介绍
想象一下您在网上购物时发现了一种您喜欢的产品，但不知道它的名字。上传图片并让应用程序为您找到它，这不是很棒吗？
在本文中，我们将向您展示如何构建这一功能：使用 spring boot 和 google cloud vertex ai 的基于图像的产品搜索功能。
功能概述
此功能允许用户上传图像并接收与其匹配的产品列表，使搜索体验更加直观和视觉驱动。
基于图像的产品搜索功能利用 google cloud vertex ai 处理图像并提取相关关键词。然后使用这些关键字在数据库中搜索匹配的产品。
技术栈
- java 21
- spring 启动 3.2.5
- postgresql
- 顶点人工智能
- reactjs
我们将逐步完成设置此功能的过程。
逐步实施
1. 在google console上创建一个新项目
首先，我们需要为此在 google console 上创建一个新项目。
如果您已经有一个帐户，我们需要转到 https://console.cloud.google.com 并创建一个新帐户。如果您有的话，请登录该帐户。
如果您添加银行帐户，google cloud 将为您提供免费试用。
创建帐户或登录现有帐户后，您可以创建新项目。
2. 启用顶点ai服务
在搜索栏上，我们需要找到 vertex ai 并启用所有推荐的 api。
vertex ai 是 google cloud 完全托管的机器学习 (ml) 平台，旨在简化 ml 模型的开发、部署和管理。它允许您通过提供 automl、自定义模型训练、超参数调整和模型监控等工具和服务来大规模构建、训练和部署 ml 模型 gemini 1.5 flash 是 google gemini 模型系列的一部分，专为 ml 应用程序中的高效、高性能推理而设计。 gemini 模型是 google 开发的一系列高级 ai 模型，常用于自然语言处理 (nlp)、视觉任务和其他 ai 驱动的应用程序
注意： 对于其他框架，您可以直接使用 gemini api，网址为 https://aistudio.google.com/app/prompts/new_chat。使用结构提示功能，因为您可以自定义输出以匹配输入，这样您将获得更好的结果。
3. 创建与您的应用程序匹配的新提示
在这一步，我们需要定制一个与您的应用相匹配的提示。
vertex ai studio 在提示图库提供了很多示例提示。我们使用示例图像文本到json来提取与产品图像相关的关键字。
我的应用程序是一个 carshop，所以我构建了一个这样的提示。我期望模型会用与图像相关的关键字列表来回复我。
我的提示：将名称 car 提取到列表关键字并以 json 格式输出。如果没有找到任何有关汽车的信息，请将列表输出为空。n响应示例：[“rolls”, “royce”, “wraith”]
我们根据您的应用程序定制合适的提示后。现在，我们就来探讨一下如何与 spring boot application 集成。
4. 与 spring boot 应用程序集成
我构建了一个关于汽车的电子商务应用程序。所以我想通过图像找到汽车。
首先，在 pom.xml 文件中，您应该更新您的依赖项：
<!-- config version for dependency-->
<properties>
<spring-cloud-gcp.version>5.1.2</spring-cloud-gcp.version>
<google-cloud-bom.version>26.32.0</google-cloud-bom.version>
</properties>
<!-- in your dependencymanagement, please add 2 dependencies below -->
<dependencymanagement>
<dependencies>
<dependency>
<groupid>com.google.cloud</groupid>
<artifactid>spring-cloud-gcp-dependencies</artifactid>
<version>${spring-cloud-gcp.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
<dependency>
<groupid>com.google.cloud</groupid>
<artifactid>libraries-bom</artifactid>
<version>${google-cloud-bom.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencymanagement>
<!-- in your tab dependencies, please add the dependency below -->
<dependencies>
<dependency>
<groupid>com.google.cloud</groupid>
<artifactid>google-cloud-vertexai</artifactid>
</dependency>
</dependencies>
在 pom.xml 文件中完成配置后，创建一个配置类 geminiconfig.java
- model_name：“gemini-1.5-flash”
- location：“设置项目时的位置”
- project_id：“您的项目id”
import com.google.cloud.vertexai.vertexai;
import com.google.cloud.vertexai.generativeai.generativemodel;
import org.springframework.context.annotation.bean;
import org.springframework.context.annotation.configuration;
@configuration(proxybeanmethods = false)
public class geminiconfig {
private static final string model_name = "gemini-1.5-flash";
private static final string location = "asia-southeast1";
private static final string project_id = "yasmini";
@bean
public vertexai vertexai() {
return new vertexai(project_id, location);
}
@bean
public generativemodel getmodel(vertexai vertexai) {
return new generativemodel(model_name, vertexai);
}
}
其次，创建图层service、controller来实现寻车功能。创建班级服务。
因为 gemini api 响应的是 markdown 格式，所以我们需要创建一个函数来帮助转换为 json，然后我们将 json 转换为 java 中的 list 字符串。
import com.fasterxml.jackson.core.jsonprocessingexception;
import com.fasterxml.jackson.databind.objectmapper;
import com.google.cloud.vertexai.api.content;
import com.google.cloud.vertexai.api.generatecontentresponse;
import com.google.cloud.vertexai.api.part;
import com.google.cloud.vertexai.generativeai.*;
import com.learning.yasminishop.common.entity.product;
import com.learning.yasminishop.common.exception.appexception;
import com.learning.yasminishop.common.exception.errorcode;
import com.learning.yasminishop.product.productrepository;
import com.learning.yasminishop.product.dto.response.productresponse;
import com.learning.yasminishop.product.mapper.productmapper;
import lombok.requiredargsconstructor;
import lombok.extern.slf4j.slf4j;
import org.springframework.stereotype.service;
import org.springframework.transaction.annotation.transactional;
import org.springframework.web.multipart.multipartfile;
import java.util.hashset;
import java.util.list;
import java.util.objects;
import java.util.set;
@service
@requiredargsconstructor
@slf4j
@transactional(readonly = true)
public class yasminiaiservice {
private final generativemodel generativemodel;
private final productrepository productrepository;
private final productmapper productmapper;
public list<productresponse> findcarbyimage(multipartfile file){
try {
var prompt = "extract the name car to a list keyword and output them in json. if you don't find any information about the car, please output the list empty.\nexample response: [\"rolls\", \"royce\", \"wraith\"]";
var content = this.generativemodel.generatecontent(
contentmaker.frommultimodaldata(
partmaker.frommimetypeanddata(objects.requirenonnull(file.getcontenttype()), file.getbytes()),
prompt
)
);
string jsoncontent = responsehandler.gettext(content);
log.info("extracted keywords from image: {}", jsoncontent);
list<string> keywords = convertjsontolist(jsoncontent).stream()
.map(string::tolowercase)
.tolist();
set<product> results = new hashset<>();
for (string keyword : keywords) {
list<product> products = productrepository.searchbykeyword(keyword);
results.addall(products);
}
return results.stream()
.map(productmapper::toproductresponse)
.tolist();
} catch (exception e) {
log.error("error finding car by image", e);
return list.of();
}
}
private list<string> convertjsontolist(string markdown) throws jsonprocessingexception {
objectmapper objectmapper = new objectmapper();
string parsejson = markdown;
if(markdown.contains("```
json")){
parsejson = extractjsonfrommarkdown(markdown);
}
return objectmapper.readvalue(parsejson, list.class);
}
private string extractjsonfrommarkdown(string markdown) {
return markdown.replace("
```json\n", "").replace("\n```
", "");
}
}
我们需要创建一个控制器类来为前端做一个端点
import com.learning.yasminishop.product.dto.response.productresponse;
import lombok.requiredargsconstructor;
import lombok.extern.slf4j.slf4j;
import org.springframework.security.access.prepost.preauthorize;
import org.springframework.web.bind.annotation.*;
import org.springframework.web.multipart.multipartfile;
import java.util.list;
@restcontroller
@requestmapping("/ai")
@requiredargsconstructor
@slf4j
public class yasminiaicontroller {
private final yasminiaiservice yasminiaiservice;
@postmapping
public list<productresponse> findcar(@requestparam("file") multipartfile file) {
var response = yasminiaiservice.findcarbyimage(file);
return response;
}
}
5. 重要步骤：使用 google cloud cli 登录 google cloud
spring boot 应用程序无法验证您的身份，并且无法让您接受 google cloud 中的资源。
所以我们需要登录google并提供授权。
5.1 首先我们需要在您的机器上安装gcloud cli
教程链接：https://cloud.google.com/sdk/docs/install
检查上面的链接并将其安装到您的机器上
5.2 登录
- 在项目中打开你的终端（你必须 cd 进入项目）
- 类型：gcloud auth login
- 输入，就会看到允许登录的窗口
gcloud auth login
注意： 登录后，凭据会保存在 google maven 包中，重启 spring boot 应用程序时无需再次登录。
结论
所以上面这些都是基于我的电子商务项目实现的，你可以根据你的项目、你的框架进行修改。在其他框架中，除了 spring boot（nestjs，..），您可以使用 https://aistudio.google.com/app/prompts/new_chat。并且不需要创建新的 google cloud 帐户。
具体实现可以在我的repo查看：
后端：https://github.com/duongminhhieu/yasminishop
前端：https://github.com/duongminhhieu/yasmini-frontend
学习愉快！！！
