admin
f020ff3b4f
后端能力： - 新增 Celery app、worker task、ProcessingTask 模型、/api/tasks 查询接口和 media_task_runner，将 /api/media/parse 改为创建后台任务并由 worker 执行 FFmpeg/OpenCV/pydicom 拆帧。 - 新增 Redis 进度事件模块和 FastAPI Redis pub/sub 订阅，将 worker 任务进度广播到 /ws/progress；Dashboard 后端概览接口改为聚合 projects/frames/annotations/templates/processing_tasks。 - 统一项目状态为 pending/parsing/ready/error，新增共享 status 常量，并让前端兼容归一化旧状态值。 - 扩展 AI 后端：新增 SAM registry、SAM2 真实运行状态、SAM3 状态检测与文本语义推理适配入口，以及 /api/ai/models/status GPU/模型状态接口。 - 补齐标注保存/更新/删除、COCO/PNG mask 导出相关后端契约和模板 mapping_rules 打包/解包行为。 前端能力： - 新增运行时 API/WS 地址推导配置，前端 API 封装对齐 FastAPI 路由、字段映射、任务轮询、标注归档、导出下载和 AI 预测响应转换。 - Dashboard 改为读取 /api/dashboard/overview，并订阅 WebSocket progress/complete/error/status 更新解析队列和实时流转记录。 - 项目库导入视频/DICOM 后创建项目、上传媒体、触发异步解析并刷新真实项目列表。 - 工作区加载真实帧、无帧时触发解析任务、回显已保存标注、保存未归档 mask、更新 dirty mask、清空当前帧后端标注、导出 COCO JSON。 - Canvas 支持当前帧点/框提示调用后端 AI、渲染推理/已保存 mask、应用模板分类并维护保存状态计数；时间轴按项目 fps 播放。 - AI 页面新增 SAM2/SAM3 模型选择，预测请求携带 model；侧边栏和工作区新增真实 GPU/SAM 状态徽标。 - 模板库和本体面板接入真实模板 CRUD、分类编辑、拖拽排序、JSON 导入、默认腹腔镜分类和本地自定义分类选择。 测试与文档： - 新增 Vitest 配置、前端测试 setup、API/config/websocket/store/组件测试，覆盖登录、项目库、Dashboard、Canvas、工作区、模型状态、时间轴、本体和模板库。 - 新增 pytest 后端测试夹具和 auth/projects/templates/media/AI/export/dashboard/tasks/progress 测试，使用 SQLite、fake MinIO、fake SAM registry 和 Redis monkeypatch 隔离外部服务。 - 新增 doc/ 文档结构，冻结当前需求、设计、接口契约、测试计划、前端逐元素审计、实现地图和后续实施计划，并同步更新 README 与 AGENTS。 验证： - conda run -n seg_server pytest backend/tests：27 passed。 - npm run test:run：54 passed。 - npm run lint、npm run build、compileall、git diff --check 均通过；Vite 仅提示大 chunk 警告。
67 lines
2.3 KiB
Python
67 lines
2.3 KiB
Python
import zipfile
|
|
from io import BytesIO
|
|
|
|
|
|
def _seed_export_data(client):
|
|
project = client.post("/api/projects", json={"name": "Export Project"}).json()
|
|
frame = client.post(f"/api/projects/{project['id']}/frames", json={
|
|
"project_id": project["id"],
|
|
"frame_index": 0,
|
|
"image_url": "frames/0.jpg",
|
|
"width": 100,
|
|
"height": 50,
|
|
}).json()
|
|
template = client.post("/api/templates", json={
|
|
"name": "Category",
|
|
"color": "#06b6d4",
|
|
"z_index": 0,
|
|
"classes": [],
|
|
"rules": [],
|
|
}).json()
|
|
annotation = client.post("/api/ai/annotate", json={
|
|
"project_id": project["id"],
|
|
"frame_id": frame["id"],
|
|
"template_id": template["id"],
|
|
"mask_data": {"polygons": [[[0.1, 0.2], [0.9, 0.2], [0.9, 0.8], [0.1, 0.8]]]},
|
|
"points": [[0.5, 0.5]],
|
|
"bbox": [0.1, 0.2, 0.8, 0.6],
|
|
}).json()
|
|
return project, frame, template, annotation
|
|
|
|
|
|
def test_export_coco_json_structure(client):
|
|
project, frame, _, _ = _seed_export_data(client)
|
|
|
|
response = client.get(f"/api/export/{project['id']}/coco")
|
|
|
|
assert response.status_code == 200
|
|
assert response.headers["content-type"].startswith("application/json")
|
|
data = response.json()
|
|
assert data["info"]["description"] == "Annotations for Export Project"
|
|
assert data["images"][0] == {
|
|
"id": frame["id"],
|
|
"file_name": "frames/0.jpg",
|
|
"width": 100,
|
|
"height": 50,
|
|
"frame_index": 0,
|
|
}
|
|
assert data["annotations"][0]["segmentation"] == [[10.0, 10.0, 90.0, 10.0, 90.0, 40.0, 10.0, 40.0]]
|
|
assert data["annotations"][0]["bbox"] == [10.0, 10.0, 80.0, 30.000000000000004]
|
|
assert data["categories"][0]["name"] == "Category"
|
|
|
|
|
|
def test_export_masks_zip(client):
|
|
project, _, _, annotation = _seed_export_data(client)
|
|
|
|
response = client.get(f"/api/export/{project['id']}/masks")
|
|
|
|
assert response.status_code == 200
|
|
assert response.headers["content-type"].startswith("application/zip")
|
|
with zipfile.ZipFile(BytesIO(response.content)) as archive:
|
|
assert archive.namelist() == [f"mask_{annotation['id']:06d}.png"]
|
|
|
|
|
|
def test_export_missing_project_returns_404(client):
|
|
assert client.get("/api/export/999/coco").status_code == 404
|
|
assert client.get("/api/export/999/masks").status_code == 404
|