乐思 AI 智能识别平台（基于 YOLO，.NET+Vue3 开发）开源指南

乐思平台：多功能集成应用系统乐思平台是一款基于.NET技术的综合性应用，提供用户管理、在线答题和AI图像识别功能。支持QQ邮箱注册登录，内置题库系统可实时记录成绩并导出Word文档。集成YOLOv8技术实现图片识别，后台数据大屏展示关键指标。项目采用单体与微服务双架构，技术栈包括.NET Core 8/9、MySQL、Redis、EFCore、Dapper、gRPC等，支持Docker和Kube

A-李碧豪

1116人浏览 · 2025-08-04 10:59:02

A-李碧豪 · 2025-08-04 10:59:02 发布

使用systemd来启动服务（应用崩溃时自动重启）

安装虚拟化驱动（以 Docker 为例）：

步骤 1：将本地 aitest.sql 复制到 MySQL 容器内

步骤 2：进入 MySQL 容器

步骤 3：使用 mysql 命令执行 SQL 脚本

登陆

项目概述

乐思平台是一款集成多种功能的综合性应用平台，涵盖用户管理、学习答题与 AI 图像识别场景。用户可通过 QQ 邮箱注册、登录，便捷管理个人账号；内置练题系统，支持在线答题，答题成绩实时记录于后台成绩中心，还能按需导出作答情况 Word 文档，方便复盘总结。集成先进 AI 模块，依托 YOLOv8 技术，允许用户上传图片识别，识别后的图片自动存储，随时查看详情。系统界面配备直观数据大屏，精准呈现识别次数、用户注册量等关键指标。

平台经历了从单体应用到微服务架构的演进，不断优化性能与扩展性，以满足日益增长的用户需求和复杂的业务场景。

项目地址

单体应用版本

https://gitee.com/libihao520/ai-recognition-system

微服务版本

1. （前端） LeSi-Platform-Web

2. （网关/聚合层） LeSi-Platform-Api

3. （管理后台核心） LeSi-Admin-Api

4. （AI处理核心） LeSi-AI-Api

该平台拥有演示地址：http://47.107.226.10 6 :8080 /lo gin，用户可使用账号 “lbhlbh”、密码 “123456” 登录体验。

功能模块

无论是单体应用版本还是微服务版本，功能模块基本一致，以下是部分功能截图：

登录注册：

数据大屏：

题库系统：

在线识别：

AI 大模型：

用户管理：

框架与技术栈

单体应用版本

基于微软.NetCore8.0、C#12.0 开发，采用主流数据库 MySQL、Redis，ORM 框架为 EFCore。

后端：asp.net Core Api、JWT、QRCode、YoloDotNet、Autofac、AutoMapper、EPPlus、word 模板引擎 SharpDocx、YOLOv8、ONNX。

前端：vue3、nodejs、vuex、axios 请求、promise、element ui、element plus、pinia 用户仓库与 token 持久化。

微服务版本

基于微软.NetCore8.0、.NetCore9.0 开发，采用主流数据库 MySQL、Redis，ORM 框架为 EFCore、Dapper。

后端：

- Platform-Api (网关 / 聚合层)：.NET 8 MVC, EFCore, SignalR, Autofac, AutoMapper, EPPlus, SharpDocx, QRCode。

- AI Server (AI 处理核心)：.NET 8, Dapper, RabbitMQ/Kafka, YoloDotNet, ONNX。

- Admin Server (管理后台核心)：.NET 8, DDD, 中介者模式，CQRS, EFCore 仓储，动态密钥，gRPC。

前端：vue3、nodejs、vuex、axios 请求、promise、element ui、element plus、pinia 用户仓库与 token 持久化。

服务通讯：gRPC (内部), 消息队列 (异步解耦), SignalR (前后端实时)。

运维部署：Kubernetes (k8s), Docker, Jenkins CI/CD。

安装教程

模型合并：由于演示模型过大，单独上传到了百度云网盘，需要的用户可自行下载。通过网盘分享的文件：Model，链接: https://pan.bai du.co m/s/1sTZ 8uQL pyr l3h ygkZ 3Vmv A?p wd=e wfk 提取码: ewfk。模型下载下来后放到路径 ai-recognition-system\Ai-Web-API\WebApi\Model 下。

单体应用与微服务应用部署说明大纲

单体应用部署说明

安装git 拉取代码

# 安装git
sudo apt update
sudo apt install git
git --version

# 拉取代码
cd ../home
mkdir -p projects
cd projects
git clone https://gitee.com/libihao520/ai-recognition-system.git

前端部署

安装Node.js 和 npm

安装Node.js 和 npm（Node Package Manager）。这些工具通常一起安装，因为 npm 是 Node.js 的包管理器。

# node建议v16.20.2
# 若使用sudo apt install nodejs npm命令安装Node.js和npm时
# 通常安装的是Ubuntu官方软件仓库中提供的版本。这些版本可能是稳定的，但不一定是最新的
# 如果要指定版本，通过其他方式安装


#方法一 使用NodeSource的安装脚本指定安装 node  v16.20.2
curl -fsSL https://deb.nodesource.com/gpgkey/nodesource.gpg.key | sudo apt-key add -
# 添加NodeSource的APT源
VERSION=node_16.x
DISTRO=$(lsb_release -s -c)
echo "deb https://deb.nodesource.com/$VERSION $DISTRO main" | sudo tee /etc/apt/sources.list.d/nodesource.list
# 更新APT源并安装Node.js
sudo apt update
sudo apt install nodejs -y

# 安装完成后查看版本
node -v
npm -v

# 换镜像源
npm config set registry https://mirrors.huaweicloud.com/repository/npm/

安装依赖项并构建

cd ai-recognition-system/Vue3-ai-system-admin
npm install
npm run build

使用Nginx部署

安装Nginx

sudo apt update
sudo apt install nginx

vim /etc/nginx/nginx.conf

# 找到http包裹部分,修改为如下部分

# listen : 监听的端口
# server_name ： 你当前服务器的 IP 或者 域名
http {
        server {
                listen     8080;
                server_name 47.107.226.106;
                
                root /home/projects/ai-recognition-system/Vue3-ai-system-admin/dist;
                index index.html;
                location / {
                         try_files $uri $uri/ /index.html;
                           }
                }
      }
# 退出编辑
:wq!
# 检查配置并重启Nginx
sudo nginx -t
sudo systemctl restart nginx
# 服务器开端口，完成！

后端部署

添加Microsoft包管理源

wget https://packages.microsoft.com/config/ubuntu/22.04/packages-microsoft-prod.deb -O packages-microsoft-prod.deb
sudo dpkg -i packages-microsoft-prod.deb
sudo apt-get update

安装.Net 8.0SDK

sudo apt-get install -y dotnet-sdk-8.0
# 查看版本是否安装成功
dotnet --version

字体安装

cd /usr/share/fonts/truetype/msttcorefonts/
sudo apt install cabextract
wget https://www.freedesktop.org/software/fontconfig/webfonts/webfonts.tar.gz
# 解压
tar -xzf webfonts.tar.gz
cd msfonts/
cabextract *.exe
# 移动字体
cp *.ttf *.TTF ~ /usr/share/fonts/truetype/msttcorefonts/

原始构建运行

cd /home/projects/ai-recognition-system/Ai-Web-API
# 构建
dotnet build -c Release
# 运行项目
dotnet  /home/projects/ai-recognition-system/Ai-Web-API/WebApi/bin/Release/net8.0/WebApi.dll --urls http://0.0.0.0:5157

使用systemd来启动服务（应用崩溃时自动重启）

sudo vim /etc/systemd/system/webapi.service

在文件中添加如下内容

[Unit]
Description=Ai Web API Service
After=network.target

[Service]
WorkingDirectory=/home/projects/ai-recognition-system/Ai-Web-API/WebApi/bin/Release/net8.0
ExecStart=/usr/bin/dotnet ./WebApi.dll --urls http://0.0.0.0:5157
Restart=always
# 如果需要，可以取消注释并设置内存限制或运行用户
# MemoryMax=500M
# User=yourusername
Environment=ASPNETCORE_ENVIRONMENT=Production
StandardOutput=syslog
StandardError=syslog
SyslogIdentifier=webapi

[Install]
WantedBy=multi-user.target

重新加载配置并启动服务

sudo systemctl daemon-reload
sudo systemctl start webapi.service
#  设置服务开机自启（可选）
sudo systemctl enable webapi.service
# 检查服务状态和日志
# 使用 systemctl status 命令检查服务的状态，并使用 journalctl 命令查看服务的日志输出。
sudo systemctl status webapi.service
sudo journalctl -u webapi.service -f

后续更新

# 更新代码
cd /home/projects/ai-recognition-system
git pull origin master

# 前端
cd /home/projects/ai-recognition-system/Vue3-ai-system-admin
npm run build

# 后端（systemctl ）
sudo systemctl stop webapi.service
cd /home/projects/ai-recognition-system/Ai-Web-API
dotnet build -c Release
sudo systemctl start webapi.service

# 查看日志
sudo journalctl -u webapi.service -f

数据库部署

自行安装mysql与redis

微服务应用部署说明

本地构建打包形式

1. （前端） LeSi-Platform-Web

2. （网关/聚合层） LeSi-Platform-Api

3. （管理后台核心） LeSi-Admin-Api

4. （AI处理核心） LeSi-AI-Api

每个项目依次拉取代码

每个项目的根目录下都有一个Dockerfile文件

如下图在每个项目下面分别执行dockerfile文件

命令：

docker build -t lesi-platform-web .
docker build -t lesi-platform-api .
docker build -t lesi-ai-api .
docker build -t lesi-admin-api .

等镜像全部构建完成之后，最后执行

docker-compose -f docker-compose.local.yml up -d

所有的项目启动了，访问http://127.0.0.1:8080/login查看服务是否正常

远程仓库部署

所有的项目服务我都已经已经上传到阿里云镜像平台了，因此不需要改动代码，只需要快速搭建的话，只要拉取（网关/聚合层） LeSi-Platform-Api 代码，在根目录下执行

docker-compose -f docker-compose.aliyun.yml up -d

K8s部署

需提前安装k8s环境，我这里以minikube为例

安装 `kubectl`：

sudo apt-get update
sudo apt-get install -y apt-transport-https ca-certificates curl
curl -fsSL https://pkgs.k8s.io/core:/stable:/v1.28/deb/Release.key | sudo gpg --dearmor -o /etc/apt/keyrings/kubernetes-apt-keyring.gpg
echo 'deb [signed-by=/etc/apt/keyrings/kubernetes-apt-keyring.gpg] https://pkgs.k8s.io/core:/stable:/v1.28/deb/ /' | sudo tee /etc/apt/sources.list.d/kubernetes.list
sudo apt-get update
sudo apt-get install -y kubectl

安装虚拟化驱动（以 Docker 为例）：

sudo apt-get install -y docker.io
sudo systemctl enable docker
sudo systemctl start docker
sudo usermod -aG docker $USER  # 将当前用户加入 docker 组（需重新登录生效）

安装 Minikube

# 运行以下命令确认你的系统架构：
uname -m

# 如果是 x86_64，说明是 64 位 Intel/AMD CPU 安装这个版本
curl -LO https://storage.googleapis.com/minikube/releases/latest/minikube-linux-amd64
sudo install minikube-linux-amd64 /usr/local/bin/minikube

# 如果是 aarch64 或 arm64，说明是 ARM 架构
curl -LO https://storage.googleapis.com/minikube/releases/latest/minikube-linux-arm64
sudo install minikube-linux-arm64 /usr/local/bin/minikube

启动 Minikube

minikube start --driver=docker # 使用 Docker 驱动

如果遇到权限问题，请确保当前用户在 docker 组（执行 newgrp docker 或重新登录）。

验证安装

minikube status
kubectl get pods -A  # 检查 Kubernetes 集群状态

启动服务

启动服务编排好的yaml文件我都放在了（网关/聚合层） LeSi-Platform-Api 项目的根目录k8s文件夹下面。

启动 Minikube:

bashminikube start --driver=docker --memory=8g --cpus=4

创建命名空间:

bashkubectl apply -f namespace.yaml

依次部署各个服务:

kubectl apply -f mysql-deployment.yaml
kubectl apply -f redis-deployment.yaml
kubectl apply -f rabbitmq-deployment.yaml
kubectl apply -f admin-api-deployment.yaml
kubectl apply -f platform-api-deployment.yaml
kubectl apply -f ai-api-deployment.yaml
kubectl apply -f platform-web-deployment.yaml

访问前端服务:

minikube service platform-web -n lesi-platform

会获得一个ip地址，打开地址，就可以访问到我们的服务了。

数据初始化

数据库初始化数据放在了（网关/聚合层） LeSi-Platform-Api 项目的aitest文件中，直接执行就好了，下面只举例微服务中执行步骤。

手动执行 aitest.sql 文件，可以通过 kubectl exec 进入 MySQL 容器，再使用 mysql 命令执行脚本。具体步骤如下：

步骤 1：将本地 `aitest.sql` 复制到 MySQL 容器内

把本地的 aitest.sql 文件上传到正在运行的 MySQL Pod 中（例如 /tmp 目录）：

# 语法：kubectl cp 本地文件路径 命名空间/ Pod名称:容器内目标路径
kubectl cp ./aitest.sql lesi-platform/mysql-864ddd5c77-6rgmg:/tmp/aitest.sql

步骤 2：进入 MySQL 容器

通过 kubectl exec 登录到 MySQL 容器内部：

kubectl exec -it -n lesi-platform mysql-864ddd5c77-6rgmg -- /bin/bash

执行后会进入容器的命令行界面（类似 bash-4.4#）。

步骤 3：使用 `mysql` 命令执行 SQL 脚本

在容器内，通过 MySQL 客户端连接数据库并执行 aitest.sql：

# 连接 MySQL（使用你的 root 密码，即 MYSQL_ROOT_PASSWORD 的值）
mysql -u root -p

# 输入密码
Enter password: 1qazZAQ!hhh333

# 执行 SQL 脚本（假设脚本需要指定数据库，若未指定可先创建或切换数据库）
mysql> source /tmp/aitest.sql;

# 执行完成后退出 MySQL 客户端
mysql> exit;

# 退出容器
exit

登陆

自此，项目已经部署完成了，系统的默认账号密码是

账号：lbhlbh

密码：123456

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

Hadoop HDFS-JournalNode（jn）详细介绍

2048 AI社区

多线程——线程状态

2048 AI社区

光伏人解放双手！iSolarBP 手机端让工地效率飞起来

现在用 iSolarBP 手机端，点击【收益评估】，25 年发电曲线、收益表自动生成，IRR、LCOE、回收期还能以可视化图表呈现，参数能拖拽调整，不满意随时改。作为一名光伏项目经理，曾经的我每天背着沉重电脑跑工地，堪称 “移动的绘图机器”：现场发现遮挡，得回办公室改 CAD、重算阴影，再跑回工地复核，来来回回至少 3 次；但用 iSolarBP 手机端，打开首页【教学视频】，从 “登录查收益”