优化ocr检测时间,加载默认模型

core/detect.py

@@ -44,7 +44,6 @@ def save_db(model_type, client_ip, result):
 
 
 def detectFrame(client_ip, frame):
-
     # YOLO检测
     yolo_flag, yolo_result = yoloDetect(frame, float(BUSINESS_CONFIG["yolo_conf"]))
     if yolo_flag:
@@ -103,36 +102,11 @@ def danger_handler(client_ip):
             json_data=json.dumps(lock_msg)
         )
     )
-
     # 增加危险记录次数
     increment_alarm_count_by_ip(client_ip)
-
     # 更新设备状态为未处理
     update_is_need_handler_by_client_ip(client_ip, 1)
 
-def extract_prohibited_words(ocr_result: str) -> str:
-    """
-    从多文本块的ocr_result中提取所有违禁词（去重后用逗号拼接）
-    适配格式：多个"文本: ... 包含违禁词: ...;"片段
-    """
-    # 用正则匹配所有"包含违禁词: ...;"的片段（非贪婪匹配到分号）
-    # 匹配规则："包含违禁词: "后面的内容，直到遇到";"结束
-    pattern = r"包含违禁词: (.*?);"
-    all_prohibited_segments = re.findall(pattern, ocr_result, re.DOTALL)
-
-    all_words = []
-    for segment in all_prohibited_segments:
-        # 去除每个片段中的置信度信息（如"(置信度: 1.00)"）
-        cleaned = re.sub(r"\s*\([^)]*\)", "", segment.strip())
-        # 分割词语并过滤空值
-        words = [word.strip() for word in cleaned.split(",") if word.strip()]
-        all_words.extend(words)
-
-    # 去重后用逗号拼接
-    unique_words = list(set(all_words))
-    return ",".join(unique_words)
-
-
 def extract_face_names(face_result: str) -> str:
     pattern = r"匹配: (.*?) \("
     all_names = re.findall(pattern, face_result)