新增证件识别接口

2025-10-29 13:53:55 +08:00
parent a1f0d0ad55
commit aff1b85ab0
14 changed files with 720 additions and 74 deletions
@@ -0,0 +1,152 @@
+from typing import TypedDict
+
+from langchain_core.messages import HumanMessage
+from langgraph.graph import StateGraph, END
+
+from config.llm import llmVision
+
+
+# -------- 定义状态 --------
+class State(TypedDict):
+    image_url: str  # 证件照
+    type: int  # 证件类别
+    content: str  # 最终内容
+
+
+def analyze_card(state: State, prompt_text: str):
+    messages = [
+        HumanMessage(
+            content=[
+                {"type": "text", "text": prompt_text},
+                {"type": "image_url", "image_url": {"url": state["image_url"]}},
+            ]
+        )
+    ]
+    return llmVision.invoke(messages).content
+
+
+# -------- 定义节点 --------
+def decide_source(state: State, max_retry=3):
+    choice = analyze_card(
+        state,
+        """
+        请根据图片内容判断其中的证件类型，并输出对应代号。
+        代号说明：
+        -1: 并非证件
+        0：身份证
+        1：银行卡
+        
+        只输出代号数字，不要输出任何文字、标点或解释。
+        你的输出是：
+    """,
+    )
+    print("图片类型是", choice)
+    try:
+        choice = int(choice)
+        state["type"] = choice
+        if choice == -1:
+            state["content"] = '{"result": "暂不支持此证件"}'
+    except ValueError:
+        state["type"] = -1
+        state["content"] = '{"result": "暂不支持此证件"}'
+    return state
+
+
+def idcard(state: State):
+    state["content"] = analyze_card(
+        state,
+        """
+    你是一个 OCR 信息提取专家，请从图片中识别出身份证的全部可见信息，并输出严格的 JSON 格式。
+    要求：
+    1. 无论是正面还是反面，都要识别所有字段。
+    2. 如果某个字段无法辨认，请将值设为 null。
+    3. 只输出 JSON，不要输出任何解释或多余内容。
+    4. 严格保持 JSON 格式，键名统一为英文。
+    5. "side" 字段为身份证方向，填写：人像面 或 国徽面。
+    
+    JSON 示例格式：
+    {
+      "side": "国徽面",
+      "name": "持证人姓名",
+      "gender": "性别",
+      "ethnicity": "民族",
+      "id_number": "身份证号",
+      "birth_date": "出生日期",
+      "address": "住址",
+      "issuing_authority": "签发机关",
+      "valid_period_start": "有效期开始日期",
+      "valid_period_end": "有效期结束日期",
+      "notes": "其他可见文字或备注"
+    }
+    
+    请确保输出的 JSON 可以被严格解析。
+""",
+    )
+    return state
+
+
+def bankcard(state: State):
+    state["content"] = analyze_card(
+        state,
+        """
+    你是一个 OCR 信息提取专家，请从图片中识别出银行卡上的全部可见信息，并输出严格的 JSON 格式。
+    要求：
+    1. 识别卡号、发卡行、持卡人、有效期等关键信息。
+    2. 如果某个字段无法辨认，请将值设为 null。
+    3. 只输出 JSON，不要输出任何解释或附加内容。
+    4. 严格保持 JSON 格式，键名统一为英文。
+    
+    JSON 示例格式：
+    {
+      "bank_name": "发卡行名称",
+      "card_number": "卡号",
+      "card_holder": "持卡人姓名",
+      "expiry_date": "有效期",
+      "card_type": "卡种类型（如借记卡/信用卡/Visa/MasterCard）",
+      "issuer_country": "发卡国家",
+      "notes": "其他可见文字或符号"
+    }
+    
+    请确保输出的 JSON 可以被严格解析。
+""",
+    )
+    return state
+
+
+# ------------------------------------------------------------------------ 构建有向图 --------
+workflow = StateGraph(State)
+workflow.add_node("decide", decide_source)
+workflow.add_node("idcard", idcard)
+workflow.add_node("bankcard", bankcard)
+workflow.set_entry_point("decide")
+# 条件边：根据 path 决定走向
+workflow.add_conditional_edges(
+    "decide",
+    lambda state: state["type"],
+    {
+        -1: END,
+        0: "idcard",
+        1: "bankcard",
+    },
+)
+workflow.add_edge("idcard", END)
+workflow.add_edge("bankcard", END)
+graph = workflow.compile()
+
+import re
+
+
+# 执行函数
+def get_license_response(image_url: str):
+    final_state = graph.invoke(
+        {
+            "image_url": image_url,
+        }
+    )
+    # 去掉 ```json 和 ``` 包裹
+    final_state["content"] = final_state["content"]
+    final_state["content"] = re.sub(
+        r"^```json\s*|\s*```$", "", final_state["content"].strip()
+    )
+    print("最终识别内容：", final_state["content"])
+    return final_state
@@ -1,60 +0,0 @@
-from typing import Optional
-from pydantic import BaseModel, Field
-from langchain_core.messages import HumanMessage
-
-from config.llm import *
-from langchain.prompts import PromptTemplate
-
-from langchain.prompts import PromptTemplate
-from langchain.schema import HumanMessage
-import os
-import base64
-from langchain.prompts import PromptTemplate
-from langchain_openai import ChatOpenAI
-from langchain_core.output_parsers import JsonOutputParser
-from langchain.schema import HumanMessage
-from pydantic import BaseModel, Field
-
-from pydantic import BaseModel, Field
-import json
-
-import re
-import json
-import requests
-import cv2
-import numpy as np
-import requests
-
-class CocoonSample(BaseModel):
-    moisture_content: float = Field(
-        ...,
-        description="茧的含水量，单位为百分比（%），浮点数"
-    )
-    cocoon_weight: float = Field(
-        ...,
-        description="下足茧的重量，单位为克，可带小数"
-    )
-    defective_pupa_count: int = Field(
-        ...,
-        description="非好蛹粒数，即不合格蛹的数量，整数"
-    )
-    fresh_shell_weight: float = Field(
-        ...,
-        description="鲜壳重量，单位为克，可带小数"
-    )
-    sample_count: int = Field(
-        ...,
-        description="小样粒数，用于检测的茧粒数，整数"
-    )
-    net_weight_total: float = Field(
-        ...,
-        description="所有样品的净重合计，单位为克，浮点数"
-    )
-    evaluator: Optional[str] = Field(
-        None,
-        description="仪评人姓名，可能为空"
-    )
-    reviewer: Optional[str] = Field(
-        None,
-        description="复核人员姓名，可能为空"
-    )