接入植物识别功能快速识别万种植物花卉

作者：才能我浪费99

1.功能描述：

该请求用于识别一张图片，即对于输入的一张图片（可正常解码，且长宽比较合适），输出植物识别结果。近期植物识别进行了能力升级——模型升级，Top1准确率绝对值提升11.76%，精度保持业界领先！具体如下图所示：

2.平台接入

植物识别接入网址：https://console.bce.baidu.com/ai/?fromai=1#/ai/imagerecognition/overview/index

具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

3.调用攻略（Python3）及评测

3.1首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

# -*- coding: utf-8 -*-
#!/usr/bin/env python

import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
    request = urllib.request.Request(host)
    request.add_header('Content-Type', 'application/json; charset=UTF-8')
    response = urllib.request.urlopen(request)
    token_content = response.read()
    if token_content:
        token_info = json.loads(token_content)
        token_key = token_info['access_token']
    return token_key

3.2植物识别分析：

详细说明请参考： https://ai.baidu.com/docs#/ImageClassify-API/

大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/plant
图像数据，base64编码，要求base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式。注意：图片需要base64编码、去掉编码头后再进行urlencode。

Python3调用代码如下：

#植物识别，返回可能性最大的植物
#filename:图片名（本地存储包括路径）,plantnum展示的数量
def plant(filename,plantnum):
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/plant"
    
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params['baike_num'] = plantnum
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        result=data['result']
        
        nums=min(plantnum,len(result))
        
        for i in range(0,nums):
            item=result[i]
            print ('名称:',item['name'])
            print ('可能性:',item['score'])
            baike_info=item['baike_info']
            print ('百科描述:',baike_info['description'])
            print ('百科链接:',baike_info['baike_url'])
            print ('百科图片:',baike_info['image_url'])
        
    #return landmark
    
plant("../img/plant3.jpg",1)

4.功能评测及建议：
选用不同的数据对效果进行测试，具体效果如下：

1：多肉植物：

名称: 吉娃莲
可能性: 0.8006192445755
百科描述: 吉娃莲，景天科拟石莲花属，别名：吉娃娃(因为常与狗名混淆，所以大多数情况只叫吉娃莲)，原产于墨西哥奇瓦瓦州，生长在空气流通较好、日照充分的山坡上。吉娃莲，植株小型，无茎的莲座叶盘非常紧凑。卵形叶较厚，带小尖，蓝绿色被浓厚的白粉，叶缘为美丽的深粉红色。花序先端弯曲，钟状，红色。栽培不太困难，夏天不能浇过多的水。叶尖的红色特别美丽，是一种观赏性很强的多肉植物。
百科链接: http://baike.baidu.com/item/%E5%90%89%E5%A8%83%E8%8E%B2/1289904
百科图片: http://imgsrc.baidu.com/baike/pic/item/7e3e6709c93d70cfd11e54d6f2dcd100bba12b01.jpg

2：花卉

名称: 鸢尾
可能性: 0.31999999284744
百科描述: 鸢尾(学名：Iris tectorum Maxim.)又名：蓝蝴蝶、紫蝴蝶、扁竹花等，属百合目、鸢尾科、鸢尾属多年生草本，根状茎粗壮，直径约1cm，斜伸；叶长15_{50cm，宽1.5}3.5cm，花蓝紫色，直径约10cm；蒴果长椭圆形或倒卵形，长4.5_{6cm，直径2}2.5cm。原产于中国中部以及日本，主要分布在中国中南部。可供观赏，花香气淡雅，可以调制香水，其根状茎可作中药，全年可采，具有消炎作用。
百科链接: http://baike.baidu.com/item/%E9%B8%A2%E5%B0%BE/784374
百科图片: http://imgsrc.baidu.com/baike/pic/item/5fdf8db1cb1349542259b6915c4e9258d0094afb.jpg

3：水生植物

名称: 荷花
可能性: 0.72000002861023
百科描述: 荷花(Lotus flower)：属毛茛目睡莲科，是莲属二种植物的通称。又名莲花、水芙蓉等。是莲属多年生水生草本花卉。地下茎长而肥厚，有长节，叶盾圆形。花期6至9月，单生于花梗顶端，花瓣多数，嵌生在花托穴内，有红、粉红、白、紫等色，或有彩纹、镶边。坚果椭圆形，种子卵形。荷花种类很多，分观赏和食用两大类。原产亚洲热带和温带地区，中国早在周朝就有栽培记载。荷花全身皆宝，藕和莲子能食用，莲子、根茎、藕节、荷叶、花及种子的胚芽等都可入药。其出污泥而不染之品格恒为世人称颂。“接天莲叶无穷碧，映日荷花别样红”就是对荷花之美的真实写照。荷花“中通外直，不蔓不枝，出淤泥而不染，濯清涟而不妖”的高尚品格，历来为古往今来诗人墨客歌咏绘画的题材之一。1985年5月荷花被评为中国十大名花之一。荷花是印度,越南的国花。
百科链接: http://baike.baidu.com/item/%E8%8D%B7%E8%8A%B1/158674
百科图片: http://imgsrc.baidu.com/baike/pic/item/e850352ac65c1038e7515b14bf119313b07e893d.jpg

4：大量植物堆积

名称: 非植物
可能性: 0

测试下来，整体感觉处理的结果和速度都很好，对于不同植物的识别都很准确。不过对于大量植物堆积的图片识别的稍差一些。