# Veritas

**Repository Path**: Asong65/veritas

## Basic Information

- **Project Name**: Veritas
- **Description**: 使用OpenCV库的C#视觉识别项目
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-24
- **Last Updated**: 2026-08-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Veritas

C#（WPF 客户端）+ Python（YOLO 模型）视觉识别项目：识别台面上堆叠的生物实验耗材
（吸头盒、试剂槽、孔板、适配器、垃圾桶、设备等，多目标多类别）。

## 架构

```
摄像头 -> WPF 客户端 (Veritas.App)
              |  每帧 JPEG
              v  HTTP POST /detect
         Python 推理服务 (veritas-vision, FastAPI)
              |  YOLO 模型
              v  检测框 JSON
         WPF 画框显示
```

- **C# 侧**（`src/`）：摄像头采集、画面渲染、截图。识别通过 `IRecognitionRule` 接口抽象，
  `YoloHttpRule` 把帧发给 Python 服务并解析结果，不依赖任何 Python 运行时。
- **Python 侧**（`python/`）：数据集管理、YOLO 训练、HTTP 推理服务。模型能力全部在这边演进。

## 目录

```
Veritas/
├── src/
│   ├── Veritas.Core/          # net8.0：识别接口 + 规则（含 YoloHttpRule）
│   └── Veritas.App/           # net8.0-windows WPF：MVVM 客户端
├── tests/
│   └── Veritas.App.Tests/     # xunit（Core 规则 + HTTP mock）
└── python/                    # Python 工程（uv 管理）
    ├── veritas_vision/        # detector / server / train / split_dataset
    ├── datasets/tipbox/       # 吸头盒数据集（images/labels + train/val）
    ├── tests/                 # pytest
    └── models/tipbox/best.pt  # 训练产物（服务加载的权重）
```

## 快速开始

### 1. 启动推理服务（Python）

```bash
cd python
uv sync --extra dev
uv run uvicorn veritas_vision.server:app --host 127.0.0.1 --port 8300
# 验证: curl http://127.0.0.1:8300/health
```

模型未训练时 `/health` 返回 `model_exists: false`，`/detect` 返回 503，
WPF 客户端照常显示画面（只是没有检测框）。

### 2. 启动 WPF 客户端（C#）

```bash
dotnet run --project src/Veritas.App
```

### 3. 训练自己的吸头盒模型

见 [docs/dataset-guide.md](docs/dataset-guide.md)。简述：

```bash
# 采集图片+标注放入 python/datasets/tipbox/raw/，然后：
cd python
uv run python -m veritas_vision.split_dataset          # 划分 train/val
uv run python -m veritas_vision.train --epochs 100     # CPU 训练（约数十分钟）
cp runs/detect/tipbox*/weights/best.pt models/tipbox/best.pt
# 重启推理服务即生效
```

## 测试

```bash
dotnet test                          # C# 侧（含 HTTP mock 测试）
cd python && uv run pytest           # Python 侧（服务/数据集/数据结构）
```

## 文档

- **[代码导读（零基础版）](docs/code-guide.md)** ← 想看懂代码从这里开始
- [架构说明](docs/architecture.md) — 组件职责、接口契约、多类别设计
- [数据集与训练指南](docs/dataset-guide.md) — 采集、标注、训练、部署