nanocode/urinecheck/docs/python-json-implementation-plan.md

Python后端 JSON数据尿检识别 - 技术实施方案

基于 C++ ProcessJsonDataRequest 逐行翻译到 Python 依赖：/usr/local/Models/ml.json + *.data (OpenCV RTrees 模型)

---

1. 可行性验证

检查项	状态
OpenCV 版本	4.13.0 ✅
cv2.ml.RTrees_load() 加载 .data 文件	✅ uro_0, glu_1, glu-rts-M1 均加载成功
RTrees.predict() 预测	✅ predict(sample) 返回浮点数
/usr/local/Models/ 所有模型文件存在	✅ 14项×2+ (Green+Rts) 全部存在
ml.json 配置完整	✅ 包含所有14项×21种试纸类型配置

---

2. 总体架构

POST /api/urinecheck/analyze-json
   │
   ├── 接收 JSON body (与txt文件格式一致)
   │
   ├── MLConfigLoader ─── 解析 /usr/local/Models/ml.json
   │   ├── 构建 model_lookup[paperType][position] = (model, indexFunc, indexMap)
   │   └── 标注 PRO/MAU/SG/pH 的 position
   │
   ├── UrineJsonRecognizer
   │   ├── 1. 解析输入JSON
   │   ├── 2. extract paperType from extend
   │   ├── 3. 逐帧处理
   │   │   └── 每帧: mapData[id→[6 floats]] → ML推理 → {position: rawIndex}
   │   ├── 4. CountResultsModal (多帧投票)
   │   ├── 5. PRO/MAU + SG/PH 关联修正
   │   ├── 6. indexMap 映射
   │   └── 7. 构建输出JSON
   │
   └── 返回 {"score":"100", "status":"0", "data": [{id, index}, ...]}

---

3. 实施步骤

Step 1: 新建 ml_config.py — ML配置加载器

功能：解析 /usr/local/Models/ml.json，构建运行时查表结构

class MLConfigLoader:
    def load(self):
        # 解析 ml.json
        # 对每个 item (uro/glu/ket/...):
        #   对每个 model entry (positon, id, filepath, algorithm, indexmap):
        #     paperType = j (model数组中的索引)
        #     if positon >= 0:
        #       models[paperType][positon] = RTrees.load(filepath)
        #       result_funcs[paperType][positon] = indexFuncName
        #       stat_ids[paperType][positon] = id
        #       index_maps[paperType][positon] = [int(x) for x in indexmap.split(',')]
        #       if name == 'pro': positionsPro[paperType] = positon
        #       ... etc

Step 2: 新建 json_recognizer.py — JSON数据识别器

核心类：UrineJsonRecognizer

class UrineJsonRecognizer:
    def recognize(self, json_data: dict) -> dict:
        # 完整复制 ProcessJsonDataRequest 逻辑
        ...

    def _get14_results(self, map_data: dict, paper_type: int) -> dict:
        # 完整复制 UrineCheck14::Get14Results(mapData, X) 逻辑
        ...

各检测项的结果索引修正函数（直接翻译C++）：

• _red_pro_index(p, h) — if ret>0 and (h<25 or h>110) → 0
• _red_mau_index(p, h) — if ret>0 and (h<30 or h>115) → 0
• _red_ket_index(p, h) — if ret>1 and 45<h<145 → 0
• _red_nit_index(p, h) — if ret>0 and 40<h<140 → 0
• _red_uro_index(p, h) — if ret>0 and 25<h<150 → 0
• 其余直接 round(p)

Step 3: 添加 API 路由

在 routers/urinecheck.py 中添加：

@router.post("/analyze-json")
async def analyze_json(request: JsonDataRequest, ...):
    recognizer = get_recognizer()  # 全局单例
    return recognizer.recognize(request.model_dump())

Step 4: 在 schemas.py 中添加请求模型

Step 5: 在 app.py 中初始化识别器（startup event）

---

4. 关键差异注意事项

C++	Python
Json::Value	dict/list
map<int, Ptr>	dict[int, cv2.ml.RTrees]
atoi() string→int	int() 或 float()
split(s, ',', vs)	s.split(',')
GetModal1() → 众数	collections.Counter.most_common(1)
GetPredictResultVal(data)	model.predict(np.array([data], dtype=np.float32))

---

5. 文件清单

文件	操作	功能
backend/ml_config.py	新建	ML配置加载器
backend/json_recognizer.py	新建	JSON数据识别核心逻辑
backend/schemas.py	修改	添加 JsonDataRequest
backend/routers/urinecheck.py	修改	添加 /analyze-json 路由
backend/app.py	修改	启动时初始化识别器