企业官网建设流程全解析

简介：面向计算机视觉与网络安全自动化开发者，资源将YOLOv11目标检测与Siamese孪生网络结合，实现验证码自动识别与绕过，并通过API查询域名ICP备案状态，适用于自动化测试、图像监控与网站管理。压缩包共22个文件、约69.46MB，含python脚本、onnx模型、配置与说明文档，其中yolov11.onnx和siamese.onnx为预训练模型。已有74人学习下载，适合具备Python基础、希望快速上手验证码识别或图像相似度比对项目的学习者。资源提供PyCharm工程ICP_FLASK_YOLOY11，包括YZM.py识别脚本、GetIcp.py备案查询、API.py接口封装，附README及资料文档，便于对照源码理解具体实现。

1. 基于 YOLOv11 与 Siamese 双模型的验证码识别系统：把目标检测和相似度比对组合成一个可落地的 API 服务

很多做自动化测试或数据采集的工程师，都被验证码卡在登录这一步。硬编码规则只能解固定样式的验证码，而通用 OCR 对扭曲、粘连、带干扰线的图片效果很不稳定。这个项目的思路很直接：用 YOLOv11 先把验证码图片里的每个字符区域检测出来，再用 Siamese 孪生神经网络把检测到的字符图和模板字符图做相似度比对，最后按坐标拼接出识别结果。相比传统模板匹配，这套方案对字符位置变化、旋转和轻微形变更鲁棒，而且两个模型都已转成 ONNX，不依赖 GPU 也能跑。项目里还附带了一个基于 API 的域名 ICP 备案状态查询模块，适合在自动化流程里同时处理图像识别和域名合规检查。适合有 Python 基础、想上手 ONNX 部署和双模型串联的视觉开发者。

2. 环境与模型准备：把 yolov11.onnx 和 siamese.onnx 跑起来的第一个关键点

2.1 项目文件里哪些是核心：分清主力和赠品

拿到压缩包后我习惯先列一下目录，因为这类项目经常混着 IDE 配置文件和模型文件。核心文件是yolov11.onnx、siamese.onnx、YZM.py、GetIcp.py、API.py。yolov11.onnx是 YOLOv11 目标检测模型，负责从验证码图片中回归出每个字符的边界框和置信度；siamese.onnx是 Siamese 孪生网络模型，负责计算两张字符图像的相似度分数。YZM.py是识别验证码的主脚本，GetIcp.py封装了域名 ICP 备案查询 API，API.py是 Flask 服务入口，把识别和备案查询暴露成 HTTP 接口。

剩下的一堆文件可以按优先级处理：requirements.txt是依赖清单，必须先看；img/下的big.jpg和small.jpg是测试样例，用来快速验证模型是否加载成功；log.txt是运行日志，排查问题时有参考价值；.idea/和.iml是 PyCharm 的项目配置，换机器后可以直接删掉，不影响运行；附赠资源.docx是补充资料，主要看有没有说明模型训练细节，但和主流程不耦合。

2.2 依赖安装：onnxruntime 是核心，Flask 是服务层

这个项目的好处是模型都转成了 ONNX，不需要安装 PyTorch，依赖量很小。ONNX Runtime 是微软的推理引擎，适合 CPU 部署，不用纠结 CUDA 和 cuDNN 版本。核心依赖如下：

onnxruntime==1.17.1 Flask==3.0.0 requests==2.31.0 opencv-python==4.9.0.80 numpy==1.24.3

参数说明：onnxruntime负责加载和运行两个 ONNX 模型；opencv-python用于图像读取、缩放、颜色空间转换和字符小图裁剪；requests是GetIcp.py发起 HTTP 请求用的；Flask是API.py的服务框架。numpy 建议锁在 1.x，别直接升到 2.x，因为部分旧版 ONNX 算子在 numpy 2.x 下会报类型错误，这种坑在部署现场很常见。

装完之后先别急着跑识别，先验证 ONNX 模型能不能被正确解析：

import onnxruntime as ort yolo_session = ort.InferenceSession("yolov11.onnx", providers=["CPUExecutionProvider"]) siamese_session = ort.InferenceSession("siamese.onnx", providers=["CPUExecutionProvider"]) for name, session in [("yolov11", yolo_session), ("siamese", siamese_session)]: print(f"[{name}] inputs:", [(i.name, i.shape) for i in session.get_inputs()]) print(f"[{name}] outputs:", [(o.name, o.shape) for o in session.get_outputs()])

这段代码做了两件事：一是确认两个权重文件没有损坏，能正常被 ONNX Runtime 加载；二是打印输入输出节点的名称和形状。YOLOv11 模型的输入通常是images，形状可能是[1, 3, 640, 640]或动态维度；输出节点一般是output0，形状可能是[1, 84, 8400]，其中的 84 可以解成 4 个坐标加 80 个类别概率。Siamese 模型的输入往往是两路input_a和input_b，输出是一个 sigmoid 后的相似度分数。打印这几行信息，后面写预处理和后处理时能少走很多弯路。

2.3 先跑通单张图片推理：YZM.py 的关键逻辑

YZM.py的流程可以分成三段：图像预处理、YOLOv11 检测、Siamese 比对。下面这是去掉业务包装后的推理骨架：

import cv2 import numpy as np import onnxruntime as ort yolo_session = ort.InferenceSession("yolov11.onnx", providers=["CPUExecutionProvider"]) siamese_session = ort.InferenceSession("siamese.onnx", providers=["CPUExecutionProvider"]) def preprocess(img): resized = cv2.resize(img, (640, 640)) blob = resized[:, :, ::-1].transpose(2, 0, 1) blob = np.ascontiguousarray(blob, dtype=np.float32) blob = blob / 255.0 return blob[None, :, :, :] img = cv2.imread("img/big.jpg") blob = preprocess(img) outputs = yolo_session.run(None, {"images": blob})

这里的preprocess做了四件事：把图片缩放到 640×640；将 OpenCV 默认的 BGR 颜色空间转成 RGB；把 HWC 维度顺序转成 CHW；把像素值从 0-255 归一化到 0-1。如果你手上的模型在导出时没有做归一化，或者输入尺寸不是 640，那这段代码必须按实际模型修改。很多推理结果全是乱框的原因，就是预处理和训练时不一致。

跑通这一步之后，接着要处理 YOLOv11 的输出。ONNX 模型输出的是一个扁平的张量，需要解码成边界框。下面这段后处理是验证码场景下常用的：

def postprocess(output, conf_threshold=0.5): output = output[0] # shape: [84, 8400] candidates = [] for pred in output.T: scores = pred[4:] class_id = int(scores.argmax()) confidence = float(scores[class_id]) if confidence < conf_threshold: continue cx, cy, w, h = pred[:4] x1 = cx - w / 2 y1 = cy - h / 2 x2 = cx + w / 2 y2 = cy + h / 2 candidates.append([x1, y1, x2, y2, confidence, class_id]) return candidates

参数说明：conf_threshold是置信度阈值，验证码字符如果比较清晰，设 0.5 够用；如果字符有粘连或干扰线，可以降到 0.35，但要接受更多误检。output.T是因为 YOLO 的 ONNX 输出格式通常把 8400 个候选框放在最后维度，转置后好遍历。这里没有做 NMS，只是先筛掉低置信度框。实际使用时，同一字符可能被多个框覆盖，还需要用 NMS 合并，否则后续 Siamese 会对同一个字符比对多次。

3. YOLOv11 负责定位、Siamese 负责认字：双模型流水线的工作原理

3.1 YOLOv11 把目标检测当回归问题：一次前向直接出坐标和类别

YOLO 系列的核心思想是“You Only Look Once”，把目标检测建模成一个回归问题。输入图像被划分成若干个网格，每个网格负责预测中心点落在自己区域内的目标。YOLOv11 作为该系列的新版本，网络结构上继续强化了跨阶段特征融合，对小目标、密集目标的检测性能比前几代更强。验证码里的字符往往比较小、排列密集，甚至会互相靠近，这正是 YOLOv11 相对传统模板匹配的优势所在。

传统 OCR 或模板匹配要先做字符分割，遇到粘连字符就崩。YOLOv11 直接把字符框回归出来，不需要先分割再识别。它的 Backbone 负责提取图像特征，Neck 做多尺度特征融合，Head 输出框坐标、置信度和类别概率。整个过程一次前向就完成，效率很高。在验证码场景里，YOLOv11 不是用来做最终字符分类的，而是只做粗定位，具体这个框里是什么字符，交给 Siamese 网络来判断。这个分工很关键：YOLO 负责“在哪”，Siamese 负责“是谁”。

3.2 Siamese 孪生网络：共享权重的双胞胎特征提取器

Siamese 网络的结构是两个完全相同的子网络，它们共享权重。输入两幅图像，分别经过同样的卷积和全连接层，得到两个特征向量，再计算两个向量之间的距离或余弦相似度。训练时用的损失函数一般是对比损失或三元组损失，让同类别样本的特征靠近，不同类别样本的特征远离。它本身不是分类模型，而是度量模型，回答的是“这两张图有多像”。

在这个项目里，Siamese 的用法很巧妙。先准备一组参考字符模板，比如字母和数字各若干张。然后 YOLOv11 从验证码中定位出每个字符小图，把这个小图和模板库里的每一张图都配对送入 Siamese，得分最高的模板字符就是识别结果。这种做法的扩展性比软分类好，因为新增字符类型不需要重新训练分类器，只要往模板库里加图片。它也有一个明显的缺点：模板库越大，比对次数越多。如果验证码里有 4 个字符、模板库有 80 张参考图，就要做 320 次 Siamese 推理。好在单张字符图很小，CPU 上也能接受。

3.3 将检测和比对连起来：从图片到识别文本的完整链路

完整链路是：原图进入 YOLOv11，输出候选框；每个候选框裁出字符小图；对字符小图做尺寸归一化和清理；再与模板库逐张比对；最后按 x 坐标从左到右排序，拼接出字符串。下面这段代码是流水线的核心实现：

def recognize_captcha(img, templates): blob = preprocess(img) output = yolo_session.run(None, {"images": blob})[0] boxes = postprocess(output, conf_threshold=0.5) chars = [] for box in sorted(boxes, key=lambda b: b[0]): x1, y1, x2, y2 = map(int, box[:4]) # 稍微内缩裁边，去掉字符边缘干扰 char_img = img[y1 + 2:y2 - 2, x1 + 2:x2 - 2] char_img = cv2.resize(char_img, (64, 64)) best_label, best_score = None, -1.0 for label, tmpl in templates.items(): score = compare_similarity(char_img, tmpl) if score > best_score: best_score = score best_label = label chars.append((best_label, best_score)) return chars def compare_similarity(char_img, tmpl_img): a = char_img.astype(np.float32) / 255.0 b = tmpl_img.astype(np.float32) / 255.0 a = a[None, :, :, :] b = b[None, :, :, :] sim = siamese_session.run(None, {"input_a": a, "input_b": b})[0] return float(sim[0][0])

参数说明：yolo_session.run的第二个参数{"images": blob}中的images必须与第 2.2 节打印出来的输入节点名一致，否则会报错。compare_similarity里把输入名称写成了input_a和input_b，实际要以你手上的模型为准。Siamese 输出的是 0 到 1 之间的相似度，通常要设一个阈值，比如 0.7 以下不认可，避免随便拿一个低分结果凑数。下面是一个简单的 NMS 实现，建议在postprocess之后加一步：

def nms(boxes, iou_threshold=0.4): boxes = sorted(boxes, key=lambda b: b[4], reverse=True) result = [] while boxes: best = boxes.pop(0) result.append(best) boxes = [b for b in boxes if iou(best, b) < iou_threshold] return result

iou函数计算两个框的交并比，和检测框重叠度超过阈值的框都会被过滤掉。这里没有用类别过滤，因为验证码里每个字符框的类别其实不重要，甚至可以把类别维度去掉，只保留框和置信度。这个细节和通用目标检测不同，是验证码场景下的一个常见简化。

4. 避坑指南：验证码识别项目最容易翻车的五个问题

4.1 现象：加载 ONNX 模型报错，或者推理输出全为零

原因：最常见的是 onnxruntime 版本不匹配，其次是模型导出时用了 Pytorch 2.0 的新算子，在 CPU 执行 provider 上不支持。还有一种情况是输入数据的归一化方式不对。YOLO 模型如果训练时用的是 0-255 输入，你推理时除以 255，输出置信度就会趋近 0，一个框都检不到。

解决：先打印session.get_inputs()的信息，确认输入节点名和形状。然后在preprocess后面加一句打印，看输入张量的均值和标准差是否符合预期。如果模型要求 0-255，就把blob = blob / 255.0去掉。如果 onnxruntime 报不支持的算子，最简单的方式是升级 onnxruntime 到最新版，或者回到导出方要 Pytorch 的原始权重，重新导出 ONNX。

4.2 现象：检测框错位，字符框与真实字符位置对不上

原因：YOLOv11 的输入尺寸和原图尺寸不成比例，坐标缩放时没有考虑 letterbox 填充。很多项目直接把图resize到 640×640，检测完直接按比例放大，忽略了长宽比变化导致的拉伸，框自然对不上。

解决：用 letterbox 方案替代直接拉伸。先将原图按比例缩放到 640，短边用灰色填充，推理完成后把框坐标还原到原图时，去掉填充偏移。关键代码：

def letterbox_resize(img, target_size=640): h, w = img.shape[:2] scale = min(target_size / w, target_size / h) new_w, new_h = int(w * scale), int(h * scale) resized = cv2.resize(img, (new_w, new_h)) canvas = np.full((target_size, target_size, 3), 114, dtype=np.uint8) pad_x = (target_size - new_w) // 2 pad_y = (target_size - new_h) // 2 canvas[pad_y:pad_y + new_h, pad_x:pad_x + new_w] = resized return canvas, scale, pad_x, pad_y

参数说明：114是 YOLO 系列在 letterbox 填充时常用的灰色像素值。坐标还原时，先减去pad_x、pad_y，再除以scale就能回到原图坐标系。如果项目原图本身就已经是固定尺寸的正方形，不做 letterbox 问题不大，但只要图片宽高比不是 1:1，就必须用 letterbox，否则字符会变形，影响后续 Siamese 比对。

4.3 现象：相似字符经常认错，比如0/O、1/I、b/6

原因：Siamese 网络靠视觉特征判断相似度，这类字符在像素层面差异很小。如果模板库字体和验证码字体不一致，或者模板图预处理方式和验证码字符图不一致，相似度分数会整体偏移。

解决：每个字符多准备几套模板，覆盖常见字体风格。比对时不是简单取最高分，而是取所有模板里的最高分，同时加入最低可接受阈值。预处理上，在进入 Siamese 前可以先做灰度化、二值化，把背景干扰线削掉。这个项目里的img/big.jpg和small.jpg可以用来测一测 Siamese 的灵敏程度，如果对这两张图的相似度判断不准，模板库和预处理都要重新调。

4.4 现象：Flask 接口每次请求都重新加载模型，内存和耗时都炸

原因：把InferenceSession(...)写进路由函数内部，每次请求都从磁盘重新读模型。ONNX 模型加载在 CPU 上耗时几百毫秒，并发一上来，服务直接卡死。

解决：把模型加载放到模块顶层，或者用一个类来管理，保证全局只有一个 Session 实例。ONNX Runtime 的 Session 是线程安全的，Flask 默认的多线程模式下可以共用。推荐方式：

class CaptchaRecognizer: def __init__(self): self.yolo = ort.InferenceSession("yolov11.onnx", providers=["CPUExecutionProvider"]) self.siamese = ort.InferenceSession("siamese.onnx", providers=["CPUExecutionProvider"]) recognizer = CaptchaRecognizer()

参数说明：providers=["CPUExecutionProvider"]明确指定只用 CPU，避免在某些机器上自动选择 CUDA 版本时报缺少 dll。如果服务器有 GPU，可以改成["CUDAExecutionProvider", "CPUExecutionProvider"]，但要注意 onnxruntime-gpu 版本和 CUDA 版本要匹配，否则反而更慢。

4.5 现象：识别出的字符顺序错乱，或者把干扰线当成字符

原因：YOLO 检测的是水平矩形框，字符带旋转或倾斜时，裁剪出来的区域混入背景。验证码里的干扰线如果和目标连通域连在一起，也会被框进来。排序时如果直接按检测结果原始顺序取字符，不等按 x 坐标重排，输出文本就是乱的。

解决：排序按box[0]即左上角 x 坐标，这是最基础的一步，不能省。对于干扰线问题，在裁剪字符小图时做内缩，比如img[y1+2:y2-2, x1+2:x2-2]，把边框周围的像素裁掉。如果干扰线比较重，还可以在进入 Siamese 前对字符小图做一次中值滤波，把细线噪声去掉。对于倾斜字符，最稳的方案是拿到四角坐标做透视校正，但 YOLOv11 默认输出的是水平框，这个优化需要自己另接一个旋转框检测或角度回归模型，普通场景下内缩加滤波已经够用。

5. 把识别和 ICP 查询封装成 Flask API：端到端验证与进阶技巧

5.1 封装识别服务，暴露/api/captcha路由

把图像识别包装成 HTTP 接口后，调用方就不需要关心 ONNX、OpenCV 这些细节。接口接收multipart/form-data图片，返回识别文本和每个字符的相似度分数。这样自动化测试脚本可以直接用 requests 调用，不需要在测试环境里装 Python 依赖。

from flask import Flask, request, jsonify import cv2 import numpy as np app = Flask(__name__) @app.post("/api/captcha") def captcha_api(): file = request.files.get("image") if file is None: return jsonify({"error": "no image"}), 400 img_bytes = file.read() img = cv2.imdecode(np.frombuffer(img_bytes, np.uint8), cv2.IMREAD_COLOR) if img is None: return jsonify({"error": "decode failed"}), 400 result = recognize_captcha(img, templates) text = "".join([label for label, _ in result]) return jsonify({"text": text, "detail": result})

这段代码里，request.files.get("image")的字段名要和调用方约定好，传错了会拿不到文件。imdecode返回None的情况要处理，否则下一行访问img会抛异常。返回的detail里每一项是(字符, 置信度)元组，前端可以用来做二次校验。

5.2 ICP 备案查询接口：独立路由但共享统一服务

GetIcp.py的职责是调用公开的 API 查询域名 ICP 备案状态，和验证码识别没有耦合。把它放进同一个 Flask 服务，是因为自动化场景里经常先识别验证码拿到登录态，再查询一批域名的备案状态。接口不需要额外模型，只做参数校验和结果解析。

@app.get("/api/icp") def icp_api(): domain = request.args.get("domain") if not domain: return jsonify({"error": "domain required"}), 400 data = query_icp(domain) return jsonify(data)

参数说明：query_icp是GetIcp.py里封装好的函数，内部用 requests 请求备案查询接口，解析出备案号、主办单位、审核时间等字段。这个接口如果被高频调用，应该加一层简单缓存，我用字典把域名映射到查询结果和过期时间，TTL 设成 1 小时，避免重复请求公开接口导致被限流。

5.3 端到端验证：先单图再并发，最后看 CPU 曲线

服务启动后，先用 curl 验证两个接口：

curl -X POST -F "image=@img/big.jpg" http://127.0.0.1:5000/api/captcha curl "http://127.0.0.1:5000/api/icp?domain=example.com"

如果/api/captcha返回空文本，优先怀疑置信度阈值太高，或者模板库里没有对应的字符类型。如果/api/icp返回超时，检查GetIcp.py里 requests 的超时参数和域名格式。接着再用并发压测看服务稳定性。我一般用ab -n 100 -c 10跑一轮，观察 CPU 占用和内存变化。ONNX Runtime 在 CPU 模式下会默认用满多核，如果服务里还有其他计算任务，可以通过intra_op_num_threads限制推理线程数，给其他业务留出资源。

从那以后，我每次部署这种双模型服务都强制走一遍完整链路：先命令行单图验证模型，再 curl 验证路由，最后压测观察资源占用。这套流程能挡住绝大多数部署翻车现场。验证码识别本质上是模型组合问题，YOLOv11 解决“在哪”，Siamese 解决“是谁”，拆开来调试每个环节，合起来才能稳定，希望帮到你。

本文还有配套的精品资源，点击获取