🚀 mica-ai ​

让 Java 工程师也能玩转主流 AI 模型 —— 零 Python · 零 PyTorch · 纯 ONNX Runtime

JavaSpring BootONNX RuntimeLicense

mica-ai 给 Java 生态造的「AI 积木」：把主流 ONNX 模型封装成 @Autowired 就能用的 Bean，从此告别在 Java 里调 Python 微服务。

一行依赖，人脸检测 + 128d Embedding + 活体 + 头像 / 证件卡片提取 + 文件类型识别 + 中国车牌识别 + 文档版面分析开箱即用。

🎯 能力一览 ​

能力模块核心模型输出商用
🎭 人脸检测mica-ai-faceYuNet人脸框 + 5 关键点✅
🧬 人脸特征mica-ai-faceSFace128d L2 归一化向量✅
🛡️ 活体检测mica-ai-faceMiniFASNetV2real / replay / print✅
🖼️ 头像 / 证件卡片提取mica-ai-face几何变换 + USM/CLAHE正方形头像 / 矫正卡面✅
📄 文件类型识别mica-ai-filetypeGoogle Magika standard_v3_3214 类 + mime / group✅
🚗 中国车牌识别mica-ai-plateHyperLPR3 v20230229车牌号 + 10 类判型 + 颜色✅
📐 文档版面分析mica-ai-layoutPP-DocLayoutV325 类版面 + V3 阅读顺序✅

📦 模块导航 ​

解析完仓库结构后，按「核心引擎 / Spring Boot 接入 / 示例」三层组织：

core —— 核心引擎（零 Spring，纯 Java） ​

模块说明
mica-ai-core聚合模块，本文档分组的入口
mica-ai-common公共基础设施：ONNX 会话工厂、统一异常
mica-ai-face人脸检测 / 对齐 / 128d 特征 / 活体 / 头像 / 证件卡片
mica-ai-filetypeGoogle Magika 文件类型识别，214 类
mica-ai-plateHyperLPR3 中国车牌识别
mica-ai-layoutPP-DocLayoutV3 文档版面分析

starters —— Spring Boot 自动装配 ​

Starter配置前缀
mica-ai-starters聚合模块，统一设计说明
face-spring-boot-startermica.ai.face
filetype-spring-boot-startermica.ai.filetype
plate-spring-boot-startermica.ai.plate
layout-spring-boot-startermica.ai.layout

其他 ​

  • mica-ai-example — 可运行的 Spring Boot 集成示例与自动装配测试

🚀 快速开始 ​

1️⃣ 添加依赖 ​

xml
<!-- ① 直接用核心引擎（零 Spring） -->
<dependency>
    <groupId>net.dreamlu</groupId>
    <artifactId>mica-ai-face</artifactId>
    <version>${mica-ai.version}</version>
</dependency>

<!-- ② 或使用 Spring Boot Starter（自动注入 Bean） -->
<dependency>
    <groupId>net.dreamlu</groupId>
    <artifactId>mica-ai-face-spring-boot-starter</artifactId>
    <version>${mica-ai.version}</version>
</dependency>

2️⃣ 30 秒跑通一个人脸识别（纯 Java） ​

java
ModelConfig config = ModelConfig.builder()
    .detectionModelPath(Path.of("models/face_detection_yunet_2023mar.onnx"))
    .recognitionModelPath(Path.of("models/face_recognition_sface_2021dec.onnx"))
    .build();

try (ModelManager manager = ModelManager.create(config)) {
    FaceDetector detector = new FaceDetector(manager);
    FaceAligner aligner   = new FaceAligner();
    FeatureExtractor extractor = new FeatureExtractor(manager);

    BufferedImage img = ImageIO.read(new File("group.jpg"));
    List<FaceBox> boxes = detector.detect(img);
    for (FaceBox box : boxes) {
        try (Mat aligned = aligner.align(img, box)) {
            float[] feature = extractor.extract(aligned);   // 128d L2 归一化
            // 入库 / 检索交给你自己的向量库（Milvus / pgvector）
        }
    }
}

3️⃣ 一行配置开启 Spring Boot Starter ​

yaml
mica:
  ai:
    face:
      enabled: true
      model:                              # ⚠️ 模型路径统一挂在 model 下
        detection:
          path: classpath:models/face_detection_yunet_2023mar.onnx
        recognition:
          path: classpath:models/face_recognition_sface_2021dec.onnx
java
@Service
@RequiredArgsConstructor
public class FaceEnrollService {
    private final FaceDetector detector;            // ← 直接注入
    private final FaceAligner aligner;
    private final FeatureExtractor extractor;       // 128d
    private final FaceVerifier verifier;            // 1:1 比对
}

完整配置项、各能力 API 与调参见对应子模块文档。

🛠️ 环境要求 ​

组件版本说明
☕ JDK8+推荐 Temurin / Azul Zulu 8、11、17
📦 Maven3.6+构建 / 打包
🧠 ONNX Runtime1.18.0Maven 自动拉取，CPU/GPU 可选
🖼️ OpenCV4.9.0（openpnp）Maven 自动拉取对应系统 / 架构的原生库

GPU 加速：把 onnxruntime 替换为 onnxruntime_gpu，并配置 device 为 gpu（需 CUDA Toolkit + 驱动）。

🔗 相关项目 ​

📄 License ​

Apache License 2.0，可放心用于商业项目；当前所有依赖模型均确认可商用（详见各模块 README 的 License 章节）。