = await self.vlm.analyze_image(image_path, prompt) json_str = self.vlm.extract_json(res_text) data = json.loads(json_str) # 保存诊断图片 if data.get("has_ad") and data.get("close_point"): p = data["close_point"] # 转换坐标 img = read_image(image_path) if img is not None: h, w = img.shape[:2] actual_p = [int(p[0] * w / 1000), int(p[1] * h / 1000)] # 生成虚拟 bbox bbox = [actual_p[0]-50, actual_p[1]-30, actual_p[0]+50, actual_p[1]+30] draw_rectangles(image_path, bboxes=[bbox], click_points=[actual_p]) logger.info(f"已生成广告关闭诊断图片: {image_path.replace('.jpg', '_vl.jpg')}") return data except Exception as e: logger.error(f"VLM 寻找关闭按钮失败: {e}") return {"has_ad": False} async def check_wrong_page_vlm(self, image_path): """ 检查是否误触进入了错误的页面（如：新人福利、我的卡券、活动页等） """ prompt = """ 分析这张截图，判断这是否是一个真实的“充电站详情页”。 **识别准则**： 1. 真正的“详情页”必须包含：充电站的具体名称、电价列表、终端状态（空闲/占用）等信息。 2. 如果页面标题是“新人福利专区”、“活动规则”、“我的卡券”、“领券中心”或类似的营销活动页，则判定为错误页面。 输出格式为 JSON： { "is_detail_page": true/false, "page_type": "detail" / "marketing" / "coupons" / "other", "reason": "判断依据" } """ try: res_text = await self.vlm.analyze_image(image_path, prompt) json_str = self.vlm.extract_json(res_text) data = json.loads(json_str) return data except Exception as e: logger.error(f"VLM 检查页面类型失败: {e}") return {"is_detail_page": True} # 默认认为是详情页，避免死循环 async def analyze_detail_price(self, image_path): """ 分析详情页截图，提取电价信息，包括优惠价、PLUS价和挂牌价 """ prompt = """ 分析这张充电站价格详情页截图，提取**分时电价表**。 对于每个时段，请识别并提取以下所有价格信息（如果存在）： 1. 优惠价 (通常是红色或加粗的大字，作为默认 price) 2. PLUS会员价 (标有 "PLUS" 标签的价格) 3. 挂牌价 (标有 "挂牌价" 标签的价格) 4. 电费 (Base electricity price) 5. 服务费 (Service fee) 请提取每个时段的： - start: 开始时间 (HH:MM) - end: 结束时间 (HH:MM) - price: 优惠价 (元/度) - plus_price: PLUS会员价 (元/度) - market_price: 挂牌价 (元/度) - elec_price: 电费 (元/度) - service_price: 服务费 (元/度) 输出格式为 JSON 数组： [ { "start": "16:00", "end": "21:00", "price": 1.3435, "plus_price": 1.3035, "market_price": 1.4435, "elec_price": 0.9435, "service_price": 0.4000 }, ... ] 注意： - 如果某个字段缺失，请设为 null。 - 确保 price 包含电费和服务费的总和。 - 如果无法识别任何价格信息，请返回空数组 []。 """ try: res_text = await self.vlm.analyze_image(image_path, prompt) logger.info(f"VLM Price Analysis Result for {os.path.basename(image_path)}: {res_text[:200]}...") json_str = self.vlm.extract_json(res_text) prices = json.loads(json_str) normalized_prices = [] if isinstance(prices, list): for p in prices: new_p = p.copy() if 'time_range' in p and ('start' not in p or 'end' not in p): tr = p['time_range'].replace('~', '-').replace(' ', '') parts = tr.split('-') if len(parts) >= 2: new_p['start'] = parts[0] new_p['end'] = parts[1] if 'price' not in p: if 'total_price' in p: new_p['price'] = p['total_price'] elif 'elec_price' in p and 'service_price' in p: try: new_p['price'] = float(p['elec_price']) + float(p['service_price']) except: pass normalized_prices.append(new_p) return normalized_prices return [] except Exception as e: logger.error(f"分析电价详情失败: {e}") return [] 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 """ 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) 输出格式为 JSON： { "name": "xxx充电站", "address": "xxx省xxx市xxx区xxx路xxx号" } """ try: res_text = await self.vlm.analyze_image(image_path, prompt) json_str = self.vlm.extract_json(res_text) return json.loads(json_str) except Exception as e: logger.error(f"分析详情页基础信息失败: {e}") return {} 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 """ cv_bboxes = detect_cards_cv(image_path, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO) if cv_bboxes: draw_rectangles(image_path, bboxes=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)}。 每个对象包含： - "name": 场站名称 - "address": 场站地址 - "is_valid": true/false (是否为真实的场站卡片) """ else: prompt = """ 分析这张充电站列表截图，提取所有充电站卡片信息。 **重要限制**： 1. 忽略页面上半部分（坐标 y < 500）的所有内容，包括顶部的搜索框、广告 Banner 和“PLUS会员/我的卡券”等图标。 2. 仅提取下方重复出现的、包含“充电站”名称的矩形卡片。 输出格式为 JSON 数组，每个对象包含： - "name": 场站名称 - "address": 场站地址 - "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) json_str = self.vlm.extract_json(res_text) vlm_results = json.loads(json_str) final_stations = [] if cv_bboxes and isinstance(vlm_results, list): for i, res in enumerate(vlm_results): if i < len(cv_bboxes): bbox = cv_bboxes[i] if res and (res.get("is_valid") is True or (res.get("name") and res.get("is_valid") is not False)): final_stations.append({ "name": res.get("name"), "address": res.get("address"), "point": [(bbox[0] + bbox[2]) // 2, (bbox[1] + bbox[3]) // 2], "bbox": bbox }) elif not cv_bboxes: vlm_list = vlm_results if isinstance(vlm_results, list) else [] w, h = 0, 0 for res in vlm_list: p = res.get("point") if p and len(p) == 2: # 1. 坐标转换逻辑 actual_p = p if p[0] <= 1000 and p[1] <= 1000: if w == 0: img = read_image(image_path) if img is not None: h, w = img.shape[:2] else: w, h = 1080, 2400 # 兜底 actual_p = [int(p[0] * w / 1000), int(p[1] * h / 1000)] # 2. 坐标安全过滤：忽略页面上半部分的误点击（通常是 Logo 或广告） # 即使 VLM 没听话，我们也在这里硬性过滤 # 根据主屏幕截图，顶部广告区和功能图标区占用了约 55% 的空间 y_threshold = h * 0.58 if h > 0 else 1400 if actual_p[1] < y_threshold: logger.warning(f"过滤掉可能的误点击点 (y={actual_p[1]} < {y_threshold}): {res.get('name')}") continue res["point"] = actual_p final_stations.append(res) # 保存诊断图片 (_vl.jpg, _flag.jpg) if final_stations: debug_bboxes = [] debug_points = [] for s in final_stations: if s.get("bbox"): debug_bboxes.append(s["bbox"]) if s.get("point"): debug_points.append(s["point"]) # 如果没有 bbox，根据 point 生成一个虚拟 bbox 供可视化 if not debug_bboxes and debug_points: for p in debug_points: debug_bboxes.append([p[0]-50, p[1]-30, p[0]+50, p[1]+30]) if debug_bboxes or debug_points: draw_rectangles(image_path, bboxes=debug_bboxes, click_points=debug_points) logger.info(f"已生成诊断图片: {image_path.replace('.jpg', '_vl.jpg')} 和 _flag.jpg") return final_stations except Exception as e: logger.error(f"分析列表页失败: {e}") return []