(简单调用篇 07) 菜品识别 - C++ 简单调用

菜品识别能识别超过 9 千种菜品，支持客户创建属于自己的菜品图库，可准确识别图片中的菜品名称、位置，并获取百科信息，适用于多种客户识别菜品的业务场景中

应用场景

餐饮健康：根据拍摄照片，识别图片中菜品名称，获取菜品参考卡路里含量和百科信息，可结合识别结果进一步提供饮食推荐、健康管理方案等相关功能，增强用户体验，广泛应用于餐饮娱乐类和健康管理类APP中。

接口描述

该请求用于菜品识别。即对于输入的一张图片（可正常解码，且长宽比适宜），输出图片的菜品名称、卡路里信息、置信度。

请求说明

HTTP 方法： POST
请求 URL： https://aip.baidubce.com/rest/2.0/image-classify/v2/dish
URL参数： access_token
Header 参数： Content-Type = application/x-www-form-urlencoded
Body 参数：见下表

参数	是否必选	类型	默认值	说明
image	是	string	-	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`
`top_num`	否	`unit32`	-	返回结果 top n,默认 5
`filter_threshold`	是	`float`	-	默认 `0.95`，可以通过该参数调节识别效果，降低非菜识别率
`baike_num`	否	`integer`	`0`	返回百科信息的结果数，默认不返回

返回说明

返回参数如下表：

字段	是否必选	类型	说明
`log_id`	是	`uint64`	唯一的 log id，用于问题定位
`result_num`	否	`unit32`	返回结果数目，及result数组中的元素个数
`result`	否	`array()`	菜品识别结果数组
+`name`	否	`string`	菜名，示例：鱼香肉丝
+`calorie`	否	`float`	卡路里，每100g的卡路里含量
+`probability`	否	`float`	识别结果中每一行的置信度值，0-1
+`baike_info`	否	`object`	对应识别结果的百科词条名称
++`baike_url`	否	`string`	对应识别结果百度百科页面链接
++`image_url`	否	`string`	对应识别结果百科图片链接
++`description`	否	`string`	对应识别结果百科内容描述

返回示例如下：

json

{
	"log_id": 7357081719365269362,
	"result_num": 5,
	"result": [
	{
		"calorie": "119",
		"has_calorie": true,
		"name": "酸汤鱼",
		"probability": "0.396031"
		"baike_info": {
			"baike_url": "http://baike.baidu.com/item/%E9%85%B8%E6%B1%A4%E9%B1%BC/1754055",
			"description": "酸汤鱼，是黔桂湘交界地区的一道侗族名菜，与侗族相邻的苗、水、瑶等少数民族也有相似菜肴，但其中以贵州侗族酸汤鱼最为有名，据考证此菜肴最早源于黎平县雷洞镇牙双一带。制作原料主要有鱼肉、酸汤、山仓子等香料。成菜后，略带酸味、幽香沁人、鲜嫩爽口开胃，是贵州“黔系”菜肴的代表作之一。这道菜通常先自制酸汤，之后将活鱼去掉内脏，入酸汤煮制。"
		}
	},
	{
		"calorie": "38",
		"has_calorie": true,
		"name": "原味黑鱼煲",
		"probability": "0.265432",

	},
	{
		"calorie": "144",
		"has_calorie": true,
		"name": "椒鱼片",
		"probability": "0.0998993"
	},
	{
		"calorie": "98",
		"has_calorie": true,
		"name": "酸菜鱼",
		"probability": "0.0701917"
	},
	{
		"calorie": "257.65",
		"has_calorie": true,
		"name": "柠檬鱼",
		"probability": "0.0471465"
	}]
}

C++ 代码实现调用

这里假设已经将环境配置好了，环境配置的文章可以参考 Windows 下使用 Vcpkg 配置百度 AI 图像识别 C++开发环境(VS2017)。

为了方便，首先根据返回参数定义了一个结构体，该结构体包括了返回参数中的参数，如下：

cpp

struct DishInfo {
	std::string name;
	bool has_calorie;
	float calorie;
	float probability;
	std::string baikeurl;
	std::string imageurl;
	std::string baikedesc;

	void print() {
		std::cout << std::setw(30) << std::setfill('-') << '\n';
		std::cout << "name: " << name << "\n";

		if (has_calorie)
			std::cout << "calorie: " << calorie  << "J" << "\n";
		else
			std::cout << "has_calorie: false\n";

		std::cout << "probability: " << probability << "\n";

		if (baikeurl != "null")
			std::cout << "baikeurl: " << baikeurl << "\n";
		if (imageurl != "null")
			std::cout << "imageurl: " << imageurl << "\n";
		if (baikedesc != "null")
			std::cout << "baikedesc: " << baikedesc << "\n";
	}
};

在 DishInfo 结构体中，定义了一个 print 方法以打印获取的结果。

然后定义了一个类来调用接口并获取结果

cpp

class Dish
{
public:
	Dish();
	~Dish();
	Json::Value request(std::string imgBase64, std::map<std::string, std::string>& options);

	// get all return results
	void getAllResult(std::vector<DishInfo>& results);

	// only get first result
	void getResult(DishInfo& result);


private:
	Json::Value obj_;
	std::string url_;
	// file to save token key
	std::string filename_;
};

类中的私有成员 obj_ 表示返回结果对应的 json 对象。url_ 表示请求的 url，filename_ 表示用于存储 access token 的文件的文件名。

request 函数输入请求图像的 base64 编码以及请求参数，返回一个 json 对象，json 对象中包含请求的结果。

getAllResult 获取请求的结果，总共有 top_num 条结果。

getResult 获取 score 最高的一条结果。

完整代码如下

util.h 和 util.cpp 代码参见 (简单调用篇 01) 通用物体和场景识别高级版 - C++ 简单调用

Dish.h 代码如下：

cpp

#pragma once
#include "util.h"

struct DishInfo {
	std::string name;
	bool has_calorie;
	float calorie;
	float probability;
	std::string baikeurl;
	std::string imageurl;
	std::string baikedesc;

	void print() {
		std::cout << std::setw(30) << std::setfill('-') << '\n';
		std::cout << "name: " << name << "\n";

		if (has_calorie)
			std::cout << "calorie: " << calorie  << "J" << "\n";
		else
			std::cout << "has_calorie: false\n";

		std::cout << "probability: " << probability << "\n";

		if (baikeurl != "null")
			std::cout << "baikeurl: " << baikeurl << "\n";
		if (imageurl != "null")
			std::cout << "imageurl: " << imageurl << "\n";
		if (baikedesc != "null")
			std::cout << "baikedesc: " << baikedesc << "\n";
	}
};

class Dish
{
public:
	Dish();
	~Dish();
	Json::Value request(std::string imgBase64, std::map<std::string, std::string>& options);

	// get all return results
	void getAllResult(std::vector<DishInfo>& results);

	// only get first result
	void getResult(DishInfo& result);


private:
	Json::Value obj_;
	std::string url_;
	// file to save token key
	std::string filename_;
};

void dishTest();

Dish.cpp 代码如下：

cpp

#include "Dish.h"

Dish::Dish()
{
	filename_ = "tokenKey";
	url_ = "https://aip.baidubce.com/rest/2.0/image-classify/v2/dish";
}


Dish::~Dish()
{
}

Json::Value Dish::request(std::string imgBase64, std::map<std::string, std::string>& options)
{
	std::string response;
	Json::Value obj;
	std::string token;

	// 1. get HTTP post body
	std::string body;
	mergeHttpPostBody(body, imgBase64, options);

	// 2. get HTTP url with access token
	std::string url = url_;
	getHttpPostUrl(url, filename_, token);

	// 3. post request, response store the result
	int status_code = httpPostRequest(url, body, response);
	if (status_code != CURLcode::CURLE_OK) {
		obj["curl_error_code"] = status_code;
		obj_ = obj;
		return obj; // TODO: maybe should exit 
	}

	// 4. make string to json object
	generateJson(response, obj);

	// if access token is invalid or expired, we will get a new one
	if (obj["error_code"].asInt() == 110 || obj["error_code"].asInt() == 111) {
		token = getTokenKey();
		writeFile(filename_, token);
		return request(imgBase64, options);
	}

	obj_ = obj;
	// check for other error code
	checkErrorWithExit(obj);

	return obj;
}

void Dish::getAllResult(std::vector<DishInfo>& results)
{
	int len = obj_["result"].size();
	results.reserve(len);
	DishInfo tmp;

	for (int i = 0; i < len; ++i) {
		tmp.name = UTF8ToGB(obj_["result"][i]["name"].asString().c_str());
		tmp.has_calorie = obj_["result"][i]["has_calorie"].asBool();
		tmp.calorie = stof(obj_["result"][i]["calorie"].asString());
		tmp.probability = stof(obj_["result"][i]["probability"].asString());
		tmp.baikeurl = obj_["result"][i]["baike_info"].get("baike_url", "null").asString();
		tmp.imageurl = obj_["result"][i]["baike_info"].get("image_url", "null").asString();
		tmp.baikedesc = UTF8ToGB(obj_["result"][i]["baike_info"].get("description", "null").asString().c_str());
		results.push_back(tmp);
	}
}

void Dish::getResult(DishInfo & result)
{
	result.name = UTF8ToGB(obj_["result"][0]["name"].asString().c_str());
	result.has_calorie = obj_["result"][0]["has_calorie"].asBool();
	result.calorie = stof(obj_["result"][0]["calorie"].asString());
	result.probability = stof(obj_["result"][0]["probability"].asString());
	result.baikeurl = obj_["result"][0]["baike_info"].get("baike_url", "null").asString();
	result.imageurl = obj_["result"][0]["baike_info"].get("image_url", "none").asString();
	result.baikedesc = UTF8ToGB(obj_["result"][0]["baike_info"].get("description", "none").asString().c_str());
}

void dishTest()
{
	std::cout << "size: " << sizeof(DishInfo) << "\n";

	// read image and encode to base64
	std::string imgFile = "./images/dish_test.jpg";
	std::string imgBase64;
	imgToBase64(imgFile, imgBase64);

	// set options
	std::map<std::string, std::string> options;
	options["baike_num"] = "5"; // default 0
	options["top_num"] = "5"; // default 5
	options["filter_threshold"] = "0.95"; //default 0.95



	Json::Value obj;
	Dish dishObj;
	obj = dishObj.request(imgBase64, options);

	DishInfo result;
	dishObj.getResult(result);
	result.print();

	std::vector<DishInfo> results;
	dishObj.getAllResult(results);

	for (auto & vec : results) {
		vec.print();
	}
}

main.cpp 代码如下：

cpp

#include "util.h"
#include "Dish.h"
#include <stdlib.h>

int main() {
    dishTest();

	system("pause");
	return EXIT_SUCCESS;
}

运行结果

测试图像