update 新增监控小图AI测试

example/deal.cpp

@@ -1327,8 +1327,9 @@ int deal::DetImg()
     return 0;
 }
 
-/// @brief 监控模式：每 5 分钟执行一次模型推理，并把当前设备资源消耗（CPU 内存 / GPU 显存）
+/// @brief 监控模式：每 10 秒执行一次模型推理，并把当前设备资源消耗（CPU 内存 / GPU 显存）
-///        写入 monitor.log；当某次推理输出 out 图至少一个像素不为全黑时，保存该 out 图并退出监控。
+///        写入 monitor.log；out 图重复覆盖保存到输入图同名 out 文件（*_in.png -> *_out.png），
+///        当某次推理输出 out 图至少一个像素不为全黑时退出监控。
 /// @return 0 表示成功，非 0 表示初始化失败
 int deal::MonitorRun()
 {
@@ -1397,9 +1398,25 @@ int deal::MonitorRun()
         return 1;
     }
 
-    // 预处理成模型输入（只读一次，每轮复用）
+    // 输出目录：输入目录去掉末尾 '/' 后追加 "_TEST/"（与 TestAIDet 保持一致）
+    std::string strDstRoot = strSrcRoot;
+    while (strDstRoot.size() > 1 && strDstRoot.back() == '/')
+    {
+        strDstRoot.pop_back();
+    }
+    strDstRoot += "_TEST/";
+    {
+        std::error_code ec;
+        fs::create_directories(strDstRoot, ec);
+    }
+
+    // 预处理成模型输入（只读一次，每轮复用），并计算对应输出路径（*_in.png -> *_out.png）
+    std::vector<std::string> okInList;
     std::vector<cv::Mat> inImgs;
+    std::vector<std::string> outList;
+    okInList.reserve(inList.size());
     inImgs.reserve(inList.size());
+    outList.reserve(inList.size());
     for (size_t i = 0; i < inList.size(); i++)
     {
         cv::Mat inImg = cv::imread(inList[i], cv::IMREAD_UNCHANGED);
@@ -1429,7 +1446,18 @@ int deal::MonitorRun()
         {
             cv::resize(inImg, inImg, cv::Size(nModelInW, nModelInH));
         }
+        okInList.push_back(inList[i]);
         inImgs.push_back(inImg);
+
+        std::string rel = inList[i].substr(strSrcRoot.size());
+        const std::string inSuffix = "_in.png";
+        const std::string outSuffix = "_out.png";
+        size_t pos = rel.rfind(inSuffix);
+        if (pos != std::string::npos)
+        {
+            rel.replace(pos, inSuffix.size(), outSuffix);
+        }
+        outList.push_back(strDstRoot + rel);
     }
     if (inImgs.empty())
     {
@@ -1437,28 +1465,8 @@ int deal::MonitorRun()
         return 1;
     }
 
-    // 输出目录：输入目录去掉末尾 '/' 后追加 "_TEST/"（与 TestAIDet 保持一致）
-    std::string strDstRoot = strSrcRoot;
-    while (strDstRoot.size() > 1 && strDstRoot.back() == '/')
-    {
-        strDstRoot.pop_back();
-    }
-    strDstRoot += "_TEST/";
-
-    // 本次监控的时间戳输出目录（存图和 log 都放这里）
-    time_t startT = time(NULL);
-    struct tm stmv;
-    localtime_r(&startT, &stmv);
-    char dirTs[64] = {0};
-    strftime(dirTs, sizeof(dirTs), "monitor_%Y%m%d_%H%M%S", &stmv);
-    std::string strOutDir = strDstRoot + dirTs + "/";
-    {
-        std::error_code ec;
-        fs::create_directories(strOutDir, ec);
-    }
-
     // 打开监控日志（追加写）
-    std::string strLogPath = strOutDir + "monitor.log";
+    std::string strLogPath = strDstRoot + "monitor.log";
     std::ofstream logFile(strLogPath, std::ios::app);
     if (!logFile)
     {
@@ -1474,11 +1482,9 @@ int deal::MonitorRun()
         logFile.flush();
     };
 
-    const int nIntervalSec = 5 * 60; // 5 分钟
+    const int nIntervalSec = 1; // 1 秒
-    const int nMaxRunSec = 30 * 60;  // 30 分钟
     long nRound = 0;
-    auto monitorStart = std::chrono::steady_clock::now();
+    logLine("===== monitor start (every 10s, exit on first non-black out) =====");
-    logLine("===== monitor start (run max 30 min) =====");
 
     // 初始化 CPU 采样基准（用于计算 CPU 使用率）
     struct rusage usagePrev;
@@ -1489,16 +1495,6 @@ int deal::MonitorRun()
 
     while (true)
     {
-        // 0. 运行 30 分钟后停止
-        double elapsedSec = std::chrono::duration<double>(
-                                std::chrono::steady_clock::now() - monitorStart)
-                                .count();
-        if (elapsedSec >= nMaxRunSec)
-        {
-            logLine("===== monitor exit (timeout 30 min) =====");
-            break;
-        }
-
         nRound++;
 
         // 1. 采集设备资源消耗
@@ -1557,8 +1553,8 @@ int deal::MonitorRun()
                  gpuUsedMB, gpuTotalMB);
         logLine(buf);
 
-        // 2. 逐图推理，遇到 out 非全黑则保存对应的输入图和输出图
+        // 2. 逐图推理，out 图重复覆盖保存；遇到非全黑则退出
-        int nHit = 0;
+        bool bHit = false;
         for (size_t i = 0; i < inImgs.size(); i++)
         {
             cv::Mat outImg;
@@ -1567,49 +1563,215 @@ int deal::MonitorRun()
             {
                 snprintf(buf, sizeof(buf),
                          "[round %ld] infer fail(%d) on image %zu: %s",
-                         nRound, re, i, inList[i].c_str());
+                         nRound, re, i, okInList[i].c_str());
                 logLine(buf);
                 continue;
             }
 
+            // 输出图重复覆盖保存到 *_out.png
+            bool bSaved = false;
+            {
+                fs::path outParent = fs::path(outList[i]).parent_path();
+                if (!outParent.empty())
+                {
+                    std::error_code ec;
+                    fs::create_directories(outParent, ec);
+                }
+                bSaved = cv::imwrite(outList[i], outImg);
+            }
+
             int nNonZero = cv::countNonZero(outImg);
             if (nNonZero > 0)
             {
-                // 输出图不全黑 -> 保存对应的输入图和输出图
-                std::string saveInPath = strOutDir + "monitor_hit_round" +
-                                         std::to_string(nRound) + "_img" +
-                                         std::to_string(i) + "_in.png";
-                std::string saveOutPath = strOutDir + "monitor_hit_round" +
-                                          std::to_string(nRound) + "_img" +
-                                          std::to_string(i) + "_out.png";
-                cv::imwrite(saveInPath, inImgs[i]);
-                cv::imwrite(saveOutPath, outImg);
-
                 snprintf(buf, sizeof(buf),
-                         "[round %ld] hit! out image %zu non-zero pixels: %d -> save %s / %s",
+                         "[round %ld] hit! out image %zu non-zero pixels: %d -> %s (saved=%d), exit monitor",
-                         nRound, i, nNonZero, saveInPath.c_str(), saveOutPath.c_str());
+                         nRound, i, nNonZero, outList[i].c_str(), bSaved ? 1 : 0);
                 logLine(buf);
-                nHit++;
+                bHit = true;
+                break;
             }
         }
 
-        snprintf(buf, sizeof(buf), "[round %ld] %d non-black out saved, sleep %d s ...",
+        if (bHit)
-                 nRound, nHit, nIntervalSec);
-        logLine(buf);
-
-        // 3. 休眠（不超过剩余运行时间）
-        double remainSec = nMaxRunSec - elapsedSec;
-        int sleepSec = (int)(remainSec < nIntervalSec ? remainSec : nIntervalSec);
-        if (sleepSec > 0)
         {
-            std::this_thread::sleep_for(std::chrono::seconds(sleepSec));
+            break;
         }
+
+        snprintf(buf, sizeof(buf), "[round %ld] all out black, sleep %d s ...", nRound, nIntervalSec);
+        logLine(buf);
+
+        std::this_thread::sleep_for(std::chrono::seconds(nIntervalSec));
     }
 
     logFile.close();
     return 0;
 }
 
+/// @brief AI 检测独立测试：遍历 /home/aidlux/BOE/FOG/AI_Detect/ 下所有 *_in.png，
+///        送入 AI_defect_NF 模型推理，将输出 *_out.png 保存到 /home/aidlux/BOE/FOG/AI_Detect_TEST/
+/// @return 0 表示成功
+/*int deal::TestAIDet()
+{
+    // 输入目录：优先使用命令行指定路径，否则使用默认路径
+    std::string strSrcRoot = runConfig.filePath;
+    if (strSrcRoot.empty())
+    {
+        strSrcRoot = "/home/aidlux/BOE/FOG/AI_Detect/";
+    }
+    else if (strSrcRoot.back() != '/')
+    {
+        strSrcRoot += "/";
+    }
+
+    // 输出目录：输入目录去掉末尾 '/' 后追加 "_TEST/"
+    // 默认输入 /home/aidlux/BOE/FOG/AI_Detect/ -> 输出 /home/aidlux/BOE/FOG/AI_Detect_TEST/
+    std::string strDstRoot = strSrcRoot;
+    while (strDstRoot.size() > 1 && strDstRoot.back() == '/')
+    {
+        strDstRoot.pop_back();
+    }
+    strDstRoot += "_TEST/";
+
+    if(runConfig.bmonitor)
+    {
+        // 监控模式：每 5 分钟执行一次模型推理，记录设备资源消耗到 log；
+        // 当某次推理输出 out 图至少一个像素不为全黑时退出监控。
+        return MonitorRun();
+    }
+
+    std::shared_ptr<AIFactory> pAIFactory = AIFactory::GetInstance();
+    std::shared_ptr<AIModel_Base> pAI_Model = pAIFactory->AI_defect_NF;
+    if (!pAI_Model || !pAI_Model->m_bInitSuccess)
+    {
+        printf("TestAIDet: AI model (AI_defect_NF) not ready!\n");
+        return 1;
+    }
+
+    printf("TestAIDet: model input [c=%d w=%d h=%d] output [c=%d w=%d h=%d]\n",
+           pAI_Model->input_0.channel, pAI_Model->input_0.width, pAI_Model->input_0.height,
+           pAI_Model->output_0.channel, pAI_Model->output_0.width, pAI_Model->output_0.height);
+
+    // 收集所有 *_in.png 文件
+    std::vector<std::string> inList;
+    try
+    {
+        if (!fs::exists(strSrcRoot))
+        {
+            printf("TestAIDet: src dir not exist: %s\n", strSrcRoot.c_str());
+            return 1;
+        }
+        for (const auto &entry : fs::recursive_directory_iterator(strSrcRoot))
+        {
+            if (!entry.is_regular_file())
+            {
+                continue;
+            }
+            std::string path = entry.path().string();
+            std::string name = entry.path().filename().string();
+            const std::string suffix = "_in.png";
+            if (name.size() >= suffix.size() &&
+                name.compare(name.size() - suffix.size(), suffix.size(), suffix) == 0)
+            {
+                inList.push_back(path);
+            }
+        }
+    }
+    catch (const std::exception &e)
+    {
+        printf("TestAIDet: traverse error %s\n", e.what());
+        return 1;
+    }
+
+    std::sort(inList.begin(), inList.end());
+    printf("TestAIDet: total %zu in images\n", inList.size());
+
+    const int nModelInCh = pAI_Model->input_0.channel;
+    const int nModelInW = pAI_Model->input_0.width;
+    const int nModelInH = pAI_Model->input_0.height;
+
+    int nOK = 0;
+    for (size_t i = 0; i < inList.size(); i++)
+    {
+        const std::string &inPath = inList[i];
+        cv::Mat inImg = cv::imread(inPath, cv::IMREAD_UNCHANGED);
+        if (inImg.empty())
+        {
+            printf("[%zu/%zu] read fail: %s\n", i + 1, inList.size(), inPath.c_str());
+            continue;
+        }
+
+        // 统一成模型要求的输入：单通道 8U、模型输入尺寸
+        if (inImg.channels() != nModelInCh)
+        {
+            cv::Mat tmp;
+            if (inImg.channels() >= 3)
+            {
+                cv::cvtColor(inImg, tmp, cv::COLOR_BGR2GRAY);
+            }
+            else
+            {
+                tmp = inImg.clone();
+            }
+            inImg = tmp;
+        }
+        if (inImg.type() != CV_8U)
+        {
+            inImg.convertTo(inImg, CV_8U);
+        }
+        if (inImg.cols != nModelInW || inImg.rows != nModelInH)
+        {
+            cv::resize(inImg, inImg, cv::Size(nModelInW, nModelInH));
+        }
+
+        cv::Mat outImg;
+        int re = pAI_Model->AIDet(inImg, outImg);
+        if (re != 0 || outImg.empty())
+        {
+            printf("[%zu/%zu] infer fail(%d): %s\n", i + 1, inList.size(), re, inPath.c_str());
+            continue;
+        }
+
+        // 输出 resize 回模型输入尺寸（与 AI_Detect_QX 保存的 out 图尺寸保持一致）
+        if (outImg.cols != nModelInW || outImg.rows != nModelInH)
+        {
+            cv::resize(outImg, outImg, cv::Size(nModelInW, nModelInH), 0, 0, 0);
+        }
+
+        // 相对路径，并保持子目录结构
+        std::string rel = inPath.substr(strSrcRoot.size());
+        std::string outRel = rel;
+        const std::string inSuffix = "_in.png";
+        const std::string outSuffix = "_out.png";
+        size_t pos = outRel.rfind(inSuffix);
+        if (pos != std::string::npos)
+        {
+            outRel.replace(pos, inSuffix.size(), outSuffix);
+        }
+        std::string outPath = strDstRoot + outRel;
+
+        // 创建输出父目录
+        fs::path outParent = fs::path(outPath).parent_path();
+        if (!outParent.empty())
+        {
+            std::error_code ec;
+            fs::create_directories(outParent, ec);
+        }
+
+        if (cv::imwrite(outPath, outImg))
+        {
+            nOK++;
+            printf("[%zu/%zu] ok: %s -> %s\n", i + 1, inList.size(), rel.c_str(), outRel.c_str());
+        }
+        else
+        {
+            printf("[%zu/%zu] save fail: %s\n", i + 1, inList.size(), outPath.c_str());
+        }
+    }
+
+    printf("TestAIDet: complete, success %d / %zu\n", nOK, inList.size());
+    return 0;
+}*/
+
 /// @brief AI 检测独立测试：遍历 /home/aidlux/BOE/FOG/AI_Detect/ 下所有 *_in.png，
 ///        送入 AI_defect_NF 模型推理，将输出 *_out.png 保存到 /home/aidlux/BOE/FOG/AI_Detect_TEST/
 /// @return 0 表示成功