水稻种植辅助系统

页面整体前端

Streamlit

streamlit是什么

1. Streamlit：一个能够迅速搭起web服务的Python框架，非常便捷地将本地的程序开发接口给别人调用。更多介绍官方文档写的很详细了点击跳转，安装也很简单，直接pip
   install streamlit即可
2. 再说下Streamlit Cloud，这是streamlit官方提供的云，可以部署自己公开的streamlit
   app，会生成一个公网url，可以随时访问并分享给别人

全局信息配置

app的全局配置

主要用到的是st.set_page_config，可以修改页面标题、页面icon、侧边栏以及页面布局，其中可以用log作为页面的icon。如下是我的配置信息：

def main():
    # 设置页面布局
    global model
    st.set_page_config(
        page_title="Coding Learning Corner",
        page_icon="log",
        layout="wide",
        initial_sidebar_state="collapsed"
    )

    # 设置主标题
    st.title("水稻种植辅助系统")

    # 侧边栏标题
    st.sidebar.header("模型配置")

    # 侧边栏-任务选择
    task_type = st.sidebar.selectbox(
        "选择要进行的任务",
        ["目标检测"]
    )

    model_type = None
    # 侧边栏-模型选择
    if task_type == "目标检测":
        model_type = st.sidebar.selectbox(
            "选取模型",
            config.DETECTION_MODEL_LIST
        )
    else:
        st.error("目前仅仅实现了目标检测任务")
    # 侧边栏-置信度
    confidence = float(st.sidebar.slider(
        "选取最小置信度", 10, 100, 25)) / 100

    model_path = ""
    if model_type:
        model_path = Path(config.DETECTION_MODEL_DIR, str(model_type))
    else:
        st.error("请在下拉框选择一个模型")

    # 加载模型
    try:
        model = load_model(model_path)
    except Exception as e:
        st.error(f"无法加载模型. 请检查路径: {model_path}")

    # 侧边栏-图像、视频、摄像头选择
    predict_region, show_region = st.columns(2)

    with predict_region:
        # st.header("图片/视频配置")
        source_selectbox = st.selectbox(
            "选取文件类型",
            config.SOURCES_LIST
        )

程序内部的全局变量信息配置：

主要用到的是st.session_state，这里面定义的信息会在页面刷新时重置，因此可以利用它，可以非常巧妙地配置每次访问页面时的全局信息。如下是我的配置信息：

秘钥信息配置：

这个主要是针对用Streamlit Cloud分享app时所要配置的信息，会储存在st.secrets中，因为部署到Streamlit Cloud的app都是链接public github repository的，所以像database的账户密码、API key等信息是不能公开的，但程序中又需要用到这些信息，那么就需要配置了。详细的用法官方也已经给出点击跳转

 if st.session_state.first_visit:
        # 在这里可以定义任意多个全局变量，方便程序进行调用
        st.session_state.date_time = datetime.datetime.now() + datetime.timedelta(
            hours=0)  # Streamlit Cloud的时区是UTC，加8小时即北京时间
        st.session_state.random_chart_index = random.choice(range(len(charts_mapping)))
        st.session_state.my_random = MyRandom(random.randint(1, 1000000))
        st.session_state.city_mapping,_ = get_city_mapping()
        st.session_state.static = load_static()
        st.session_state.city_map, st.session_state.city_seq = load_map()
        st.balloons()
        st.snow()

    d = st.sidebar.date_input('Date', st.session_state.date_time.date())
    t = st.sidebar.time_input('Time', st.session_state.date_time.time())
    t = f'{t}'.split('.')[0]
    st.sidebar.write(f'The current date time is {d} {t}')
    # with predict_region:
    #     chart = st.selectbox('选择你想查看的图表', charts_mapping.keys(),
    #                              index=st.session_state.random_chart_index)
    with show_region:
        city_choose = sac.cascader(st.session_state.city_map,index=[2090,2106],return_index=True,search=True)
        city_index = city_choose[0]
        city = st.session_state.city_seq[city_index]

        cat = st.selectbox("灾害类别:",config.categories_map,format_func=config.categories_map.get)

        for p in st.session_state.city_map:
            if p['label'] == st.session_state.city_seq[city_index]:
                children_size = len(p['children'])
                break

缓存机制

streamlit的缓存主要是用到装饰器@st.cache，可以优化性能，提升用户体验。主要是用在请求的数据量比较大时采用的一种应对策略，因为streamlit的一个特点是：用户每进行一次交互，程序都会重新自顶向下重新运行一遍。
被@st.cache装饰的函数，streamlit会对该函数的入参、出参、函数主体以及函数内部用到的其他函数主体进行跟踪，通过hash编码进行前后判断是否已经运行过一遍，快速返回结果。更多详细介绍官方也给出了点击跳转
同时，hash编码是可以自定义的，通过参数hash_funcs实现，如下是我自定义的hash编码：

class MyRandom:
    def __init__(self,num):
        self.random_num=num

def my_hash_func(my_random):
    num = my_random.random_num
    return num

@st.cache(hash_funcs={MyRandom: my_hash_func})
def get_pictures(my_random):
    try:
        cat_img=Image.open(BytesIO(requests.get(requests.get('https://aws.random.cat/meow').json()['file']).content))
        dog_img=Image.open(BytesIO(requests.get(requests.get('https://random.dog/woof.json').json()['url']).content))
        fox_img=Image.open(BytesIO(requests.get(requests.get('https://randomfox.ca/floof/').json()['image']).content))
    except Exception as e:
        if 'cannot identify image file' in str(e):
            return get_pictures(my_random)
        else:
            st.error(str(e))
    return cat_img,dog_img,fox_img

数据来源

在我的项目中，用到了天气预报数据
天气预报：数据是来自墨迹天气

地图

使用是mapbox绘制底图，再根据收集的经纬度数据，填充单选框，使其能够匹配在地图上的位置
，对于收集到的经纬度数据剔除了误差过大的部分，调整了区县的设置

完整前端：

项目已部署：https://riceauxiliarysystem.streamlit.app/