# ai

**Repository Path**: stud619/ai

## Basic Information

- **Project Name**: ai
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-01
- **Last Updated**: 2026-07-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI面部皮肤分析系统

基于YOLOv8x-seg实例分割模型和BiSeNet语义分割的面部皮肤特征检测与评估系统。

## 功能特性

- **多维度皮肤分析**: 检测痘痘、斑点、黑头、皱纹、毛孔、棕色斑等6类皮肤问题
- **实时可视化反馈**: 前端Canvas渲染，精确标注各类皮肤问题位置和范围
- **综合健康评估**: 肌肤年龄、粗糙度、弹性、水分、黑眼圈、敏感度、肤质类型等指标
- **跨平台部署**: 支持Windows、Linux、macOS

## 技术栈

| 层级 | 技术 |
|------|------|
| 后端框架 | Spring Boot 4.1.0 + Java 25 |
| 推理引擎 | ONNX Runtime 1.18.0 |
| 图像处理 | OpenCV 4.13.0 |
| 深度学习模型 | YOLOv8x-seg（实例分割） |
| 前端界面 | HTML/CSS/JavaScript + Canvas |
| 训练框架 | Python 3.10+ + Ultralytics YOLO |

## 项目结构

```
ai/
├── src/main/java/com/stud/ai/
│   ├── AiApplication.java          # 应用入口
│   ├── controller/
│   │   └── FaceAnalysisController.java  # REST API控制器
│   ├── service/
│   │   └── FaceAnalyzer.java       # AI推理引擎（核心）
│   └── dto/
│       └── FaceAnalysisDTO.java    # 数据传输对象
├── src/main/resources/
│   ├── application.yml             # 配置文件
│   ├── static/index.html           # 前端界面
│   └── sql/sql.sql                 # 数据库表结构
├── models/
│   └── yolov8x-seg-face.onnx       # ONNX推理模型
├── training/
│   ├── scripts/                    # 训练脚本
│   ├── dataset/                    # 数据集
│   └── config/                     # 训练配置
└── pom.xml                         # Maven依赖管理
```

## 快速开始

### 环境要求

- Java 25+
- Maven 3.6+
- 至少2GB RAM（推荐4GB以上）

### 启动步骤

1. **构建项目**
```bash
mvn clean install
```

2. **准备模型**
```bash
# 将训练好的ONNX模型放入models/目录
# 文件名为: yolov8x-seg-face.onnx
```

3. **启动应用**
```bash
mvn spring-boot:run
```

4. **访问界面**
```
http://localhost:8888
```

## API接口

### 图像分析接口

**POST** `/faceAnalysis/analyze`

| 参数 | 类型 | 必填 | 描述 |
|------|------|------|------|
| file | MultipartFile | 是 | 面部图像文件（JPEG/PNG） |

**响应示例**
```json
{
    "score": 85,
    "ageResult": 28,
    "pockmarkCount": 3,
    "pockmarkScore": 78,
    "spotCount": 1,
    "blackheadCount": 5,
    "wrinkleCount": 2,
    "poreCount": 8,
    "chloasmaCount": 0,
    "moistureResult": 75,
    "darkCircleScore": 68,
    "sensitiveScore": 85,
    "skinTypeScore": 78,
    "roughnessScore": 70,
    "elasticityScore": 88
}
```

### 请求示例（curl）

```bash
curl -X POST http://localhost:8888/faceAnalysis/analyze \
  -H "Content-Type: multipart/form-data" \
  -F "file=@/path/to/image.jpg"
```

## 配置参数

主要配置项（application.yml）：

| 参数 | 默认值 | 说明 |
|------|--------|------|
| server.port | 8888 | 服务端口 |
| ai.model.path | models/yolov8x-seg-face.onnx | 模型路径 |
| ai.model.input-size | 640 | 输入图像尺寸 |
| ai.model.confidence-threshold | 0.25 | 置信度阈值 |
| ai.model.iou-threshold | 0.45 | NMS重叠阈值 |
| ai.age.exponent | 1.6 | 年龄计算指数 |

## 模型训练

### 环境准备

```bash
cd training
pip install -r requirements.txt
```

### 检测类别

| ID | 英文 | 中文 | 视觉特征 |
|----|------|------|----------|
| 0 | pockmark | 痘痘 | 小圆凸起，红/白色中心 |
| 1 | spot | 斑点 | 扁平棕褐色色素沉着 |
| 2 | blackhead | 黑头 | 极小黑点，密集于T区 |
| 3 | wrinkle | 皱纹 | 线性纹路，长宽比>3:1 |
| 4 | pore | 毛孔 | 微小圆孔，有深度感 |
| 5 | chloasma | 棕色斑 | 大面积棕色，边界不规则 |

### 训练流程

1. **首次训练**
```bash
cd scripts
python train.py --epochs 200 --batch 8 --device 0
```

2. **验证效果**
```bash
python validate.py
```

3. **导出ONNX**
```bash
python export_onnx.py
```

## 性能指标

- **单次分析时间**: 2-5秒（CPU，640x640输入）
- **内存占用**: 约500MB
- **模型大小**: YOLOv8x-seg ONNX约140MB

## 故障排除

### 模型加载失败
- 确认模型文件存在于 `models/yolov8x-seg-face.onnx`
- 检查模型文件完整性（非16KB损坏文件）

### 推理性能问题
- 调整 `ai.model.input-size` 参数减小输入尺寸
- 检查系统内存和CPU使用情况

### 前端显示异常
- 检查浏览器控制台错误信息
- 验证返回的数据格式

## 核心算法

### 图像预处理流程
1. OpenCV解码 → 等比缩放 → Letterbox填充 → RGB转换 → 归一化 → ONNX张量

### 检测后处理流程
1. 按置信度排序 → 按类别分组 → NMS非极大值抑制 → 掩码生成 → 轮廓提取 → 指标计算

### 年龄估算算法
基于加权综合评分，结合幂函数映射计算肌肤年龄。

## 注意事项

- 训练必须使用GPU（推荐NVIDIA GPU + CUDA）
- 推理可在CPU上运行
- 支持的图像格式：JPEG、PNG
- 最大文件大小：128MB