imageWorking.py

@@ -3,20 +3,13 @@ import numpy as np
 
 from main import img_size as size
 
-def image_transform(image: np.ndarray) -> np.ndarray:
+
-    '''
+def image_transform(image):
-    Трансформирует изображение нужным образом.
-    @param image: Исходная матрица с представлением изображения.
-    '''
     image = cv.resize(image, (size[0], size[1]))
     return image[:, :, ::-1]
 
 
-def get_image_as_array(image_name: str) -> np.ndarray:
+def get_image_as_array(image_name):
-    '''
-    Получает изображение из файла и нормализует его.
-    @param image_name: Путь до изображения.
-    '''
     image = cv.imread(image_name)
     image: np.ndarray  # приведение типов
     image = image_transform(image)

main.py

@@ -12,26 +12,18 @@ import ontologyWorking
 
 url = 'http://kb.athene.tech/api/1.0/ontology/'
 img_path = 'data'
-img_size = (1280, 720) # Размер изображения для нормализации.
+img_size = (1280, 720)
 
 
-def analyze_file(uid: str, image_path: str) -> None:
+def analyse_file(uid, image_path):
-    '''
+    if ontologyWorking.is_ontology_exists(uid, url):
-    Анализирует файл и выводит результат в консоль.
-    @param uid: УИД онтологии.
-    @param url: Базовый URL сервиса.
-    '''
-    if not ontologyWorking.is_ontology_exists(uid, url):
         raise Exception(f'Онтология с uid {uid} не существует')
     if not os.path.isfile(image_path):
         raise Exception(f'Изображение {image_path} не существует')
     model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
     model.names = neuralNetwork.rename_entity(model.names)
 
-    # Распознавание изображения.
     results = model(imageWorking.get_image_as_array(image_path))
-    
-    # Создание аксиом онтологии на основе результатов распознавания.
     object_properties = list()
     data_properties = list()
     for i, res in enumerate(results.pred):
@@ -40,7 +32,6 @@ def analyze_file(uid: str, image_path: str) -> None:
         object_properties += request[0]
         data_properties += request[1]
 
-    # Формирование данных для запроса к сервису работы с онтологиями.
     data = {
         'data':
             {
@@ -48,14 +39,13 @@ def analyze_file(uid: str, image_path: str) -> None:
                 'dataPropertyAssertions': data_properties
             }
     }
+
     result = {
         'QueryGetNotEmpty': '',
         'QueryGetCheck': '',
         'QueryGetEmpty': ''
     }
     params = '&'.join([f'names={query}' for query in result.keys()])
-    
-    # Выполнение запроса.
     response = requests.post(url + f'{uid}/query/multi?{params}', json=data).json()
     if response['error']:
         raise Exception(response['error'])
@@ -63,7 +53,6 @@ def analyze_file(uid: str, image_path: str) -> None:
         result[query] = [resultSQWRL['name']['value'] for resultSQWRL in response['response'][query]['rows']]
     print(f'Запрос выполнен')
 
-    # Вывод результата.
     print()
     print('Результат:')
     if result['QueryGetNotEmpty']:
@@ -75,14 +64,14 @@ def analyze_file(uid: str, image_path: str) -> None:
     else:
         print('Неизвестное состояние')
 
-    # Вывод изображения.
+    # Вывод изображения
     cv.imshow('result', results.render()[0][:, :, ::-1])
     cv.waitKey(0)
     cv.destroyAllWindows()
 
-# Точка входа в приложение.
+
 if __name__ == '__main__':
     if len(sys.argv) != 3:
         print(f'Запуск: {sys.argv[0]} <Ontology UID> <Image path>')
         exit(1)
-    analyze_file(sys.argv[1], sys.argv[2])
+    analyse_file(sys.argv[1], sys.argv[2])

neuralNetwork.py

@@ -1,8 +1,4 @@
-def rename_entity(list_names: dict) -> dict:
+def rename_entity(list_names: dict):
-    '''
-    Нормализация названий объектов.
-    @param list_names: Список названий объектов.
-    '''
     temp_list = list()
     for entity in list_names.values():
         entity: str

ontologyWorking.py

@@ -1,36 +1,21 @@
-import numpy as np
 import requests
 
 
-def is_ontology_exists(uid: str, url: str) -> bool:
+def is_ontology_exists(uid, url):
-    '''
+    list_ontologies = requests.get(url).json()['response']
-    Проверяет, существует ли онтология в сервисе.
-    @param uid: УИД онтологии.
-    @param url: Базовый URL сервиса.
-    '''
-    list_ontologies = requests.get(url).json()['response']['items']
     for onto in list_ontologies:
         if onto['uid'] == uid:
-            return True
+            return False
-    return False
+    return True
 
 
-def get_entity_square(results_ndarray_i: np.ndarray) -> float:
+def get_entity_square(results_ndarray_i):
-    '''
-    Получение площади занимаемой области.
-    @param results_ndarray_i: Описание местоположения объекта.
-    '''
     square = float((results_ndarray_i[2] - results_ndarray_i[0]) *
                    (results_ndarray_i[3] - results_ndarray_i[1]))
     return abs(square)
 
 
-def get_request_data(entities: dict, results_ndarray: np.ndarray) -> tuple[list, list]:
+def get_request_data(entities, results_ndarray):
-    '''
-    Формирование данных для сервиса онтологий.
-    @param entities: Список имён объектов.
-    @param results_ndarray: Результат распознавания объектов.
-    '''
     classroom = 'classroom'
     object_properties = list()
     data_properties = list()