前言

项目需求

调用学习完成的图像识别模型，通过摄像头实时监测识别结果，客户端显示识别结果并做提醒预警。

部署操作系统

软件需要运行在Ubuntu Desktop 16.04，要么选择跨平台应用，要么选择html纯静态页面作为客户端。

为什么不使用 Java / QT / C++ 等原生应用作为客户端？

1、上述语言目前我都完全不掌握😢 2、项目不是公司的主要方向，学习技术成本过高，用完后很可能会丢弃，没有学习的必要。

综上，在目前掌握的技术栈里，选择相应的技术是最快速、稳妥的方案。

架构需求

软件可能运行在内网Ubuntu系统，如果不能在现场，可能需要指导客户进行操作，应尽可能简单，最好双击一下鼠标，运行个shell就可以处理或者重启。如果远程处理，架构简单，可以尽快定位问题。

方案1. Python + Redis + Mono

优点

• 架构简单
• 技术难度低

缺点

• 安装配置环境较多
• 应用程序需要适配不同分辨率尺寸（设备上有一个小屏，还需要外接显示器），如果要求操作界面美观不好优化

方案2. Python + Redis + .net(MAUI/Blazor)

优点

• 架构简单

缺点

• 安装配置环境较多
• 有一定技术门槛
• 应用程序需要适配不同分辨率尺寸

方案3. Python + MQTT + Electron/Flutter

优点

• 架构简单

缺点

• 安装配置环境较多，太过重量
• 应用程序需要适配不同分辨率尺寸

方案4. Python + Html(WebSocket)

优点

• 部署简单，运维方便

缺点

• 通讯处理麻烦，需要考虑多客户端问题、断开重连问题(心跳机制)

方案5. Python + Web API(Python Flask+SQLite) + Html

优点

• 部署简单，运维方便，只需要额外安装nginx
• 技术难度低

缺点

• 暂时没有发现明显缺点，暂定方案