[生活娱乐]快递助手——码上见

TRAE AI 创造力大赛 【大赛初赛专区】
1

【标签】 生活娱乐

【标题】 [生活娱乐]快递助手——码上见

【正文】 ）

0. 先和大家打个招呼吧 :waving_hand:

  • 你是谁： 一名AI爱好者；

  • **你是怎么用 TRAE 把 Demo 做出来的：**把我的需求文档给了他，就很快给出了原型，更多的时间在测试上

  • （我们相信，每个作品背后都有一个真实的人。这段不计入评分，但真诚的分享，会让你的作品更有温度、也更容易被看到 :sparkles:）

1. Demo 简介

  • 是什么： 一个基于 Web 的快递取件码视觉定位工具，用户上传取件码截图和货架照片后，系统自动在照片中用红框标出目标包裹位置。

  • 面向谁： 经常在菜鸟驿站、校园驿站、小区代收点取快递的普通用户，尤其是快递较多、取件时间紧、对数字比对不敏感的人。

  • 主要功能：

  1. 取件码识别 ：上传短信/App截图，系统自动提取候选4位取件码，支持多候选码手动确认
  2. 货架码定位 ：上传货架照片，系统通过OCR识别并匹配目标取件码位置
  3. 醒目标注 ：识别成功后用多层红黄相间的粗边框标出目标位置，一眼就能看到
  • 界面展示：
  1. 第一步：上传取件码截图 → 系统提取候选码 → 用户确认目标码
  2. 第二步：上传货架照片 → 系统识别定位 → 展示红框标注后的图片

2. Demo 创作思路

  • 灵感来源： 每次在驿站面对密密麻麻的货架和包裹贴码，都要花好几分钟一个个比对数字找自己的快递，尤其是高峰期人多拥挤时，效率很低。手机拍照+AI识别已经很成熟，完全可以用这个技术解决这个日常小烦恼。

  • 想解决的问题：

    • 用户知道取件码但面对大量包裹时，肉眼逐个找码效率低
    • 包裹码贴得小、光线差、货架拥挤时更容易看错拿错
    • 高峰期在驿站停留时间长，影响通行体验

  • 为什么做这个方向： 这个创意不追求复杂的大系统，而是解决一个非常具体、高频、但容易被忽略的生活问题。它适合手机浏览器轻量使用，让AI真正进入普通人的日常场景，让取快递这件小事更顺手。

3. Demo 体验地址（三选一）

  • 本地运行方式：

    # 后端启动（端口8080）
cd backend
python debug_server.py

# 前端启动（端口3000）
cd frontend
npm run dev

# 访问地址：http://localhost:3000

  • 项目结构：

    • 后端：Python + FastAPI + RapidOCR + OpenCV
    • 前端：React + Vite

4. TRAE 实践过程

  • 4.1 开发流程概览

    整个项目从SPEC文档出发，由TRAE全程完成代码开发和问题调试，主要经历以下阶段：

    1. 需求分析与架构设计 ：TRAE读取SPEC文档，制定命名规范、接口设计和数据流方案
    2. 后端服务搭建 ：创建FastAPI项目结构，实现OCR服务、图像处理服务、取件码提取逻辑
    3. 前端页面开发 ：创建React单页应用，实现图片上传、候选码选择、结果展示交互
    4. OCR引擎适配 ：最初使用PaddleOCR，因环境问题切换到RapidOCR，并实现滑动窗口识别解决大图片问题
    5. 效果优化 ：迭代优化红框样式，从单层红框升级为多层红黄相间的醒目边框

    4.2 关键技术突破

    滑动窗口识别方案：

    由于RapidOCR直接处理大尺寸图片（4096×3072）会崩溃，TRAE设计了滑动窗口方案：

    • 将大图片分成1024×1024的小patch
    • 以50%重叠率（步长512）滑动遍历
    • 将每个patch的识别结果坐标转换回原图坐标
    • 使用IoU算法去重，避免重叠区域重复识别
      代码位置： ocr_service.py

    模糊匹配优化：

    考虑到OCR可能存在字符识别误差（如0/O、1/I、5/S等），TRAE实现了自定义的模糊匹配逻辑：

    • 基于Levenshtein距离计算相似度
    • 引入字符相似度映射表（如0↔O、5↔S）
    • 支持宽松包含匹配和子串匹配
      代码位置： code_extractor.py

    多层醒目红框：

    为了让标注更加醒目，TRAE实现了3层红黄相间的边框效果：

    层级 颜色 偏移量 线条粗细 第1层 红色 0px 20px 第2层 黄色 +160px 40px 第3层 红色 +240px 40px

    代码位置： image_service.py

    4.3 API接口设计

    接口1：提取取件码

    接口2：定位货架照片中的目标码

    4.4 开发关键步骤截图说明

    由于无法直接提供截图，以下为关键开发步骤描述：

    步骤1：项目初始化

    • TRAE读取SPEC.md文档，理解需求和技术约束

    • 创建后端目录结构：app/api/endpoints、app/services、app/schemas

    • 创建前端React项目：使用Vite快速初始化
      步骤2：OCR服务实现

    • 集成RapidOCR引擎，实现基础识别功能

    • 添加图像预处理策略（灰度化、CLAHE对比度增强、高斯模糊、锐化等）

    • 实现滑动窗口识别，解决大图片处理问题
      步骤3：取件码提取逻辑

    • 编写正则表达式匹配多种取件码格式

    • 实现模糊匹配算法，提升识别容错率

    • 添加候选码去重逻辑
      步骤4：前端交互开发

    • 实现图片上传组件（支持手机拍照）

    • 实现候选码选择确认界面

    • 实现标注图片展示（支持缩放查看）
      步骤5：效果优化迭代

    • 从单层红框优化为多层红黄相间边框

    • 调整边框粗细和偏移量，确保醒目且不遮挡目标文字

    4.5 关键任务对话Session ID

    （请在TRAE控制台查看具体的Session ID，以下为示例格式）

    • Session ID: .5923646234940:bc24c14fa81d364e7a2d34b062d8cfad_6a3b365f983e2748bdadfda6.6a3b38da983e2748bdadfda9.6a3b38d79e18b858f0b190ab:Trae CN.T(2026/6/24 09:54:34)（需求分析与架构设计）

    • Session ID: .5923646234940:3c212d6ac4b2ebe051a2f7bc34002d57_6a3b365f983e2748bdadfda6.6a4dfc102d0c204736cf67b4.6a4dfc0d0e6c576670654640:Trae CN.T(2026/7/8 15:28:16)（对抗性审查）

    • Session ID: .5923646234940:826a80a1c5a7fccfbe9bec20cc4094dd_6a3b365f983e2748bdadfda6.6a4f04332d0c204736cf6edf.6a4f04320e6c576670654653:Trae CN.T(2026/7/9 10:15:15)（ocr优化）

    • Session ID: .5923646234940:eb8f5d955453ea2408a591664905d2d7_6a3b365f983e2748bdadfda6.6a4f4f50bfcb3af338a10cb2.6a4f4f4d3ed8d74885d47dc9:Trae CN.T(2026/7/9 15:35:44)

      code-on-sight-demo.zip (2.8 MB)

      code-on-sight-demo.zip (2.7 MB)

      （红框样式优化迭代）

5. 对应的报名审核通过的帖子链接

2

已投票，这个快递助手太实用了，截图定位红框一目了然，取件再也不，相互支持

3

想法很不错，但是实际上驿站的快递架都是一个紧挨着一个，只能容纳一个人通过，也不方便拍照片呀。