# 木条检测与分类 Python 接口示例

本项目提供完整的 Python 示例，用于图像中木条数量检测、存在性判定以及 NG 木条异常分类。
它支持：
- 基于 RKNNLite 的木条检测
- NG/OK 木条判定
- NG 木条异常类型分类
- 简单接口调用，支持本地图片推理

---

## 目录结构

wood_detection/  
├── wood_detect/  
│   ├── wood_detect.py        # 木条数量检测接口  
│   └── wood_detect.rknn      # RKNN模型文件  
├── wood_exist/  
│   ├── wood_exist.py         # 木条存在性判定接口  
│   └── wood_exist_cls.rknn   # RKNN模型文件  
├── wood_ng/  
│   ├── wood_ng.py            # NG木条异常分类接口  
│   └── wood_ng_cls.rknn      # RKNN模型文件  
└── README.md                 # 说明文档  
---

## 配置

### 安装依赖
```bash
pip install opencv-python numpy rknnlite

```

## 接口说明

### 1. 木条数量检测

函数：detect_wood(img: np.ndarray) -> int

参数：

img：BGR格式图像 (np.ndarray)

返回值：

检测到的木条数量 (int)

示例：

#### 函数调用

```python
import cv2
from wood_detect.wood_detect import detect_wood

img = cv2.imread("1.jpg")
result = detect_wood(img)
print(f"检测到木条数量: {result}")

```

### 2. 木条存在性判定

函数：classify_wood_exist(img: np.ndarray) -> int

参数：

img：BGR格式图像 (np.ndarray)

返回值：

整数结果，对应木条状态（int: 存在结果（0 / 1））

示例：

```python
import cv2
from wood_exist.wood_exist import classify_wood_exist, CLASS_NAMES

img = cv2.imread("1.png")
result = classify_wood_exist(img)
print(f"木条存在性判定: {result}")

```

### 3. NG 木条异常分类

函数：classify_wood_ng(img: np.ndarray) -> int

参数：

img：BGR格式图像 (np.ndarray)

返回值：

整数结果，对应 NG木条（int: NG结果（0 / 1））

示例：

```python
import cv2
from wood_ng.wood_ng import classify_wood_ng, CLASS_NAMES

img = cv2.imread("1.png")
result = classify_wood_ng(img)
print(f"NG 木条: {result}")

```