File size: 2,761 Bytes
1f7d212 b8b9877 1f7d212 7d64d36 1f7d212 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 |
import gradio as gr
import onnxruntime as ort
import numpy as np
from PIL import Image
import io
import rdkit
from rdkit import Chem
from rdkit.Chem import Draw
def preprocess_image(image):
"""
预处理输入图片
"""
# 将图片调整为模型所需的输入尺寸
image = image.resize((640, 640)) # 根据实际模型需求调整尺寸
# 转换为numpy数组并归一化
img_array = np.array(image)
img_array = img_array.astype(np.float32) / 255.0
# 添加批次维度
img_array = np.expand_dims(img_array, axis=0)
# 根据模型训练时的预处理方式进行调整
img_array = img_array.transpose(0, 3, 1, 2) # BHWC to BCHW
return img_array
def visualize_molecule(smiles):
"""
使用RDKit将SMILES转换为分子结构图
"""
try:
mol = Chem.MolFromSmiles(smiles)
if mol is None:
return None
img = Draw.MolToImage(mol)
return img
except:
return None
def predict(input_image):
"""
主要的推理函数
"""
try:
# 加载和初始化ONNX模型
session = ort.InferenceSession("model.onnx") # 替换为实际模型路径
# 预处理图片
processed_image = preprocess_image(input_image)
# 获取模型输入输出名称
input_name = session.get_inputs()[0].name
output_name = session.get_outputs()[0].name
# 进行推理
predictions = session.run([output_name], {input_name: processed_image})
# 假设模型输出是SMILES字符串
output = predictions[0] # 根据实际模型输出格式调整
atoms_df, bonds_list,charge_list =bbox_to_graph_with_charge(output, idx_to_labels=idx_to_labels,
bond_labels=bond_labels, result=[])
smiles,mol_rebuit=mol_from_graph_with_chiral(atoms_df, bonds_list,charge_list )
# 使用RDKit生成分子结构图
mol_image = visualize_molecule(smiles)
if mol_image is None:
return "无效的SMILES字符串", None
return smiles, mol_image
except Exception as e:
return f"发生错误: {str(e)}", None
# 创建Gradio界面
iface = gr.Interface(
fn=predict,
inputs=gr.Image(type="pil"),
outputs=[
gr.Text(label="SMILES字符串"),
gr.Image(label="分子结构图")
],
title="化学结构OCR",
description="上传一张包含化学结构的图片，获取对应的SMILES表示和分子结构图。",
examples=[
["example1.jpg"], # 添加示例图片
["example2.jpg"]
]
)
# 启动应用
if __name__ == "__main__":
iface.launch() |