# 视觉探索引擎

**Repository Path**: bingbingyihao/visual-exploration-engine

## Basic Information

- **Project Name**: 视觉探索引擎
- **Description**: 以图搜图 - 视觉探索引擎
- **Primary Language**: Java
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-08
- **Last Updated**: 2026-06-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 视觉探索引擎

> 以图搜图 - 基于 AI 向量检索的视觉探索系统

## 项目简介

视觉探索引擎是一个基于深度学习的以图搜图系统。用户上传一张图片后，系统会自动提取图片的特征向量，并在图片池中搜索视觉上相似的图片。同时利用 AI 视觉模型自动分析图片内容，生成分类和标签。

## 技术栈

| 层级 | 技术 |
|------|------|
| 后端 | Spring Boot 2.7.18 + MyBatis-Plus 3.5.3 + Lombok |
| 向量数据库 | Milvus 2.4 (2560 维向量, IVF_FLAT 索引) |
| AI 服务 | 阿里云 DashScope (qwen3-vl-embedding / qwen-vl-max) |
| 前端 | Vue 3 + Axios |
| 关系数据库 | MySQL 8.0 |

## 功能特性

- **图片上传** - 支持拖拽或点击上传，支持 JPG/PNG/WebP 格式
- **向量提取** - 调用 DashScope 多模态模型将图片转为 2560 维特征向量
- **图片分析** - AI 自动识别图片分类（风景/建筑/人物/动物等）和提取标签
- **以图搜图** - 上传新图片或使用图片池中已有图片进行搜索
- **图片池管理** - 分页浏览、分类筛选、按相似度排序展示结果
- **实时进度** - 上传进度展示、搜索结果相似度百分比显示

## 系统架构

```
┌─────────────┐     ┌──────────────────┐     ┌─────────────────┐
│  Vue 3 前端  │────▶│  Spring Boot 后端 │────▶│   Milvus 向量库  │
└─────────────┘     └────────┬─────────┘     └─────────────────┘
                             │
                      ┌──────▼──────┐     ┌─────────────────┐
                      │   MySQL DB   │     │ DashScope AI API│
                      └─────────────┘     └─────────────────┘
```

## 环境要求

- JDK 8+
- Node.js 16+
- MySQL 8.0
- Milvus 2.4+
- 阿里云 DashScope API Key

## 快速开始

### 1. 数据库准备

执行初始化 SQL 脚本：

```bash
mysql -u root -p < code/SpringBoot/src/main/resources/sql/init.sql
```

### 2. 配置后端

编辑 `code/SpringBoot/src/main/resources/application.properties`：

```properties
# 数据库配置
spring.datasource.url=jdbc:mysql://localhost:3306/visual_exploration
spring.datasource.username=root
spring.datasource.password=你的密码

# DashScope API Key（必填）
dashscope.api-key=你的dashscope-api-key

# Milvus 配置（如使用默认值可保持不变）
milvus.host=localhost
milvus.port=19530
```

### 3. 启动后端

```bash
cd code/SpringBoot
mvn spring-boot:run
```

后端默认运行在 `http://localhost:8080`

### 4. 启动前端

```bash
cd code/vue
npm install
npm run serve
```

前端默认运行在 `http://localhost:8081`

## API 接口

| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/images/upload` | 上传图片（自动提取向量+分析） |
| GET  | `/api/images/pool?page=1&size=20&category=` | 分页获取图片池 |
| POST | `/api/search/similar` | 上传图片搜索相似图片 |
| POST | `/api/search/similar/{imageId}` | 使用图片池中的图片搜索 |

## 项目结构

```
├── code/
│   ├── SpringBoot/                    # 后端
│   │   ├── src/main/java/com/boot/
│   │   │   ├── config/                # 配置类（Milvus/MyBatis/CORS等）
│   │   │   ├── controller/            # 控制器（图片/搜索接口）
│   │   │   ├── dto/                   # 数据传输对象
│   │   │   ├── entity/                # 数据库实体
│   │   │   ├── mapper/                # MyBatis-Plus Mapper
│   │   │   ├── service/               # 业务逻辑层
│   │   │   └── utils/                 # 工具类
│   │   └── src/main/resources/
│   │       ├── application.properties # 应用配置
│   │       └── sql/init.sql           # 数据库初始化脚本
│   └── vue/                           # 前端
│       └── src/
│           ├── api/                   # API 请求封装
│           ├── components/            # 通用组件
│           ├── views/                 # 页面组件
│           └── styles/                # 全局样式
└── README.md
```

## 工作原理

1. **上传阶段** - 用户上传图片，后端保存到本地存储，记录到 MySQL
2. **向量提取** - 将图片转为 Base64，调用 DashScope `qwen3-vl-embedding` 模型获取 2560 维向量
3. **向量存储** - 将向量插入 Milvus 向量数据库，关联 image_id
4. **内容分析** - 调用 DashScope `qwen-vl-max` 视觉模型，分析图片分类和标签
5. **搜索阶段** - 对查询图片执行同样的向量提取，在 Milvus 中用内积 (IP) 检索最相似向量
6. **结果返回** - 按相似度排序，关联 MySQL 中的图片元数据返回前端

## License

Apache 2.0