初始化提交

backend/app/modules/perception/__init__.py

@@ -0,0 +1 @@
+"""感知领域模块（纯逻辑，无 IO）。"""

backend/app/modules/perception/vision/__init__.py

@@ -0,0 +1 @@
+"""视觉感知领域模块。"""

backend/app/modules/perception/vision/ocr.py

@@ -0,0 +1,93 @@
+"""
+OCR 结果后处理（纯逻辑，无 IO）。
+
+对 OCR 返回的原始结果做结构化解析、置信度过滤、阅读顺序修正。
+不依赖任何外部资源，可独立测试。
+"""
+
+from __future__ import annotations
+
+from typing import Any
+
+
+def filter_low_confidence(
+    blocks: list[dict[str, Any]],
+    threshold: float = 0.5,
+) -> list[dict[str, Any]]:
+    """过滤低置信度结果。
+
+    Args:
+        blocks: 原始 OCR 块列表。
+        threshold: 置信度阈值（默认 0.5）。
+
+    Returns:
+        过滤后的块列表。
+    """
+    return [b for b in blocks if b.get("confidence", 0) >= threshold]
+
+
+def merge_adjacent_lines(
+    blocks: list[dict[str, Any]],
+    y_tolerance: float = 10.0,
+) -> list[dict[str, Any]]:
+    """合并同一行的相邻块。
+
+    Args:
+        blocks: OCR 块列表（需含 bbox 坐标）。
+        y_tolerance: Y 轴容差（px），同一行最大差异。
+
+    Returns:
+        合并后的块列表。
+    """
+    if not blocks:
+        return []
+
+    sorted_blocks = sorted(blocks, key=lambda b: (_center_y(b), _center_x(b)))
+
+    merged: list[dict[str, Any]] = []
+    current = sorted_blocks[0]
+
+    for block in sorted_blocks[1:]:
+        if abs(_center_y(block) - _center_y(current)) <= y_tolerance:
+            current["text"] += block["text"]
+            current["confidence"] = max(current["confidence"], block["confidence"])
+        else:
+            merged.append(current)
+            current = block
+
+    merged.append(current)
+    return merged
+
+
+def extract_text(
+    blocks: list[dict[str, Any]],
+    separator: str = "",
+) -> str:
+    """从 OCR 块中提取纯文本。
+
+    Args:
+        blocks: OCR 块列表。
+        separator: 块之间的分隔符。
+
+    Returns:
+        拼接后的文本。
+    """
+    return separator.join(b["text"] for b in blocks)
+
+
+def _center_y(block: dict[str, Any]) -> float:
+    """获取块的中心 Y 坐标。"""
+    pts = block.get("bbox", {}).get("points", block.get("bbox", []))
+    if pts and isinstance(pts, list) and len(pts) > 0:
+        ys = [p[1] for p in pts if isinstance(p, (list, tuple)) and len(p) >= 2]
+        return sum(ys) / len(ys) if ys else 0.0
+    return 0.0
+
+
+def _center_x(block: dict[str, Any]) -> float:
+    """获取块的中心 X 坐标。"""
+    pts = block.get("bbox", {}).get("points", block.get("bbox", []))
+    if pts and isinstance(pts, list) and len(pts) > 0:
+        xs = [p[0] for p in pts if isinstance(p, (list, tuple)) and len(p) >= 2]
+        return sum(xs) / len(xs) if xs else 0.0
+    return 0.0