LabelOcr/config/config.py

# OCR配置文件

# 模型路径
MODEL_PATH = "/root/autodl-tmp/llm/Qwen3-VL-32B-Instruct"

# ========== Agent OCR 推理服务配置 ==========
# 优先读取环境变量（由 start.py 在启动时注入），缺省使用下方默认值

import os as _os

# 推理服务 URL
INFERENCE_URL = _os.environ.get(
    "INFERENCE_URL",
    "http://10.69.29.202:31277/inference-api/exp-api/inf-1480928240416935936/v1/chat/completions"
)

# 推理服务鉴权 Token
INFERENCE_AUTH_TOKEN = _os.environ.get(
    "INFERENCE_AUTH_TOKEN",
    "Bearer QDiS42vR9EqP-j73zeeyWB8zSJ4juheflm6yDKUDz5c"
)

# 推理使用的模型名称
INFERENCE_MODEL = _os.environ.get(
    "INFERENCE_MODEL",
    "Qwen3-VL-32B-Instruct"
)


# ========== OCR提示词 - 分步骤提取 ==========

# 步骤1：提取化学品名称
PROMPT_EXTRACT_NAME = """
你是一个专业的化学品安全标签说明识别助手。
请从图像中提取化学品的中文名称和英文名称（如有）。
化学品名称通常出现在标签最顶部，字号最大，可能同时包含中文名和英文名及化学式。

按照以下JSON格式输出结果：
{
    "name_cn": "化学品中文名称",
    "name_en": "化学品英文名称（含化学式，如无则填空字符串）"
}

注意：返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# 步骤2：提取成分信息
PROMPT_EXTRACT_COMPONENTS = """
你是一个专业的化学品安全标签说明识别助手。
请从图像中提取所有成分信息，包括：成分名称、化学式、实际浓度、浓度区间、CAS号。
注意：可能有多个成分，请全部提取。

按照以下JSON格式输出结果：
{
    "cf_list": [
        {
            "cas_name": "成分名称",
            "cas_cf": "化学式",
            "true_rate": "实际浓度",
            "rate": "浓度区间",
            "cas_no": "CAS号"
        }
    ]
}

注意：返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# 步骤3：提取安全提醒信号词
PROMPT_EXTRACT_KEYWORD = """
你是一个专业的化学品安全标签说明识别助手。
请从图像中提取安全提醒信号词和危险性说明。
- 信号词：通常在一个醒目的方框内（黑底白字或红底白字），只识别"危险"或"警告"这两种。
- 危险性说明：通常紧跟在信号词和象形图下方，是一段描述危害的文字，只返回中文内容。

按照以下JSON格式输出结果：
{
    "key_word": "危险或警告",
    "risk_notice": "危险性说明内容"
}

注意：返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# 步骤4：提取防范说明
PROMPT_EXTRACT_PREVENTION = """
你是一个专业的化学品安全标签说明识别助手。
请从图像中提取防范说明，包括：预防措施、事故响应、安全存储、废弃处置信息:
注意，要精准定位到预防措施、事故响应、安全存储、废弃处置的位置一般都有【预防措施】、【事故响应】、【安全存储】、【废弃处置】的标识
在定位之后，精准的提取对应信息的内容，禁止篡改、编造
如果对应的内容有英文表示，只需要返回其中文表示，不需要返回英文表示

按照以下JSON格式输出结果：
{
    "pre_notice": {
        "pre_methoud": "预防措施",
        "acc_response": "事故响应",
        "safe_keep": "安全存储",
        "abandon_deal": "废弃处置"
    }
}

注意：返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# 步骤5：提取供应商标识
PROMPT_EXTRACT_SUPPLIER = """
你是一个专业的化学品安全标签说明识别助手。
请从图像中提取供应商信息和应急咨询电话。
供应商信息通常在标签底部，包括供应商名称、地址、电话、邮编；部分标签可能没有邮编字段，填空字符串即可。
应急咨询电话通常单独标注，关键字为"应急咨询电话"或"化学事故应急咨询电话"。

按照以下JSON格式输出结果：
{
    "supplier": [{
        "name": "供应商名称",
        "address": "供应商地址",
        "tel": "供应商电话",
        "post": "供应商邮编（无则填空字符串）"
    }],
    "acc_tel": "应急咨询电话（无则填空字符串）"
}

注意：
供应商的信息可能有多个，请提取所有供应商信息
返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# ========== 完整提取提示词（一次性提取所有信息）==========
OCR_PROMPT_FULL = """
你是一个专业的化学品安全标签说明识别助手，负责提取化学品安全标签图像中的标签信息，提取的步骤如下：
1. **提取化学品名称**： 提取化学品中文名称和英文名称（如有）
2. **提取成分信息**：包括成分名称、化学式、实际浓度、浓度区间、成分cas号，成分可能有多个
3. **安全提醒信号词**：通常以比较醒目的方式提醒，如 '危险', '警告'等
4. **危险性说明**：通常在安全提醒词附近
5. **防范说明**：包括预防措施、事故响应、安全存储、废弃处置信息

按照以下JSON格式输出结果：
{
    "tag": {
        "name_cn": "化学品中文名称",
        "name_en": "化学品英文名称",
        "cf_list": [
            {
                "cas_name": "成分名称",
                "cas_cf": "化学式",
                "true_rate": "实际浓度",
                "rate": "浓度区间",
                "cas_no": "CAS号"
            }
        ]
    },
    "key_word": "安全提醒信号词",
    "risk_notice": "危险性说明",
    "pre_notice": {
        "pre_method": "预防措施",
        "acc_response": "事故响应",
        "safe_keep": "安全存储",
        "abandon_deal": "废弃处置"
    }
}

注意：返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# 步骤6：提取象形图标识
PROMPT_EXTRACT_ICON = """
你是一个专业的化学品安全标签识别助手，专门负责识别GHS危险象形图。

我已在上方依次提供了GHS01至GHS09的标准参考图像，请仔细查看每一张。

现在请直接对比最后一张化学品安全标签图像，找出其中所有菱形边框内的象形图，
将每个象形图与上方参考图逐一对比，确定对应编号。

关键区分特征（仅作辅助，以参考图为准）：
- GHS01：圆形炸弹向四周炸裂，有大量射线和碎片飞散
- GHS02：火焰图案，火焰底部有一条黑色横线底座，无圆圈
- GHS03：火焰包围一个空心大圆圈（圆圈内部是白色），底部也有横线底座，与GHS02的区别是中间有空心圆圈
- GHS04：一个横置的粗短气瓶/钢瓶，右侧有细长阀门
- GHS05：顶部有两根试管，左边液体滴腐蚀金属板，右边液体滴腐蚀手掌
- GHS06：骷髅头（空心白色）+下方两根交叉骨头
- GHS07：只有一个感叹号"!"（上方竖条+下方圆点），无任何其他图形
- GHS08：实心黑色人体上半身剪影，胸口有白色裂缝向四周放射（不是骷髅，不是感叹号）
- GHS09：左侧一棵枯树（无叶子只有树枝），右侧一条翻肚白色死鱼，底部有水面横线，图案独特无火焰无人形

无法确认的跳过，不要猜测。

按照以下JSON格式输出结果：
{"tag_images": ["GHS02", "GHS07"]}

注意：tag_images 中只填GHS编号，不要求顺序，返回结果必须是标准JSON格式，不要包含```json```标记。
"""

# 默认使用的提示词（向后兼容）
OCR_PROMPT = OCR_PROMPT_FULL