文章目录

• 一、效果预览
• • 1.1 首页推荐图
  • 1.2 菜谱智能识别页面
  • 1.3 菜谱类别列表
  • 1.4 步骤详情
• 二、需求背景
• 三、技术架构
• • 3.1 系统整体架构图
  • 3.2 系统技术栈
  • 3.3 系统数据流转图
• 四、系统实现
• • 4.1 小程序端功能实现
  • • 4.1.1 菜谱应用首页
    • 4.1.2 菜谱识别功能页
    • 4.1.3 菜谱制作详情页
  • 4.2 Flask服务端功能实现
  • • 4.2.1 后端数据传输接口实现
    • 4.2.2 调用识别接口功能实现
    • 4.2.3 Python动态爬虫实现
• 五、拓展阅读

一、效果预览

1.1 首页推荐图

1.2 菜谱智能识别页面

1.3 菜谱类别列表

1.4 步骤详情

二、需求背景

每次去饭店吃好吃的，你有没有遇到过一两个让你觉得很想学会做的菜品，这个时候又不好直接去问厨师，又奈何自己的手艺不行！
所以，就算我们不知道，但我们总会有办法知道，于是我选择让AI这位大厨告诉我！
直接通过拍照识别你想要知道的菜品，就能知道其制作的全流程！直接省去了自己去“下厨房”这一类平台搜索并学习的过程！直接用ai帮你解决全流程！

三、技术架构

在开始介绍本项目的具体实现流程之前，我么先对整个项目的技术栈、项目架构、以及项目的数据流进行熟悉。

3.1 系统整体架构图

3.2 系统技术栈

3.3 系统数据流转图

本项目的数据流转主要，从小程序端到百度SDK接口端，详细过程如下所示：

四、系统实现

4.1 小程序端功能实现

4.1.1 菜谱应用首页

页面采用了手机端常用的经典Flex布局，结合Uview组件进行编排。直接上代码：

4.1.2 菜谱识别功能页

这一页的主要功能在于给用户一个上传菜品照片或者拍照的接口，同时放回系统的识别结果：

4.1.3 菜谱制作详情页

该页展示了如何制作该菜品的全流程，每一步都能信手捏来：

4.2 Flask服务端功能实现

4.2.1 后端数据传输接口实现

数据传输接口主要包括图片数据的接收和保存，以及Flask服务的启动和端口指定

from flask import Flask, jsonify, request
import re,os
from aip import AipImageClassify
import RecognizeCar.CrawleCarHome as carhome
from difflib import SequenceMatcher
import ToCook.CookSpider as cookhomebasedir = os.path.abspath(os.path.dirname(__file__))  # 定义一个根目录 用于保存图片用@app.route('/getLastCook', methods=['GET', 'POST'])
def getLastCook():print(last_result)return  last_result@app.route('/uploadCook', methods=['GET', 'POST'])
def recognizeCookImg():# 获取图片文件 name = uploadimg = request.files.get('image')# 定义一个图片存放的位置 存放在static下面path = basedir + "\\"# 图片名称imgName = img.filename# 图片path和名称组成图片的保存路径file_path = path + imgName# 保存图片img.save(file_path)""" 读取图片 """def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read()image = get_file_content(file_path)""" 调用菜品识别 """result = client.dishDetect(image)print(result['result'][0]['name'])# recognized_name = result['result'][0]['name'].replace('_','')# print(single_get_first(result['result'][0]['name'].replace('_','')))#cook_res = cookhome.doSpider(result['result'][0]['name'])print(cook_res)# for item in car_list1#     # print(item['name'][0])#     similarity_ratio = SequenceMatcher(None, recognized_name, item['name'][0]).ratio()#     if similarity_ratio > 0.7 :#         print(item)#         return itemlast_result['body']  = cook_resreturn cook_resif __name__ == '__main__':app.run(host="0.0.0.0", port=int("8099"), debug=True)

4.2.2 调用识别接口功能实现

该识别接口主要是调用百度SDK的图像识别接口：

• 安装图像识别 Python SDK

图像识别 Python SDK目录结构

├── README.md
├── aip                   //SDK目录
│   ├── __init__.py       //导出类
│   ├── base.py           //aip基类
│   ├── http.py           //http请求
│   └── imageclassify.py //图像识别
└── setup.py              //setuptools安装

支持Python版本：2.7.+ ,3.+

安装使用Python SDK有如下方式：

• 如果已安装pip，执行pip install baidu-aip即可。
• 如果已安装setuptools，执行python setup.py install即可。

• 新建AipImageClassify

AipImageClassify是图像识别的Python SDK客户端，为使用图像识别的开发人员提供了一系列的交互方法。

参考如下代码新建一个AipImageClassify：

    from aip import AipImageClassify""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'client = AipImageClassify(APP_ID, API_KEY, SECRET_KEY)

在上面代码中，常量APP_ID在百度智能云控制台中创建，常量API_KEY与SECRET_KEY是在创建完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问做签名验证，可在AI服务控制台中的应用列表中查看，如下：

注意：如您以前是百度智能云的老用户，其中API_KEY对应百度智能云的“Access Key ID”，SECRET_KEY对应百度智能云的“Access Key Secret”。

• 配置AipImageClassify（可选）

如果用户需要配置AipFace的网络请求参数(一般不需要配置)，可以在构造AipFace之后调用接口设置参数，目前只支持以下参数：

4.2.3 Python动态爬虫实现

该过程主要是围绕使用Pthon中的Request库爬虫对下厨房的菜品以及制作步骤进行实时爬取。

import requests,json,re
from lxml import etree,htmlBASE_URL  = 'https://www.xiachufang.com'def doSpider(first_tag):url = 'https://www.xiachufang.com/search/?keyword={0}'.format(first_tag)resp = requests.get(url)# html文档resp = requests.get(url, headers={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.26 Safari/537.36 Core/1.63.6776.400 QQBrowser/10.3.2601.400',})# resp.encoding = 'utf-8'rest = resp.textbody = etree.HTML(rest)res = body.xpath('/html/body/div[4]/div/div/div[1]/div[1]/div/div[2]/div[1]/ul/li')result = []for item in res:obj = {'name':str.strip(item.xpath('.//p[@class="name"]/a/text()')[0]),'stepUrl': BASE_URL + str.strip(item.xpath('.//p[@class="name"]/a/@href')[0]),'img': item.xpath('./div/a/div/img/@data-src')[0]}# hh = html.tostring(,encoding='utf-8').decode('utf-8')result.append(obj)breakresult[0]['steps'] = crawleDetail(result[0])print(result[0])return result[0]def crawleDetail(target):resp = requests.get(target['stepUrl'], headers={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.26 Safari/537.36 Core/1.63.6776.400 QQBrowser/10.3.2601.400',})# resp.encoding = 'utf-8'rest = resp.textbody = etree.HTML(rest)source = body.xpath('/html/body/div[4]/div/div/div[1]/div[1]/div/div[5]/table/tr')# source_list = []# for item in source:#     print(html.tostring(item, encoding='utf-8').decode('utf-8'))#     print(item.xpath('.//td/a/text()'))#     print(item.xpath('.//td/text()'))#1、6#年CSDN账号码龄，原创高质量博客80余篇，质量分均在90以上。 2、拥有网络工程师中级职称以及电子通信工程（大数据推荐系统方向）硕士学位，发表中文核心论文3余篇。 3、研究生期间与朋友就小程序方向进行创业，用户日活达1000 +。 4、目前就职于国内第二梯队互联网公司，任大数据平台工程师，负责公司风控业务的开发工作，每日处理数据达千万量，有丰富的技术积累。steps = body.xpath('/html/body/div[4]/div/div/div[1]/div[1]/div/div[6]/ol/li')step_list = []for index,item in enumerate(steps):obj = {'step':index+1,'operation':item.xpath('./p/text()')[0],'img':item.xpath('./img/@src')[0]}step_list.append(obj)print(obj)return step_list# print(hh)if __name__ == '__main__':doSpider('白菜')

五、拓展阅读

🥇入门和进阶小程序开发，不可错误的精彩内容🥇 ：

• 《小程序开发必备功能的吐血整理【个人中心界面样式大全】》

• 《微信小程序 | 动手实现双十一红包雨》

• 《微信小程序 | 人脸识别的最终解决方案》

• 《来接私活吧？小程序接私活必备功能-婚恋交友【附完整代码】》

• 《吐血整理的几十款小程序登陆界面【附完整代码】》