myscent 0.1.0__tar.gz

myscent-0.1.0/PKG-INFO

@@ -0,0 +1,99 @@
+Metadata-Version: 2.4
+Name: myscent
+Version: 0.1.0
+Summary: 图像 -> 10种香料配比，CLIP零样本分类的轻量香调视觉识别库
+Author-email: jeffchen1995 <10977437+jeffchen1995@user.noreply.gitee.com>
+License: MIT
+Project-URL: Homepage, https://gitee.com/jeffchen1995/myscent
+Project-URL: Bug Reports, https://gitee.com/jeffchen1995/myscent/issues
+Keywords: clip,scent,fragrance,vision,zero-shot,perfume
+Classifier: Development Status :: 3 - Alpha
+Classifier: Intended Audience :: Developers
+Classifier: Topic :: Scientific/Engineering :: Artificial Intelligence
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.9
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+Requires-Dist: open_clip_torch>=2.24.0
+Requires-Dist: torch>=2.0.0
+Requires-Dist: torchvision>=0.15.0
+Requires-Dist: Pillow>=9.0.0
+Requires-Dist: opencv-python>=4.5.0
+Requires-Dist: numpy<2,>=1.21.0
+Requires-Dist: PyYAML>=6.0
+Requires-Dist: huggingface_hub>=0.20.0
+Requires-Dist: timm>=0.9.0
+
+# Scent Vision Pipeline
+图像输入 → CLIP 零样本分类 → 10种基础香料配比输出 的轻量算法。
+
+## 核心特性
+- 单模型 CLIP 一步输出 10 维香调配比，架构极简
+- 零样本分类，无需训练，可快速扩展香调类别
+- 可视化输出：主调标识 + 配比柱状图（支持中文）
+- 支持国内 huggingface 镜像（hf-mirror.com），开箱即用
+- 内置帧间平滑，支持视频流/实时摄像头输入
+- 配置与代码分离，模块化设计，易于扩展
+
+## 性能指标
+| 设备 | 模型 | 速度 | 显存占用 |
+|------|------|------|----------|
+| GTX 1050 Ti (4GB) | ViT-B-32 | ~50 FPS | ~590 MB |
+| CPU (i7) | ViT-B-32 | ~5 FPS | - |
+
+## 环境要求
+- Python: 3.10.x
+- GPU: NVIDIA 显卡，显存 3GB+
+- CUDA: 11.8
+- 系统: Ubuntu 20.04+ / Windows 10+
+
+## 快速开始
+安装依赖：
+    pip install -r requirements.txt
+
+运行测试：
+    python tests/test_scent.py --image data/input/test1.png --output data/output/result.jpg
+
+自定义镜像（可选）：
+    export HF_ENDPOINT=https://你的镜像地址
+    python tests/test_scent.py --image data/input/test1.png
+
+## 10 种基础香料
+柑橘调 / 木质调 / 草本调 / 花香调 / 海洋调 / 焦甜调 / 肉烤调 / 奶脂调 / 鲜腥调 / 酸酪调
+注：鲜腥调、酸酪调默认有浓度上限（50%），可在 configs/base_scents.yaml 中调整。
+
+## API 用法
+    from src.scent_pipeline import ScentPipeline
+    from src.visualizer import ResultVisualizer
+    import cv2
+
+    pipeline = ScentPipeline(config_dir="configs")
+    viz = ResultVisualizer()
+
+    img = cv2.imread("test.jpg")
+    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+
+    ratio = pipeline.predict(img_rgb)  # 10维数组，0~100
+    top_name, top_val = pipeline.get_top_scent(ratio)
+
+    # 可视化
+    result_img = viz.draw(img, f"主调: {top_name} ({top_val:.1f}%)", ratio, pipeline.scent_names)
+    cv2.imwrite("result.jpg", result_img)
+
+## 目录结构
+    data/input/     输入图片
+    data/output/    可视化输出
+    src/            源代码
+    models/         模型缓存（自动下载）
+    configs/        配置文件（香调定义、场景、气味源）
+    tests/          测试脚本
+    logs/           运行日志
+
+## 配置说明
+所有可配置项都在 configs/ 目录下：
+- base_scents.yaml：10种基础香料定义（名称、浓度上限）
+- odor_sources.yaml：常见气味源物体的香调特征向量
+- scenes.yaml：不同场景的背景香调配比

myscent-0.1.0/README.md

@@ -0,0 +1,70 @@
+# Scent Vision Pipeline
+图像输入 → CLIP 零样本分类 → 10种基础香料配比输出 的轻量算法。
+
+## 核心特性
+- 单模型 CLIP 一步输出 10 维香调配比，架构极简
+- 零样本分类，无需训练，可快速扩展香调类别
+- 可视化输出：主调标识 + 配比柱状图（支持中文）
+- 支持国内 huggingface 镜像（hf-mirror.com），开箱即用
+- 内置帧间平滑，支持视频流/实时摄像头输入
+- 配置与代码分离，模块化设计，易于扩展
+
+## 性能指标
+| 设备 | 模型 | 速度 | 显存占用 |
+|------|------|------|----------|
+| GTX 1050 Ti (4GB) | ViT-B-32 | ~50 FPS | ~590 MB |
+| CPU (i7) | ViT-B-32 | ~5 FPS | - |
+
+## 环境要求
+- Python: 3.10.x
+- GPU: NVIDIA 显卡，显存 3GB+
+- CUDA: 11.8
+- 系统: Ubuntu 20.04+ / Windows 10+
+
+## 快速开始
+安装依赖：
+    pip install -r requirements.txt
+
+运行测试：
+    python tests/test_scent.py --image data/input/test1.png --output data/output/result.jpg
+
+自定义镜像（可选）：
+    export HF_ENDPOINT=https://你的镜像地址
+    python tests/test_scent.py --image data/input/test1.png
+
+## 10 种基础香料
+柑橘调 / 木质调 / 草本调 / 花香调 / 海洋调 / 焦甜调 / 肉烤调 / 奶脂调 / 鲜腥调 / 酸酪调
+注：鲜腥调、酸酪调默认有浓度上限（50%），可在 configs/base_scents.yaml 中调整。
+
+## API 用法
+    from src.scent_pipeline import ScentPipeline
+    from src.visualizer import ResultVisualizer
+    import cv2
+
+    pipeline = ScentPipeline(config_dir="configs")
+    viz = ResultVisualizer()
+
+    img = cv2.imread("test.jpg")
+    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+
+    ratio = pipeline.predict(img_rgb)  # 10维数组，0~100
+    top_name, top_val = pipeline.get_top_scent(ratio)
+
+    # 可视化
+    result_img = viz.draw(img, f"主调: {top_name} ({top_val:.1f}%)", ratio, pipeline.scent_names)
+    cv2.imwrite("result.jpg", result_img)
+
+## 目录结构
+    data/input/     输入图片
+    data/output/    可视化输出
+    src/            源代码
+    models/         模型缓存（自动下载）
+    configs/        配置文件（香调定义、场景、气味源）
+    tests/          测试脚本
+    logs/           运行日志
+
+## 配置说明
+所有可配置项都在 configs/ 目录下：
+- base_scents.yaml：10种基础香料定义（名称、浓度上限）
+- odor_sources.yaml：常见气味源物体的香调特征向量
+- scenes.yaml：不同场景的背景香调配比

myscent-0.1.0/myscent/__init__.py

@@ -0,0 +1,80 @@
+"""
+myscent: 图像 -> 10种香料配比的轻量香调视觉识别库
+
+使用示例:
+    import myscent
+    model = myscent.load_model()
+    ratio = model.predict_image("test.jpg")  # 10维数组
+    print(myscent.SCENT_NAMES_CN)  # 对应每一位的香调名称
+"""
+
+from .scent_pipeline import ScentPipeline
+
+__version__ = "0.1.0"
+
+# 香调名称（英文）- 与输出向量维度一一对应
+SCENT_NAMES = [
+    "citrus",      # 0: 柑橘调
+    "woody",       # 1: 木质调
+    "herbal",      # 2: 草本调
+    "floral",      # 3: 花香调
+    "marine",      # 4: 海洋调
+    "caramel",     # 5: 焦甜调
+    "roasted",     # 6: 肉烤调
+    "milky",       # 7: 奶脂调
+    "fishy",       # 8: 鲜腥调
+    "sour",        # 9: 酸酪调
+]
+
+# 香调名称（中文）
+SCENT_NAMES_CN = [
+    "柑橘调",
+    "木质调",
+    "草本调",
+    "花香调",
+    "海洋调",
+    "焦甜调",
+    "肉烤调",
+    "奶脂调",
+    "鲜腥调",
+    "酸酪调",
+]
+
+# 每一位的详细说明
+SCENT_DESCRIPTIONS = {
+    0: "柑橘调 - 清新柑橘、橙子、柠檬、阳光果香味",
+    1: "木质调 - 温暖雪松、檀香、森林、大地气息",
+    2: "草本调 - 青草、草本植物、新鲜自然花园感",
+    3: "花香调 - 浪漫花朵、玫瑰、茉莉、百合花香",
+    4: "海洋调 - 海洋、海水、沙滩、清新海风咸味",
+    5: "焦甜调 - 焦糖、烘焙糕点、蛋糕、香草甜点",
+    6: "肉烤调 - 烤肉、烧烤、牛排、烟熏烟火味",
+    7: "奶脂调 - 奶油、牛奶、黄油、奶酪浓郁乳香",
+    8: "鲜腥调 - 海鲜、鱼虾、生鲜市场腥鲜感（上限50%）",
+    9: "酸酪调 - 酸奶、发酵奶酪、酸香乳味（上限50%）",
+}
+
+
+def load_model(device=None):
+    """
+    加载香调识别模型
+
+    Args:
+        device: 设备，None 自动选择 (cuda/cpu)
+
+    Returns:
+        ScentPipeline 实例，可调用 predict_image() 进行预测
+    """
+    import os
+    config_dir = os.path.join(os.path.dirname(__file__), "configs")
+    return ScentPipeline(config_dir=config_dir, device=device)
+
+
+__all__ = [
+    "load_model",
+    "ScentPipeline",
+    "__version__",
+    "SCENT_NAMES",
+    "SCENT_NAMES_CN",
+    "SCENT_DESCRIPTIONS",
+]

myscent-0.1.0/myscent/configs/base_scents.yaml

@@ -0,0 +1,32 @@
+# 10种基础香料定义，顺序即输出向量维度顺序
+base_scents:
+  - name: citrus
+    desc: 柑橘调
+    max_concentration: 100
+  - name: woody
+    desc: 木质调
+    max_concentration: 100
+  - name: herbal
+    desc: 草本调
+    max_concentration: 100
+  - name: floral
+    desc: 花香调
+    max_concentration: 100
+  - name: marine
+    desc: 海洋调
+    max_concentration: 100
+  - name: caramel
+    desc: 焦甜调
+    max_concentration: 100
+  - name: roasted
+    desc: 肉烤调
+    max_concentration: 100
+  - name: milky
+    desc: 奶脂调
+    max_concentration: 100
+  - name: fishy
+    desc: 鲜腥调
+    max_concentration: 50  # 安全浓度上限
+  - name: sour
+    desc: 酸酪调
+    max_concentration: 50  # 安全浓度上限

myscent-0.1.0/myscent/configs/odor_sources.yaml

@@ -0,0 +1,34 @@
+# 前景气味源物体 → 10维气味特征向量（强度0~100）
+odor_sources:
+  hotpot:
+    desc: 火锅
+    feature: [5, 10, 5, 0, 0, 30, 40, 10, 5, 5]
+    priority: 90
+  barbecue:
+    desc: 烤肉
+    feature: [5, 5, 0, 0, 0, 20, 50, 5, 3, 2]
+    priority: 85
+  milk_tea:
+    desc: 奶茶
+    feature: [10, 0, 0, 5, 0, 25, 0, 30, 0, 2]
+    priority: 70
+  coffee:
+    desc: 咖啡
+    feature: [5, 10, 0, 0, 0, 35, 10, 10, 0, 0]
+    priority: 75
+  rose:
+    desc: 玫瑰
+    feature: [5, 0, 0, 60, 5, 5, 0, 0, 0, 0]
+    priority: 80
+  sea:
+    desc: 海水
+    feature: [10, 0, 0, 0, 70, 0, 0, 0, 5, 0]
+    priority: 75
+  garbage:
+    desc: 垃圾
+    feature: [0, 10, 0, 0, 0, 5, 0, 0, 10, 40]
+    priority: 85
+  seafood:
+    desc: 海鲜
+    feature: [5, 0, 5, 0, 10, 5, 0, 0, 35, 5]
+    priority: 80

myscent-0.1.0/myscent/configs/scenes.yaml

@@ -0,0 +1,35 @@
+# 8大类场景 → 背景香调配比（10维，低浓度基底）
+scenes:
+  restaurant:
+    desc: 餐厅美食
+    base_ratio: [5, 10, 0, 5, 0, 25, 25, 10, 3, 7]
+  barbecue:
+    desc: 烧烤
+    base_ratio: [3, 8, 0, 3, 0, 20, 40, 5, 5, 5]
+  dessert_shop:
+    desc: 甜品店
+    base_ratio: [10, 5, 0, 10, 0, 40, 5, 25, 0, 5]
+  outdoor_nature:
+    desc: 户外自然
+    base_ratio: [20, 10, 25, 5, 10, 0, 0, 0, 0, 0]
+  city_street:
+    desc: 城市街道
+    base_ratio: [15, 15, 5, 5, 10, 5, 0, 0, 0, 0]
+  indoor_home:
+    desc: 室内居家
+    base_ratio: [5, 20, 0, 10, 0, 10, 0, 5, 0, 0]
+  rainy:
+    desc: 雨天
+    base_ratio: [5, 25, 10, 0, 20, 0, 0, 0, 0, 0]
+  cafe:
+    desc: 咖啡馆
+    base_ratio: [5, 15, 0, 5, 0, 20, 5, 10, 0, 0]
+  night:
+    desc: 夜晚
+    base_ratio: [0, 20, 0, 10, 5, 5, 0, 5, 0, 0]
+  seaside:
+    desc: 海边
+    base_ratio: [20, 5, 5, 5, 30, 0, 0, 0, 0, 0]
+  forest:
+    desc: 森林
+    base_ratio: [10, 20, 30, 5, 5, 0, 0, 0, 0, 0]

myscent-0.1.0/myscent/logger.py

@@ -0,0 +1,35 @@
+"""
+日志配置：同时输出到终端和文件
+"""
+import logging
+import sys
+from pathlib import Path
+
+
+def setup_logger(name="scent", log_file="logs/pipeline.log", level=logging.INFO):
+    """初始化 logger，同时输出到终端和文件"""
+    logger = logging.getLogger(name)
+    logger.setLevel(level)
+    logger.propagate = False
+
+    if logger.handlers:
+        return logger
+
+    formatter = logging.Formatter(
+        "%(asctime)s [%(levelname)s] %(message)s",
+        datefmt="%Y-%m-%d %H:%M:%S"
+    )
+
+    # 终端输出
+    sh = logging.StreamHandler(sys.stdout)
+    sh.setFormatter(formatter)
+    logger.addHandler(sh)
+
+    # 文件输出
+    log_path = Path(log_file)
+    log_path.parent.mkdir(parents=True, exist_ok=True)
+    fh = logging.FileHandler(log_path, encoding="utf-8")
+    fh.setFormatter(formatter)
+    logger.addHandler(fh)
+
+    return logger

myscent-0.1.0/myscent/model_utils.py

@@ -0,0 +1,28 @@
+"""
+模型权重下载工具 - 支持 huggingface 镜像站 hf-mirror.com
+
+如果环境变量 HF_ENDPOINT 已设置，则使用用户指定的镜像；
+否则默认使用 hf-mirror.com 国内镜像。
+"""
+import os
+from pathlib import Path
+
+# 尊重用户已设置的 HF_ENDPOINT，未设置时默认用国内镜像
+if not os.environ.get("HF_ENDPOINT"):
+    os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
+
+# 模型缓存目录（项目内）
+CACHE_DIR = Path(__file__).parent.parent / "models"
+CACHE_DIR.mkdir(parents=True, exist_ok=True)
+
+
+def download_clip_vitb32():
+    """获取 CLIP ViT-B-32 (LAION 2B 预训练) 权重路径"""
+    from huggingface_hub import hf_hub_download
+
+    path = hf_hub_download(
+        "laion/CLIP-ViT-B-32-laion2B-s34B-b79K",
+        "open_clip_pytorch_model.bin",
+        cache_dir=str(CACHE_DIR),
+    )
+    return path

myscent-0.1.0/myscent/scent_pipeline.py

@@ -0,0 +1,209 @@
+"""
+Scent Pipeline: 图像 → 10 种香料配比（CLIP 零样本分类）
+"""
+import warnings
+from pathlib import Path
+
+import cv2
+import numpy as np
+import torch
+import open_clip
+import yaml
+from PIL import Image
+
+from .model_utils import download_clip_vitb32
+
+
+# 过滤 TypedStorage 废弃警告（open_clip 内部触发，不影响功能）
+warnings.filterwarnings("ignore", message="TypedStorage is deprecated")
+
+
+# 10 种香调的 CLIP 文本 prompt（描述气味场景）
+SCENT_PROMPTS = {
+    "柑橘调": "bright fresh citrus orange lemon fruit sunny refreshing",
+    "木质调": "warm wood cedar sandalwood forest trees earthy cozy",
+    "草本调": "green grass herbal leafy plants fresh natural garden",
+    "花香调": "romantic flowers rose jasmine lily sweet floral bouquet",
+    "海洋调": "ocean sea water beach waves salty fresh breeze blue",
+    "焦甜调": "sweet caramel baked pastry cake sugar warm vanilla dessert",
+    "肉烤调": "grilled meat barbecue steak smoky savory cooking fire",
+    "奶脂调": "creamy milk butter cheese rich dairy vanilla sweet",
+    "鲜腥调": "seafood fish shrimp ocean raw fresh fishy market",
+    "酸酪调": "sour yogurt cheese fermented tangy milky creamy",
+}
+
+
+def _get_device():
+    """检测可用设备，GPU 不兼容时自动回退 CPU"""
+    if not torch.cuda.is_available():
+        return "cpu"
+    try:
+        # 实际跑一个小算子验证 GPU 是否真的可用
+        _ = torch.zeros(1, device="cuda")
+        return "cuda"
+    except Exception:
+        print("⚠️  GPU 不可用（PyTorch 与显卡算力不兼容），回退到 CPU 模式")
+        return "cpu"
+
+
+def _setup_torch():
+    """
+    优化 PyTorch 运行时配置
+
+    - 关闭 cuDNN：避免 Pascal 架构老显卡 (GTX 10xx) 触发 cuDNN workaround 警告
+    - 允许 TF32：Ampere 及以上显卡自动启用，老卡忽略
+    """
+    # Pascal 架构（算力 6.x）的 cuDNN 有已知兼容问题，直接关闭更稳定
+    # 如果是 newer 显卡，可以设为 True 获得更快速度
+    if torch.cuda.is_available():
+        capability = torch.cuda.get_device_capability()
+        if capability[0] <= 6:  # Pascal 及更早
+            torch.backends.cudnn.enabled = False
+        else:
+            torch.backends.cudnn.benchmark = True
+            torch.backends.cudnn.allow_tf32 = True
+    torch.backends.cuda.matmul.allow_tf32 = True
+
+
+class ScentPipeline:
+    """
+    图像 → 10 种香料配比（一步到位，CLIP 零样本分类）
+
+    支持单帧预测和多帧平滑（视频流用）。
+    """
+
+    # softmax 温度系数，越小分布越尖锐（主次香调更分明）
+    TEMPERATURE = 0.15
+    # 帧间平滑系数：当前帧占比，值越大响应越快
+    SMOOTH_ALPHA = 0.8
+
+    def __init__(self, config_dir: str = "configs", device: str = None):
+        config_dir = Path(config_dir)
+
+        # 优化 PyTorch 配置
+        _setup_torch()
+
+        # 加载基础香料定义
+        with open(config_dir / "base_scents.yaml", "r", encoding="utf-8") as f:
+            self.base_scents = yaml.safe_load(f)["base_scents"]
+        self.scent_names = [s["desc"] for s in self.base_scents]
+        self.num_scents = len(self.base_scents)
+        self.max_concentrations = np.array(
+            [s["max_concentration"] for s in self.base_scents],
+            dtype=np.float32
+        )
+
+        # 设备选择
+        self.device = device if device else _get_device()
+        print(f"加载 CLIP ViT-B-32 模型（{self.device}）...")
+
+        # 初始化 CLIP
+        clip_weight = download_clip_vitb32()
+        self.model, _, self.preprocess = open_clip.create_model_and_transforms(
+            "ViT-B-32", pretrained=clip_weight, device=self.device
+        )
+        self.tokenizer = open_clip.get_tokenizer("ViT-B-32")
+        self.model.eval()
+
+        # 预计算 10 种香调的文本特征
+        prompts = [SCENT_PROMPTS[name] for name in self.scent_names]
+        tokens = self.tokenizer(prompts).to(self.device)
+        with torch.no_grad():
+            self.text_features = self.model.encode_text(tokens)
+            self.text_features /= self.text_features.norm(dim=-1, keepdim=True)
+
+        # 帧间平滑状态
+        self.last_ratio = np.zeros(self.num_scents, dtype=np.float32)
+        self._initialized = False  # 第一帧不做平滑
+
+        print(f"Pipeline 初始化完成，{self.num_scents} 种基础香料")
+
+    def reset(self):
+        """重置平滑状态（视频流切换场景时调用）"""
+        self.last_ratio = np.zeros(self.num_scents, dtype=np.float32)
+        self._initialized = False
+
+    def predict(self, image_rgb: np.ndarray) -> np.ndarray:
+        """
+        输入 RGB 图像，输出 10 维配比（0~100%）
+
+        Args:
+            image_rgb: HxWx3 的 RGB 图像数组
+
+        Returns:
+            10 维 float32 数组，对应 base_scents 顺序的百分比配比
+        """
+        # 图像预处理 + CLIP 编码
+        image = Image.fromarray(image_rgb)
+        image = self.preprocess(image).unsqueeze(0).to(self.device)
+
+        with torch.no_grad():
+            img_feat = self.model.encode_image(image)
+            img_feat /= img_feat.norm(dim=-1, keepdim=True)
+
+            # 余弦相似度 → temperature 缩放 softmax → 概率分布
+            similarity = (img_feat @ self.text_features.T).squeeze(0)
+            probs = (similarity / self.TEMPERATURE).softmax(dim=0).cpu().numpy()
+
+        # 映射到 0~100 范围
+        ratio = probs * 100.0
+
+        # 帧间平滑（第一帧直接输出，不做平滑）
+        if self._initialized:
+            final_ratio = self.SMOOTH_ALPHA * ratio + (1 - self.SMOOTH_ALPHA) * self.last_ratio
+        else:
+            final_ratio = ratio
+            self._initialized = True
+
+        self.last_ratio = final_ratio
+
+        # 浓度上限 + 裁剪到合法范围（一次 clip 搞定）
+        return np.clip(final_ratio, 0, self.max_concentrations).astype(np.float32)
+
+    def predict_file(self, image_path: str) -> np.ndarray:
+        """从文件读取并预测"""
+        img = cv2.imread(image_path)
+        img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+        return self.predict(img_rgb)
+
+    def predict_image(self, image) -> np.ndarray:
+        """
+        通用预测接口，支持多种输入格式
+
+        Args:
+            image: 支持以下类型：
+                - str: 图片文件路径
+                - PIL.Image.Image: PIL 图像
+                - np.ndarray: numpy 数组 (HxWx3, RGB)
+
+        Returns:
+            10 维 float32 数组，对应 SCENT_NAMES 顺序的百分比配比
+        """
+        if isinstance(image, str):
+            return self.predict_file(image)
+        elif isinstance(image, Image.Image):
+            return self.predict(np.array(image.convert("RGB")))
+        elif isinstance(image, np.ndarray):
+            if image.ndim == 3 and image.shape[2] == 3:
+                return self.predict(image)
+            else:
+                raise ValueError(f"不支持的图像形状: {image.shape}，需要 HxWx3")
+        else:
+            raise TypeError(f"不支持的输入类型: {type(image)}")
+
+    def get_top_scent(self, ratio: np.ndarray):
+        """获取最强香调 (名称, 百分比)"""
+        idx = ratio.argmax()
+        return self.scent_names[idx], float(ratio[idx])
+
+    def print_result(self, ratio: np.ndarray):
+        """打印配比结果（带可视化进度条）"""
+        print("=" * 55)
+        print("基础香料配比输出（0~100%）：")
+        for i, s in enumerate(self.base_scents):
+            bar_len = int(ratio[i] / 2)
+            bar = "█" * bar_len
+            print("  {:<6}: {:>5.1f}%  {}".format(s["desc"], ratio[i], bar))
+        top_name, top_val = self.get_top_scent(ratio)
+        print(f"\n主调: {top_name} ({top_val:.1f}%)")
+        print("=" * 55)

myscent-0.1.0/myscent/visualizer.py

@@ -0,0 +1,124 @@
+"""
+结果可视化：在图片上绘制香料配比柱状图 + 主调标题
+使用 PIL 渲染中文，解决 OpenCV 不支持中文的问题
+"""
+import cv2
+import numpy as np
+from PIL import Image, ImageDraw, ImageFont
+
+
+# 中文字体候选路径（按优先级排序）
+_FONT_CANDIDATES = [
+    "/usr/share/fonts/opentype/noto/NotoSansCJK-Bold.ttc",
+    "/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc",
+    "/usr/share/fonts/truetype/noto/NotoSansCJK-Regular.ttc",
+    "/usr/share/fonts/truetype/droid/DroidSansFallbackFull.ttf",
+    "/usr/share/fonts/truetype/wqy/wqy-microhei.ttc",
+    "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc",
+]
+
+
+def _find_font_path():
+    """查找可用的中文字体，找不到返回 None 用默认字体兜底"""
+    import os
+    for path in _FONT_CANDIDATES:
+        if os.path.exists(path):
+            return path
+    return None
+
+
+class ResultVisualizer:
+    """香调配比可视化"""
+
+    # 10 种香调的专属配色（与香调含义对应，顺序与 base_scents 一致）
+    COLORS = [
+        (255, 170, 50),     # 柑橘调 - 橙黄
+        (140, 85, 40),      # 木质调 - 棕色
+        (70, 175, 70),      # 草本调 - 草绿
+        (255, 120, 175),    # 花香调 - 粉红
+        (70, 160, 255),     # 海洋调 - 蓝色
+        (200, 120, 50),     # 焦甜调 - 焦糖色
+        (220, 55, 55),      # 肉烤调 - 红色
+        (255, 230, 205),    # 奶脂调 - 奶白
+        (100, 180, 190),    # 鲜腥调 - 青灰
+        (255, 220, 75),     # 酸酪调 - 嫩黄
+    ]
+
+    def __init__(self):
+        font_path = _find_font_path()
+        self.small_font = self._load_font(font_path, 20)
+        self.medium_font = self._load_font(font_path, 28)
+        self.big_font = self._load_font(font_path, 36)
+
+    @staticmethod
+    def _load_font(path, size):
+        """加载字体，失败则用默认字体兜底"""
+        if path:
+            try:
+                return ImageFont.truetype(path, size)
+            except Exception:
+                pass
+        return ImageFont.load_default()
+
+    def draw(self, image_bgr, title_text, scent_ratio, scent_names):
+        """
+        在图片上绘制顶部标题 + 底部香料配比柱状图
+
+        Args:
+            image_bgr: BGR 图像（cv2 格式）
+            title_text: 顶部标题文字
+            scent_ratio: 10 维配比数组 (0~100)
+            scent_names: 10 种香调名称列表
+
+        Returns:
+            带可视化结果的 BGR 图像
+        """
+        img_pil = Image.fromarray(cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB))
+        draw = ImageDraw.Draw(img_pil)
+        w, h = img_pil.size
+
+        # ---------- 顶部标题条 ----------
+        top_h = 70
+        draw.rectangle([0, 0, w, top_h], fill=(0, 0, 0))
+        draw.text((20, 15), title_text, font=self.big_font, fill=(0, 255, 128))
+
+        # ---------- 底部香料配比区域 ----------
+        bar_area_h = 320
+        bar_y = h - bar_area_h
+        draw.rectangle([0, bar_y, w, h], fill=(15, 15, 25))
+
+        n = len(scent_names)
+        bar_w = int((w - 80) / n)
+        max_h = bar_area_h - 130
+        start_x = 50
+
+        # 区域标题
+        draw.text((start_x, bar_y + 15), "香 料 配 比",
+                  font=self.medium_font, fill=(255, 255, 255))
+
+        for i in range(n):
+            name = scent_names[i]
+            val = float(scent_ratio[i])
+            x = start_x + i * bar_w
+            bh = int(val / 100.0 * max_h)
+            y1 = h - 80 - bh
+            y2 = h - 80
+
+            color = self.COLORS[i % len(self.COLORS)]
+
+            # 柱状图
+            draw.rectangle([x + 8, y1, x + bar_w - 8, y2], fill=color)
+
+            # 柱顶百分比（居中）
+            pct = "{:.0f}%".format(val)
+            tw = draw.textlength(pct, font=self.small_font)
+            draw.text((x + (bar_w - tw) / 2, y1 - 28),
+                      pct, font=self.small_font, fill=(255, 255, 255))
+
+            # 名称（居中）
+            tw = draw.textlength(name, font=self.small_font)
+            draw.text((x + (bar_w - tw) / 2, h - 50),
+                      name, font=self.small_font, fill=(220, 220, 220))
+
+        # ---------- 转回 BGR ----------
+        return cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)

myscent-0.1.0/myscent.egg-info/PKG-INFO

@@ -0,0 +1,99 @@
+Metadata-Version: 2.4
+Name: myscent
+Version: 0.1.0
+Summary: 图像 -> 10种香料配比，CLIP零样本分类的轻量香调视觉识别库
+Author-email: jeffchen1995 <10977437+jeffchen1995@user.noreply.gitee.com>
+License: MIT
+Project-URL: Homepage, https://gitee.com/jeffchen1995/myscent
+Project-URL: Bug Reports, https://gitee.com/jeffchen1995/myscent/issues
+Keywords: clip,scent,fragrance,vision,zero-shot,perfume
+Classifier: Development Status :: 3 - Alpha
+Classifier: Intended Audience :: Developers
+Classifier: Topic :: Scientific/Engineering :: Artificial Intelligence
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.9
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+Requires-Dist: open_clip_torch>=2.24.0
+Requires-Dist: torch>=2.0.0
+Requires-Dist: torchvision>=0.15.0
+Requires-Dist: Pillow>=9.0.0
+Requires-Dist: opencv-python>=4.5.0
+Requires-Dist: numpy<2,>=1.21.0
+Requires-Dist: PyYAML>=6.0
+Requires-Dist: huggingface_hub>=0.20.0
+Requires-Dist: timm>=0.9.0
+
+# Scent Vision Pipeline
+图像输入 → CLIP 零样本分类 → 10种基础香料配比输出 的轻量算法。
+
+## 核心特性
+- 单模型 CLIP 一步输出 10 维香调配比，架构极简
+- 零样本分类，无需训练，可快速扩展香调类别
+- 可视化输出：主调标识 + 配比柱状图（支持中文）
+- 支持国内 huggingface 镜像（hf-mirror.com），开箱即用
+- 内置帧间平滑，支持视频流/实时摄像头输入
+- 配置与代码分离，模块化设计，易于扩展
+
+## 性能指标
+| 设备 | 模型 | 速度 | 显存占用 |
+|------|------|------|----------|
+| GTX 1050 Ti (4GB) | ViT-B-32 | ~50 FPS | ~590 MB |
+| CPU (i7) | ViT-B-32 | ~5 FPS | - |
+
+## 环境要求
+- Python: 3.10.x
+- GPU: NVIDIA 显卡，显存 3GB+
+- CUDA: 11.8
+- 系统: Ubuntu 20.04+ / Windows 10+
+
+## 快速开始
+安装依赖：
+    pip install -r requirements.txt
+
+运行测试：
+    python tests/test_scent.py --image data/input/test1.png --output data/output/result.jpg
+
+自定义镜像（可选）：
+    export HF_ENDPOINT=https://你的镜像地址
+    python tests/test_scent.py --image data/input/test1.png
+
+## 10 种基础香料
+柑橘调 / 木质调 / 草本调 / 花香调 / 海洋调 / 焦甜调 / 肉烤调 / 奶脂调 / 鲜腥调 / 酸酪调
+注：鲜腥调、酸酪调默认有浓度上限（50%），可在 configs/base_scents.yaml 中调整。
+
+## API 用法
+    from src.scent_pipeline import ScentPipeline
+    from src.visualizer import ResultVisualizer
+    import cv2
+
+    pipeline = ScentPipeline(config_dir="configs")
+    viz = ResultVisualizer()
+
+    img = cv2.imread("test.jpg")
+    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+
+    ratio = pipeline.predict(img_rgb)  # 10维数组，0~100
+    top_name, top_val = pipeline.get_top_scent(ratio)
+
+    # 可视化
+    result_img = viz.draw(img, f"主调: {top_name} ({top_val:.1f}%)", ratio, pipeline.scent_names)
+    cv2.imwrite("result.jpg", result_img)
+
+## 目录结构
+    data/input/     输入图片
+    data/output/    可视化输出
+    src/            源代码
+    models/         模型缓存（自动下载）
+    configs/        配置文件（香调定义、场景、气味源）
+    tests/          测试脚本
+    logs/           运行日志
+
+## 配置说明
+所有可配置项都在 configs/ 目录下：
+- base_scents.yaml：10种基础香料定义（名称、浓度上限）
+- odor_sources.yaml：常见气味源物体的香调特征向量
+- scenes.yaml：不同场景的背景香调配比

myscent-0.1.0/myscent.egg-info/SOURCES.txt

@@ -0,0 +1,16 @@
+README.md
+pyproject.toml
+myscent/__init__.py
+myscent/logger.py
+myscent/model_utils.py
+myscent/scent_pipeline.py
+myscent/visualizer.py
+myscent.egg-info/PKG-INFO
+myscent.egg-info/SOURCES.txt
+myscent.egg-info/dependency_links.txt
+myscent.egg-info/requires.txt
+myscent.egg-info/top_level.txt
+myscent/configs/base_scents.yaml
+myscent/configs/odor_sources.yaml
+myscent/configs/scenes.yaml
+tests/test_scent.py

myscent-0.1.0/myscent.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

myscent-0.1.0/myscent.egg-info/requires.txt

@@ -0,0 +1,9 @@
+open_clip_torch>=2.24.0
+torch>=2.0.0
+torchvision>=0.15.0
+Pillow>=9.0.0
+opencv-python>=4.5.0
+numpy<2,>=1.21.0
+PyYAML>=6.0
+huggingface_hub>=0.20.0
+timm>=0.9.0

myscent-0.1.0/myscent.egg-info/top_level.txt

@@ -0,0 +1 @@
+myscent

myscent-0.1.0/pyproject.toml

@@ -0,0 +1,48 @@
+[build-system]
+requires = ["setuptools>=64", "wheel"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "myscent"
+version = "0.1.0"
+description = "图像 -> 10种香料配比，CLIP零样本分类的轻量香调视觉识别库"
+readme = "README.md"
+requires-python = ">=3.9"
+license = {text = "MIT"}
+authors = [
+    {name = "jeffchen1995", email = "10977437+jeffchen1995@user.noreply.gitee.com"}
+]
+keywords = ["clip", "scent", "fragrance", "vision", "zero-shot", "perfume"]
+classifiers = [
+    "Development Status :: 3 - Alpha",
+    "Intended Audience :: Developers",
+    "Topic :: Scientific/Engineering :: Artificial Intelligence",
+    "License :: OSI Approved :: MIT License",
+    "Programming Language :: Python :: 3",
+    "Programming Language :: Python :: 3.9",
+    "Programming Language :: Python :: 3.10",
+    "Programming Language :: Python :: 3.11",
+]
+
+dependencies = [
+    "open_clip_torch>=2.24.0",
+    "torch>=2.0.0",
+    "torchvision>=0.15.0",
+    "Pillow>=9.0.0",
+    "opencv-python>=4.5.0",
+    "numpy>=1.21.0,<2",
+    "PyYAML>=6.0",
+    "huggingface_hub>=0.20.0",
+    "timm>=0.9.0",
+]
+
+[project.urls]
+"Homepage" = "https://gitee.com/jeffchen1995/myscent"
+"Bug Reports" = "https://gitee.com/jeffchen1995/myscent/issues"
+
+[tool.setuptools.packages.find]
+where = ["."]
+include = ["myscent*"]
+
+[tool.setuptools.package-data]
+myscent = ["configs/*.yaml"]

myscent-0.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

myscent-0.1.0/tests/test_scent.py

@@ -0,0 +1,53 @@
+"""
+测试：图片 → 香调配比 + 可视化输出
+"""
+import argparse
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).parent.parent))
+
+import cv2
+from myscent import ScentPipeline
+from myscent.visualizer import ResultVisualizer
+from myscent.logger import setup_logger
+
+
+def main():
+    parser = argparse.ArgumentParser(description="图像 → 香料配比")
+    parser.add_argument("--image", type=str, required=True, help="输入图片路径")
+    parser.add_argument("--output", type=str, default="data/output/result.jpg",
+                        help="可视化输出路径")
+    args = parser.parse_args()
+
+    logger = setup_logger()
+
+    # 初始化
+    pipeline = ScentPipeline(config_dir="configs")
+    viz = ResultVisualizer()
+
+    # 预测
+    image_bgr = cv2.imread(args.image)
+    if image_bgr is None:
+        logger.error(f"无法读取图片: {args.image}")
+        sys.exit(1)
+
+    image_rgb = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB)
+    ratio = pipeline.predict(image_rgb)
+
+    # 可视化
+    top_name, top_val = pipeline.get_top_scent(ratio)
+    title = f"主调: {top_name} ({top_val:.1f}%)"
+    viz_img = viz.draw(image_bgr, title, ratio, pipeline.scent_names)
+
+    # 保存
+    Path(args.output).parent.mkdir(parents=True, exist_ok=True)
+    cv2.imwrite(args.output, viz_img)
+    logger.info(f"可视化结果已保存到: {args.output}")
+
+    # 打印
+    pipeline.print_result(ratio)
+
+
+if __name__ == "__main__":
+    main()