2017年春节入坑DP，学着caffe做了一个杂草小苗的APP，模型和功能均在云端。

pypic.py

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

import numpy as np  
import sys,os 
import re  

# 设置当前的工作环境在caffe下  
caffe_root = 'caffe/caffe-master/'   
# 我们也把caffe/python也添加到当前环境  
sys.path.insert(0, caffe_root + 'python') 
sys.path.insert(0, caffe_root + 'python/caffe') 
# os.environ['GLOG_minloglevel'] = '2'

import caffe  
os.chdir(caffe_root)#更换工作目录  

#GPU模式
#caffe.set_device(0)  # 如果你有多个GPU，那么选择第一个
caffe.set_mode_cpu()

# 设置网络结构  
net_file=caffe_root + 'examples/flower/deploy.prototxt'  #现成的
# 添加训练之后的参数  
caffe_model=caffe_root + 'examples/flower/snapshot_iter_40000.caffemodel'  
# 均值文件  
mean_file=caffe_root + 'examples/flower/ilsvrc_2012_mean.npy'   

# 这里对任何一个程序都是通用的，就是处理图片  
# 把上面添加的两个变量都作为参数构造一个Net  
net = caffe.Net(net_file,caffe_model,caffe.TEST)  

# 得到data的形状，这里的图片是默认matplotlib底层加载的  
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})  
# matplotlib加载的image是像素[0-1],图片的数据格式[weight,high,channels]，RGB  
# caffe加载的图片需要的是[0-255]像素，数据格式[channels,weight,high],BGR，那么就需要转换  

# channel 放到前面  
transformer.set_transpose('data', (2,0,1))  
transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))  
# 图片像素放大到[0-255]  
transformer.set_raw_scale('data', 255)   
# RGB-->BGR 转换  
transformer.set_channel_swap('data', (2,1,0))  

# print "input image" + sys.argv[1]
# 这里才是加载图片  
#im=caffe.io.load_image(caffe_root+'examples/flower/jpg/zshuhe055.jpg') 
im=caffe.io.load_image(sys.argv[1]) 

# 用上面的transformer.preprocess来处理刚刚加载图片  
net.blobs['data'].data[...] = transformer.preprocess('data',im)  

#注意,网络开始向前传播啦  
output = net.forward()  
# 最终的结果: 当前这个图片的属于哪个物体的概率(列表表示)  
output_prob = output['prob'][0] 
 
# 找出最大的那个概率  
# print 'predicted class is:', output_prob.argmax()  

# 也可以找出前五名的概率  
top_inds = output_prob.argsort()[::-1][:5]    

# 最后加载数据集进行验证  
imagenet_labels_filename = caffe_root + 'examples/flower/synset_words.txt'    
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t')  

# print 'probabilities and labels:'  
# zip(output_prob[top_inds], labels[top_inds])  

top_k = net.blobs['prob'].data[0].flatten().argsort()[-1:-6:-1]  
#for i in np.arange(top_k.size):  
#    print labels[top_k[i]]  

with open("pestTemp.txt", "w") as f:
#    f.write(''.join(labels[top_k[0]])+';'.join(labels[top_k[1]])+';'.join(labels[top_k[2]])+';'.join(labels[top_k[3]])+';'.join(labels[top_k[4]])) 
    f.write(labels[top_k[0]]+';'+labels[top_k[1]]+';'+labels[top_k[2]]+';'+labels[top_k[3]]+';'+labels[top_k[4]])

upImgAi.php

date_default_timezone_set('Asia/Shanghai');
require_once('../include/DbMysqli.php');//BbsDbclass
require_once("PYClass.php");

//post 传值
$tblId = $_POST['tblId']; 
$act = $_POST['act'];  
$imgtxt = $_POST['imgtxt']; 
$UpPest = $_POST['UpPest']; 
$recId = $_POST['recId'];  
$UpLoc = $_POST['UpLoc']; 

$UpImgName = $_FILES["image"]["name"];
$UpAiDir = 'caffe/caffe-master/examples/flower/AiImg/';
if(!file_exists($UpAiDir)) {
    mkdir($UpAiDir); //新建文件夹
}

UpImgFile($UpImgName,$UpAiDir);//上传图片到指定目录 

$pestImg = $UpAiDir.$UpImgName;
system("python pypic.py ".$pestImg, $ret);

$pyDlFile = "caffe/caffe-master/pestTemp.txt"; //结果

if(file_exists($pyDlFile)){ //文件内容读入到字符串 
  $dlStr = file_get_contents($pyDlFile);
  $dlStr = preg_replace('|[0-9]+|','',$dlStr);
  $dlPestArr = explode(";",$dlStr);  //诊断结果数组
  AiJson($dlPestArr);
}

function UpImgFile($TempName,$UpAiDir){//上传图片移到指定目录
    if(move_uploaded_file($_FILES['image']['tmp_name'], $UpAiDir.$TempName)){
        //echo "The file ".basename($TempName)." has been uploaded successful.";
    }else{
        echo "Sorry, there was a problem uploading your file.failed";
    }
}

function AiJson($dlPestArr){
    $response = array();//zsh;yc;znB;zyy;ehm
    $pestArrEn = array('jc','zyy','dzZ','znA','zsh','dzB','pop','yc','znB','fl','ehm','zjym','mg','dzC','cec','dm','fs','dqb','ze','zheqi','znC','znZ','dzA','bph','sbph');
    $pestArr = array('荠菜','猪殃殃','0级稻桩','1级子囊','早熟禾','2级稻桩','婆婆纳','硬草','2级子囊','繁缕','二化螟','纵卷叶螟','毛茛','3级稻桩','刺儿菜','大螟','褐稻虱','稻曲病','卷耳','泽漆','3级子囊','0级子囊','1级稻桩','褐飞虱','灰飞虱');
    for($i=0;$i<count($dlPestArr);$i++){
          $RecArr["Id"] = "1";//表ID序号
          $RecArr["demoImg"] = "http://localhost/jsipm/admin/".$dlPestArr[$i].".jpg";  //图标
          if(in_array($dlPestArr[$i],$pestArrEn)){
              $pId = array_search($dlPestArr[$i],$pestArrEn);
              $RecArr["ShowTbl"] = $pestArr[$pId];  //诊断结果
          }else{
              $RecArr["ShowTbl"] = "未知";  //诊断结果
          }
          
          $RecArr["RealTbl"] = "http://localhost/jsipm/pestimg/csvpro.mp4";  //表格名
          array_push($response, $RecArr);
    }
    $JsonStr = json_encode($response);
    echo $JsonStr;
}

致敬贾神！