MLKitImageLabeler 拓展：离线图像标注（拍照识物）

• MLKitImageLabeler 拓展
  • 快速上手
    • 一、拍照识物（最小可用）
    • 二、想要更多标签就调低阈值
    • 三、带置信度一起显示
    • 四、识别 Base64 图片（例如从摄像头或网络拿到的）
    • 五、给别处拿到的英文标签配中文名
  • 属性
  • 事件
  • 方法
  • 运行环境：AI 伴侣联机需要 Android 11 及以上
  • 常见问题

« 返回首页

MLKitImageLabeler 拓展

识别一张图片里有什么，返回 400 多个通用类别及置信度（花、食物、天空、建筑、猫、狗……）。

为什么选它：

• 完全离线。模型随 .aix 打包，设备不需要 Google Play 服务，断网也能用。
• 标签自带中文名。ML Kit 原始返回是英文（Flower、Food），本拓展内置约 230 条常见类别的 中文对照，事件里同时给英文和中文，不用自己维护映射表。
• 不用先”初始化”，识别器按需创建、复用。
• 「什么都没认出来」走专门的事件，不当错误处理。

常用场景：拍照识物教学项目、相册自动打标签、按内容分类图片。

与 MLKitObjectDetector 的区别：本拓展只告诉你「图里有花」， 目标检测还会告诉你「花在这个矩形框里」并能一次框出多个物体。要画框请用那个。

• .aix 拓展下载：

cn.fun123.MLKit.ImageLabeler.aix

快速上手

一、拍照识物（最小可用）

设计器里放一个 MLKitImageLabeler、一个「图像选择器」、一个标签、一个列表显示。

when 图像选择器1.AfterPicking() {
  标签1.Text = "识别中…"
  ImageLabeler1.LabelFromFile(图像选择器1.Selection)
}
when ImageLabeler1.GotLabels(topLabel, topName, labels, names, resultJson) {
  标签1.Text = join("这是：", topName)
  列表显示框1.Elements = names
}
when ImageLabeler1.NoLabelFound(operation) {
  标签1.Text = "没认出来，试试换张图或调低置信度阈值"
}
when ImageLabeler1.LabelFailed(operation, errorMessage) {
  标签1.Text = errorMessage
}

topName 直接就是中文（如「花」），names 是全部标签的中文列表。

二、想要更多标签就调低阈值

when Screen1.Initialize() {
  ImageLabeler1.ConfidenceThreshold = 0.3
}

三、带置信度一起显示

when ImageLabeler1.GotLabels(topLabel, topName, labels, names, resultJson) {
  标签1.Text = topName
  标签_原始结果.Text = resultJson
}

resultJson 的形状（用「JSON 文本解码」块解析）：

[{"label":"Flower","name":"花","confidence":0.92,"index":0},
 {"label":"Plant","name":"植物","confidence":0.81,"index":1}]

四、识别 Base64 图片（例如从摄像头或网络拿到的）

when 按钮_Base64.Click() {
  ImageLabeler1.LabelFromBase64(文本输入框_Base64.Text)
}

五、给别处拿到的英文标签配中文名

when 按钮_名称.Click() {
  标签1.Text = ImageLabeler1.LabelName("Sunset")
}

属性

ConfidenceThreshold

置信度阈值，0～1，默认 0.5。低于这个值的标签不返回。 调低会返回更多但更不确定的标签。改这个属性会重建识别器，立即生效。

Busy

只读。是否正在识别。识别期间再次调用会触发 LabelFailed。

事件

GotLabels(topLabel,topName,labels,names,resultJson)

识别出标签。

• topLabel / topName — 置信度最高的那个标签的英文名 / 中文名。只想显示一个结果就用 topName。
• labels / names — 全部标签的英文列表 / 中文列表，按置信度从高到低。
• resultJson — 含置信度和索引的完整结果（见示例三）。

NoLabelFound(operation)

没识别出任何标签（图片内容不在 400 类里，或都低于阈值）。这不是错误 —— 可以试着调低 置信度阈值。

LabelFailed(operation,errorMessage)

识别失败。operation 是出错的方法名。

方法

LabelFromFile(path)

识别图片文件。path 可以是素材文件名、设备路径、file:// 或 content:// 地址 （「图像选择器」的 选中项 可以直接传进来）。

LabelFromBase64(base64)

识别 Base64 图片。支持纯 Base64，也支持带 data:image/...;base64, 前缀的写法。

LabelName(englishLabel)

把英文标签转成中文名。对照表里没有的原样返回英文。

运行环境：AI 伴侣联机需要 Android 11 及以上

本拓展的识别模型放在依赖库自带的 assets 里，AI 伴侣联机调试要把它挂进 AssetManager，用的是 Android 11（API 30）才有的 ResourcesLoader —— 这是系统提供的 唯一公开办法，更低版本没有等价 API。所以：

打包 APK 之所以不受限制，是因为模型在编译时就被并进了 APK 的 assets，装到手机上 就是 App 自己的资源，与系统版本无关。伴侣的 APK 是提前编好装在手机上的，运行时没法 往自己已安装的包里加文件，只能靠系统的运行时挂载 API。

低版本设备上想验证功能，直接打包 APK 测即可；要用伴侣边改边调，请换 Android 11+ 的设备。

常见问题

认出来的类别很笼统（只说”食物”不说”披萨”）。 这是 ML Kit 基础模型的能力边界 —— 它是 400 个通用大类，不是细粒度识别。 要认具体品类（花的品种、菜名、商品）需要自定义 TFLite 模型，用本仓库的自定义模型版拓展。

中文名是空的 / 显示的是英文。 说明这个标签不在内置的约 230 条对照表里，此时会原样返回英文（宁可显示英文也不显示空白）。 需要补充可以在自己的项目里做一层映射，或反馈标签名给我们加进对照表。

为什么 .aix 有 23 MB？ 除了 2.4 MB 的标注模型，还有 18.7 MB 的推理引擎（vision-internal-vkp，4 个 CPU 架构的原生库）， 这是「完全离线、不依赖 Google Play 服务」的代价。

能识别文字吗？ 不能，那是 OCR。请用 MLKit.TextRecognizer（本仓库的离线文字识别拓展，支持中/英/日/韩/天城文 5 种脚本）。 本拓展只会给你一个 Text（文字）这样的笼统标签。