SpringAI + 千问实现(拍照识物)拍照识花（附完整代码）

m0_68450099

607人浏览 · 2026-05-06 10:38:42

m0_68450099 · 2026-05-06 10:38:42 发布

兄弟们，最近通过springAI做了一个小功能，调用阿里的通义千问VL模型（也可以是其他AI模型），实现拍照识花功能。代码可以自取。

代码地址：https://gitcode.com/m0_68450099/pimode

先看效果：

上传一张花的图片 → 返回花名
可以问“这花适合室内养吗？” → AI结合图片回答问题
平均响应1-2秒

再说人话：这就是一个能直接跑通的SpringBoot项目，不是PPT，不是概念，你把代码拉下来，改个API Key，就能看到识别结果。

一、为什么做这个

说实话，市面上AI识花的App很多，拍照就能识别，挺方便。但问题是——那些代码你能拿到吗？能集成到你自己做的系统里吗？

不能。

我想给自己的小项目加个“拍照识物”功能，但又不想从头研究怎么调用AI接口、怎么处理图片、怎么做缓存限流。于是就折腾了这套代码，把它做成一个可以直接用的模板。

识花只是举例。你想识车、识动物、识商品，改几句提示词就行。

二、能干什么

功能	说明
图片上传识别	支持JPG/PNG/WEBP，最大10MB
附加提问	不光是识花，还能问养护、花语
图片自动压缩	省Token = 省钱
缓存去重	相同图片秒返回，不重复调API
IP限流	一分钟最多10次，防刷
前端页面	拖拽上传，开箱即用

三、技术栈（都是Java老熟人了）

技术	版本	干啥用的
Java	17+	后端语言
Spring Boot	3.4.4	框架
通义千问VL	qwen-vl-max-latest	能看懂图片的AI模型
Spring AI Alibaba	1.0.0-M6.1	阿里官方封装，几行代码调AI
Maven	-	包管理
Vue 3	-	前端页面（就一个html文件）

四、5分钟跑起来

第1步：搞到API Key

去阿里云DashScope控制台注册，创建API Key。

新用户有免费额度，识别几千张花没问题。

第2步：下载代码

bash

git clone https://gitcode.com/m0_68450099/pimode.git
cd pimode

第3步：配置Key

1.推荐使用启动命令配置Key

  java -jar pimode-1.0-SNAPSHOT.jar --spring.ai.dashscope.api-key=sk-你的key

2.如果在本地使用idea，可以在环境变量中配置key

Run → Edit Configurations → Environment variables →

添加：DASHSCOPE_API_KEY=sk-你的key

3.如果觉得麻烦，可以放在yal中：

打开 src/main/resources/application.yml：

yaml

  spring:
    ai:
      dashscope:
        api-key: sk-这里填你的key   # 就改这一个地方

第4步：启动后端

bash

mvn clean install
mvn spring-boot:run

看到这行字就成功了：

text

🌼 拍照识花服务已启动！访问 http://localhost:8080

第5步：打开前端

用浏览器打开项目根目录下的 index.html。

后端地址填 http://localhost:8080，上传一张花的图片，点识别，等结果。

五、核心代码长啥样

我把关键代码贴出来，你可以看看，不复杂。

1. AI调用（核心就这几行）

java

// 把图片和问题打包
UserMessage msg = new UserMessage(
    "这是什么花？只回复花名",
    new Media(MediaType.IMAGE_JPEG, 图片文件)
);

// 发给AI，拿结果
String result = chatClient.prompt(msg).call().content();

就是发请求、等响应，和调普通HTTP接口差不多。

2. 图片压缩（省Token的关键）

java

// 压缩到400x400以内，质量50%
private static final int MAX_WIDTH = 400;
private static final float JPEG_QUALITY = 0.5f;

一张5MB的原图压缩完大概50KB，Token消耗能降90%。缺点是细节可能丢失，如果识别不准可以调大参数。

3. 缓存（相同图片不重复调AI）

java

// 计算图片MD5
String md5 = MD5Util.getMD5(图片字节);
// 查缓存
String cached = cacheService.get(md5);
if (cached != null) return cached;  // 命中，直接返回
// 没命中才调AI

同样的图片第二次识别，从2秒变0.1秒。

4. 限流（防刷）

java

@RateLimit(timeWindow = 60, maxRequests = 10)
@PostMapping("/upload")
public Result<String> upload(...) {
    // 同一个IP一分钟最多10次请求
}

六、说实话，缺点也有

这个项目做的时候就定位是“能用”，不是“完美”。有这几个问题，我说清楚：

❌ 没有向量数据库

AI没法“学习”新品种。如果你想让它认识一株市面上没有的花，做不到。除非往system prompt里塞文字描述，但那样每次调用都多消耗Token。

❌ 压缩参数要自己调

400x400、质量0.5这个配置是我在自己测试图上调出来的。你的业务场景可能需要更大或更小的压缩。代码里参数是写死的，你得自己改、自己试。

❌ 缓存存在内存里

服务重启缓存就没了。只适合单机跑。真要上生产，换成Redis也就十几行代码的事，但我没写，留给你自己加。

❌ 限流也是内存版

同样重启丢、多实例不共享。生产环境需要改。

七、怎么改造成其他识别

想改成识车、识动物？改一行提示词就行：

java

// 原来
private static final String DEFAULT_QUESTION = "这是什么花？只回复花名";

// 改成识车
private static final String DEFAULT_QUESTION = "这是什么车的哪款车型？";

// 改成识动物
private static final String DEFAULT_QUESTION = "这是什么动物？";

压缩参数可能需要根据你的图片重新调一下。

八、代码结构速览

text

pimode/
├── .idea/                          # IDEA配置文件
├── src/
│   ├── main/
│   │   ├── frontend/               # 前端代码，简易前端页面，可直接使用
│   │   ├── java/com/jrl/
│   │   │   ├── annotation/         # 注解
│   │   │   │   └── RateLimit.java      # 限流注解
│   │   │   ├── cache/              # 缓存
│   │   │   │   └── ImageCache.java     # 内存缓存
│   │   │   ├── common/             # 公共类
│   │   │   │   └── Result.java         # 统一响应格式
│   │   │   ├── config/             # 配置类
│   │   │   │   ├── CorsConfig.java     # 跨域配置
│   │   │   │   └── WebConfig.java      # Web配置（拦截器）
│   │   │   ├── controller/         # 控制器
│   │   │   │   └── FlowerController.java
│   │   │   ├── interceptor/        # 拦截器
│   │   │   │   └── RateLimitInterceptor.java
│   │   │   ├── service/            # 服务层
│   │   │   │   ├── FlowerService.java
│   │   │   │   └── impl/
│   │   │   │       └── FlowerServiceImpl.java
│   │   │   ├── util/               # 工具类
│   │   │   │   └── MD5Util.java
│   │   │   └── FlowApplication.java # 启动类
│   │   ├── resources/              # 配置文件
│   │   │   └── application.yml
│   │   └── index.html              # 前端页面（根目录）
│   └── test/                       # 单元测试
├── README.md
└── pom.xml

九、生产环境需要补什么

如果你想把这个项目用到线上，下面这几样东西你自己需要加上：

缺啥	咋补
缓存重启丢	把`ImageCache`里的Map换成Redis
限流不持久	把`RateLimitInterceptor`里的Map换成Redis + 令牌桶
并发高了扛不住	加个异步队列，别让AI调用堵住
想让AI学习新品种	接向量数据库做RAG
我的配置不合适你	自己调`MAX_WIDTH`和`JPEG_QUALITY`