BYP's Notes
首页 关于 公开笔记

Qwen3-VL识别广府庙会街景

💡 核心亮点

使用阿里云Qwen3-VL-Plus视觉语言模型，智能识别广州广府庙会街景照片：

一、识别样本

1.1 测试图片

图片名称：D20150216_162514.JPG

图片信息： - 拍摄时间：2016年2月-3月（根据海报信息推断） - 拍摄地点：广东省广州市（广府庙会现场） - 场景类型：春节/元宵节庙会街景 - 图片大小：3,752.7 KB（约3.7MB） - 图片格式：JPG

2016年广州广府庙会街景

1.2 识别提示词

PROMPTS = {
    "通用描述": "图中描绘的是什么景象？请详细描述。"
}

二、识别结果

模型返回了极具文化内涵和细节观察力的分析报告，准确识别出这是2016年广州广府庙会的街景照片。

2.1 核心识别内容

✅ 场景定位：广府庙会

活动主题识别： - 准确识别左侧大型红色海报标题："广府庙会 幸福相约" - 提取祝福语："平安每一天 快乐在身边" - 识别活动时间：2016年2月—2016年3月（春节/元宵节期间） - 发现广府文化IP形象：戴眼镜、穿唐装的"广府人"卡通形象 - 识别宣传语："广府人 广府味"

人群特征分析： - 🎯 识别出"人山人海"的密集人群 - 👥 分析出年龄层次丰富（老人、青年、儿童） - 👕 观察到冬末春初服装特征（羽绒服、卫衣、毛衣） - 🎡 发现标志性节日元素：彩色风车（单叶、多叶、彩虹风车、金色太阳花形）

✅ 节庆装饰识别

红灯笼装饰： - 识别出街道上方悬挂的大量传统红灯笼 - 观察到部分灯笼带金色"福"字或图案 - 描述为"成串垂挂于树杈与建筑之间"

摊位与彩饰： - 识别出红色顶棚的临时摊位 - 发现金箔纸、彩球、风车阵列等装饰 - 判断为售卖民俗工艺品或小吃的市集

✅ 建筑与环境细节

岭南建筑特征： - 识别出典型岭南骑楼风格或老城区商铺建筑 - 观察到左侧粉色霓虹灯招牌"My S..." - 描述建筑结构：底层为店面，上层为住宅或办公空间

植被特征： - 识别出道路两侧种植高大乔木（如榕树） - 描述"枝干粗壮，绿叶繁茂" - 观察到右侧大树斜入画面，构成自然框架

道路特征： - 识别出沥青路面 - 发现白色交通标线 - 判断为"开放的公共街道，而非封闭景区"

2.2 文化内涵解读

模型展现了深度的文化理解能力：

广府民俗解读

风车寓意： - 识别出风车在广府民俗中有"转运""招福"之意 - 解释"人们手持风车行走，寓意'转出好运'"

红灯笼象征： - 理解红灯笼代表"中国红"年味 - 识别为传统节日的标志性装饰

文化融合特征： - 传统民俗：风车祈福、灯笼纳吉 - 地方认同："广府人"IP形象 - 现代商业：摊位经济、扫码互动（二维码）

社会意义分析

模型准确概括为：

"既是对传统年俗的传承，也是现代城市公共文化生活的缩影"

并总结出四大氛围特征： - 祥和 - 欢腾 - 共享 - 生活气息与地域文化辨识度

2.3 完整分析报告

📊 查看完整分析结果

核心场景与人群
  • 街道上人山人海，密密麻麻的游客和市民摩肩接踵，从前景延伸至远方，形成一条流动的人潮长河
  • 人群年龄层次丰富，有老人、中青年、儿童，衣着多为冬末春初的日常休闲装（如羽绒服、卫衣、毛衣）
  • 部分人背着背包或提着购物袋，显示出浓厚的出游与消费氛围
  • 许多人手持彩色风车（纸制或塑料制），有单叶、多叶（如8叶彩虹风车）、金色太阳花形等，成为画面中醒目的动态元素与节日符号
节庆装饰与视觉焦点
  • 红色灯笼：街道上方悬挂着大量传统红灯笼（部分带金色"福"字或图案），成串垂挂于树杈与建筑之间，营造出浓郁的"中国红"年味
  • 大型红色横幅与海报：最显眼的是左侧高悬的一块大型红色宣传海报，标题为"广府庙会 幸福相约"，下方写有"平安每一天 快乐在身边"等祝福语
  • 海报上有卡通人物形象（戴眼镜、穿唐装的"广府人"IP形象），并标注活动时间为"2016年2月—2016年3月"
  • 海报右下角有二维码及"广府人 广府味"字样，强调地域文化特色
  • 摊位与彩饰：沿街设有红色顶棚的临时摊位，装饰着金箔纸、彩球、风车阵列等，售卖民俗工艺品或小吃
环境与建筑细节
  • 街道两旁是典型岭南骑楼风格或老城区商铺建筑，底层为店面（如左侧可见粉色霓虹灯招牌"My S..."），上层为住宅或办公空间
  • 道路两侧种植高大乔木（如榕树），枝干粗壮，绿叶繁茂，与红灯笼形成鲜明色彩对比
  • 右侧一棵大树的粗壮树干斜入画面，其纹理与枝桠构成自然框架，增强构图纵深感
  • 地面为沥青路面，有白色交通标线，显示这是开放的公共街道，而非封闭景区
文化内涵与氛围
  • 整体呈现典型的"广府文化"节庆场景：融合传统民俗（风车祈福、灯笼纳吉）、地方认同（"广府人"IP）、现代商业（摊位经济、扫码互动）于一体
  • 风车在广府民俗中有"转运""招福"之意，人们手持风车行走，寓意"转出好运"
  • 人群神情轻松愉悦，有的驻足观看，有的拍照留念，有的边走边聊，洋溢着祥和、欢腾、共享的社区节日气息
总结

这张照片真实记录了2016年广州广府庙会的鼎盛场面——一条被红灯笼与彩风车装点的古老街道，因万千市民的参与而焕发活力，既是对传统年俗的传承，也是现代城市公共文化生活的缩影。画面色彩热烈、构图饱满、动感十足，极具生活气息与地域文化辨识度。

三、程序实现

3.1 核心代码

完整程序位于：/extern/attachments/topic/智能预报/scripts/qwen_vl_analysis.py

配置区（修改此处即可分析任意图片）：

# ==================== 配置区 ====================

# API配置
API_KEY = "sk-xxx"  # 你的DashScope API Key

# 图片路径（修改这里！）
IMAGE_PATH = str(SCRIPT_DIR / "../img/D20150216_162514.JPG")

# 选择分析任务
SELECTED_PROMPT = "通用描述"

# 模型选择
MODEL_NAME = "qwen3-vl-plus"

3.2 使用步骤

1. 安装依赖：

pip install openai

2. 修改配置：

# 修改图片路径
IMAGE_PATH = str(SCRIPT_DIR / "../img/你的图片.jpg")

# 选择提示词
SELECTED_PROMPT = "通用描述"

3. 运行程序：

cd extern/attachments/topic/智能预报/scripts
python qwen_vl_analysis.py

四、性能统计

4.1 本次测试数据

指标 数值
图片大小 3,752.7 KB (3.7MB)
分析耗时 27.10 秒
输入Token 2,500
输出Token 826
总Token 3,326
预估费用 ¥0.12

4.2 识别能力评估

✅ 优势： - 文字识别精准：准确提取海报标题、活动时间、宣传语等文字内容 - 文化理解深入：解读风车祈福、红灯笼纳吉等广府民俗内涵 - 场景判断准确：识别出"广府庙会"、"2016年春节"、"广州" - 细节观察力强：发现岭南骑楼建筑、榕树、霓虹灯招牌等特征 - 社会意义提炼：总结为"传统年俗传承+现代城市公共文化生活"

⚠️ 局限： - 响应时间：27秒（对于3.7MB大图片已属优秀） - 图片大小限制：Base64编码后<10MB（当前3.7MB接近上限的1/3） - 对于过大图片，建议先压缩至1-2MB以提升速度

五、应用场景

5.1 文化遗产保护

  1. 民俗活动记录
  2. 自动识别庙会、节庆活动现场
  3. 提取活动名称、时间、地点

  4. 建立民俗文化影像档案

  5. 传统建筑识别

  6. 识别岭南骑楼、四合院等特色建筑
  7. 记录建筑风格、装饰特征

  8. 辅助文物保护与修复

  9. 非物质文化遗产

  10. 识别传统手工艺品（风车、灯笼等）
  11. 记录制作工艺、使用场景
  12. 生成文化知识图谱

5.2 智慧文旅

  1. 景点智能导览
  2. 游客拍照即可获取景点介绍
  3. 自动识别文化背景、历史故事

  4. 提供个性化游览建议

  5. 客流分析

  6. 识别景区人流密度
  7. 分析游客行为模式

  8. 优化游览路线规划

  9. 活动营销

  10. 识别节庆活动元素
  11. 评估活动效果
  12. 生成宣传素材

5.3 城市治理

  1. 公共安全管理
  2. 识别大型活动人群密度
  3. 预警拥挤风险

  4. 辅助应急疏散

  5. 市容市貌监测

  6. 识别违规摆摊、占道经营
  7. 监测城市装饰布置

  8. 评估城市形象

  9. 文化活动策划

  10. 分析历史活动照片
  11. 提取成功要素
  12. 优化活动方案

六、Qwen3-VL-Plus模型介绍

6.1 模型概述

Qwen3-VL-Plus是阿里云百炼平台的视觉语言大模型，属于通义千问3系列的视觉理解模型。

核心能力： - 👁️ 图像理解：支持JPEG/PNG/WEBP/BMP/TIFF格式 - 🎬 视频分析：支持最长1小时视频理解 - 📊 图表解析：精准识别折线图、柱状图、表格等 - 🔍 OCR识别：高精度文字提取 - 🎯 物体定位：支持3D物体识别与定位 - 🎨 文化理解：深度解读文化内涵、民俗寓意

6.2 技术规格

参数 规格
模型名称 qwen3-vl-plus
图片限制 Base64编码后 < 10MB
图片数量 4-2000张
视频时长 2秒-1小时
支持格式 JPEG, PNG, WEBP, BMP, TIFF, MP4, AVI, MKV
输出长度 最大8192 tokens
响应时间 通常20-60秒（单张图片）

6.3 定价参考

💰 费用说明（2026年6月价格）

详细定价：阿里云百炼平台

七、相关链接

📖 官方文档： - Qwen3-VL视觉理解API - 百炼平台模型列表 - API Key获取

📂 项目文件： - 分析程序：/extern/attachments/topic/智能预报/scripts/qwen_vl_analysis.py - 测试图片：/extern/attachments/topic/智能预报/img/D20150216_162514.JPG

🔗 相关笔记： - Qwen3-VL图片分析实践 - Qwen3-VL识别海洋养殖设施

📝 创建时间：2026-06-01
🤖 使用模型：Qwen3-VL-Plus（阿里云百炼平台）
💰 识别成本：约¥0.12/次
⚡ 平均耗时：约27秒/次
🏮 应用场景：文化遗产保护、智慧文旅、城市治理

相关笔记