AI智慧水务检漏系统

基于 Vue3 + Element Plus 构建的水务管网漏水音频识别后台管理系统，用于管理和分析上传的音频文件，及时发现漏水点，解放人类手动检测的耗时和误差。系统使用深度学习模型对音频进行分类和风险评估。

本项目参加由开放原子开源基金会主办的第三届RISC-V基础软件与应用创新大赛，对于本参赛作品，您可在以下链接中查看相关参赛递交文件：

1. 技术报告：report.pdf
2. 1. 源代码：openatom.tech仓库
   2. 模型：训练脚本、初始训练模型、最终使用模型
   3. 运行docker环境：AMD64-Dockerfile，RISC-V-Dockerfile，AMD64发布镜像（GHCR），RISC-V发布镜像（GHCR）
   4. README说明：本文件
3. 作品评审PPT：report.pptx
4. 视频演示：report.mp4，由于编码原因，在线预览可能异常，请下载观看。
5. 演示程序：可访问演示站点进行体验，【lvshujun/qwerty123】

项目截图

项目概述

这是一个前后端分离的管理系统，采用现代化技术栈：

• 前端：Vue3 + Element Plus + Vite 构建响应式用户界面
• 后端：Node.js + Express 提供 RESTful API 服务
• AI 模型：Python + PyTorch 进行音频分类识别

主要功能

• ✅ 用户认证和权限管理
• ✅ 音频文件上传和管理
• ✅ 基于 AI 模型的音频风险评估
• ✅ 数据可视化展示（仪表板、趋势分析）
• ✅ 系统初始化和管理员设置
• ✅ 音频记录查询和历史分析

技术架构

前端技术栈

技术	说明
Vue 3	渐进式 JavaScript 框架
Element Plus	基于 Vue 3 的组件库
Vue Router	路由管理
Axios	HTTP 客户端
ECharts	数据可视化库
Vite	构建工具

后端技术栈

技术	说明
Node.js	JavaScript 运行时环境
Express	Web 应用框架
SQLite	轻量级数据库
BCrypt	密码加密库
JWT	JSON Web Token 认证
Multer	文件上传中间件
Python Shell	Python 脚本执行

AI 模型依赖

库	说明
PyTorch	深度学习框架
macls	音频分类库
torchaudio	音频处理库
numpy / scipy	科学计算库

环境要求

基础环境

• Node.js >= 18.x (推荐使用 LTS 版本)
• Python >= 3.8
• npm >= 9.x
• Docker >= 18.09 (可选，用于容器化部署)
• Git >= 2.0

Python 环境配置

项目支持两种 PyTorch 安装方式：

# 方式1：标准安装 (无 CUDA 支持)
pip install torch torchvision torchaudio

# 方式2：从源码安装最新功能
git clone https://github.com/yeyupiaoling/AudioClassification-Pytorch.git
cd AudioClassification-Pytorch/
pip install .

快速开始

方式1：一键脚本安装 (推荐)

AMD64 架构

curl -sSL https://raw.githubusercontent.com/Lvshujun0918/AI_Water/refs/heads/main/install.sh | bash

RISC-V 架构

curl -sSL https://raw.githubusercontent.com/Lvshujun0918/AI_Water/refs/heads/main/install-riscv.sh | bash

启动完成后，使用浏览器访问：http://localhost:8080

方式2：编译安装

1. 克隆项目

git clone https://github.com/Lvshujun0918/AI_Water
cd AI_Water

2. 安装依赖

# 安装项目根目录依赖
npm install

# 安装前端依赖
cd frontend && npm install && cd ..

# 安装后端依赖
cd backend && npm install && cd ..

3. 启动项目

# 开发环境一键启动 (同时启动前后端)
npm run dev

# 或分别启动

# 启动后端服务 (http://localhost:3000)
npm run dev:backend

# 启动前端服务 (http://localhost:8080)
npm run dev:frontend

4. 生产环境构建

# 构建前端
npm run build

# 生产环境会自动使用优化后的输出

Docker 部署

快速开始

使用 Docker Compose (推荐)

# 构建并启动所有服务
docker-compose up --build

# 后台运行
docker-compose up --build -d

# 停止服务
docker-compose down

使用纯 Docker

# 构建镜像
docker build -t ai-water-system .

# 运行开发环境容器
docker run -p 3000:3000 -p 8080:8080 \
  -v $(pwd)/backend/uploads:/app/backend/uploads \
  -v $(pwd)/backend/users.db:/app/backend/users.db \
  ai-water-system

# 运行生产环境容器
docker build -f Dockerfile.prod -t ai-water-system:prod .
docker run -p 3000:3000 \
  -v $(pwd)/backend/uploads:/app/backend/uploads \
  -v $(pwd)/backend/users.db:/app/backend/users.db \
  ai-water-system:prod

Docker 环境变量

# 设置 Node 环境 (开发或生产)
NODE_ENV=production

端口说明

端口	服务	用途
3000	后端 API	REST API 接口服务
8080	前端	Web 用户界面 (开发环境)
80	Nginx	生产环境反向代理

数据持久化

项目通过 Docker 卷实现数据持久化：

backend/uploads    → 用户上传的音频文件存储
backend/users.db   → SQLite 数据库 (用户、记录等)

RISC-V 构建与 PyTorch Wheel 编译

Docker 镜像构建脚本 (build-and-push.sh)

本项目提供 RISC-V 64位专用 的自动化 Docker 构建脚本，可将镜像推送到 GitHub Container Registry (GHCR)。

前置要求

1. Docker >= 18.09 - apt install docker.io
2. Node.js >= 18 - 用于前端构建
3. GitHub Token - 用于推送到 GHCR

创建 GitHub Token

1. 访问 https://github.com/settings/tokens
2. 点击 "Generate new token (classic)"
3. 勾选权限：write:packages、read:packages、delete:packages
4. 复制 Token：export GITHUB_TOKEN=ghp_xxxxxxxxxxxx

快速开始

chmod +x build-and-push.sh

# 构建并推送到 GHCR
export GITHUB_TOKEN=ghp_xxxxxxxxxxxx
./build-and-push.sh --push -t latest -v 0.1.0

# 仅构建镜像
./build-and-push.sh --build-only

# 跳过前端构建
./build-and-push.sh --push --no-frontend-build

脚本参数

参数	说明	默认值
-t, --tag	镜像标签	latest
-v, --version	版本号	0.1.0
-u, --user	GitHub 用户名	lvshujun0918
-d, --dockerfile	Dockerfile 路径	Dockerfile.prod.riscv
--no-frontend-build	跳过前端构建	-
-p, --push	构建后推送	不推送
--build-only / --push-only	仅构建或推送	-

构建流程

1. 前端编译 - npm ci → npm run build
2. Docker 构建 - 使用 Dockerfile.prod.riscv，注入 BUILD_TIME/VERSION/GIT_COMMIT
3. 镜像推送 - 推送到 ghcr.io，生成标签：latest + riscv64-{commit}

使用示例

# 完整构建并推送
export GITHUB_TOKEN=ghp_xxxxxxxxxxxx
./build-and-push.sh --tag v1.0.0 --version 1.0.0 --push

# 拉取并运行
docker pull ghcr.io/lvshujun0918/ai_water-riscv:latest
docker run -d -p 80:80 ghcr.io/lvshujun0918/ai_water-riscv:latest

---

PyTorch/Vision/Audio Wheel 编译 (build-wheels-riscv.sh)

本项目支持在 RISC-V 设备 和 非 RISC-V 主机（x86_64）上通过 QEMU 模拟构建 PyTorch、Vision、Audio wheels。

环境要求

• Docker >= 20.10 (支持 --platform 标志)
• bash >= 4.0
• 磁盘空间：10-30GB (build 可能较大)

快速开始

在 RISC-V 设备上原生编译：

chmod +x build-wheels-riscv.sh
./build-wheels-riscv.sh
# 输出到 ./whl/output

在 x86_64 上交叉编译 RISC-V wheels（QEMU 模拟）：

PLATFORM=riscv64 OUTPUT_DIR=/tmp/riscv-wheels ./build-wheels-riscv.sh

自动检测平台：

PLATFORM=auto ./build-wheels-riscv.sh

环境变量

变量	说明	默认值
PLATFORM	目标平台：riscv64、amd64 或 auto	riscv64
OUTPUT_DIR	wheels 输出目录	./whl/output
DOCKERFILE	Dockerfile 路径	Dockerfile.whl

构建时间估计

场景	时间	备注
RISC-V 原生编译	2-6 小时	取决于硬件
x86_64 QEMU 模拟	4-12 小时	QEMU 增加 2-3x 开销
增量构建	15-30 分钟	Docker 缓存加速

构建产物

编译完成后的 wheels 目录结构：

whl/output/
├── torch-2.x.x-cp312-...-linux_riscv64.whl
├── torchaudio-2.x.x-cp312-...-linux_riscv64.whl
├── torchvision-0.x.x-cp312-...-linux_riscv64.whl
└── *.whl  (其他依赖)

故障排查

问题：exec format error (QEMU 兼容性)

# 自动修复
PLATFORM=riscv64 ./build-wheels-riscv.sh

# 或手动设置 QEMU binfmt
docker run --rm --privileged tonistiigi/binfmt:latest --install riscv64

# 诊断脚本
chmod +x test-qemu-riscv.sh
./test-qemu-riscv.sh

问题：磁盘空间不足

docker system prune -a
OUTPUT_DIR=/mnt/large-disk/wheels ./build-wheels-riscv.sh

问题：权限错误

mkdir -p "${OUTPUT_DIR}"
chmod 777 "${OUTPUT_DIR}"
./build-wheels-riscv.sh

CI/CD 集成

GitHub Actions 示例：

name: Build RISC-V Wheels
on: [push, workflow_dispatch]

jobs:
  build:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: docker/setup-qemu-action@v2
        with:
          platforms: riscv64
      - run: PLATFORM=riscv64 OUTPUT_DIR=./wheels ./build-wheels-riscv.sh
      - uses: actions/upload-artifact@v3
        with:
          name: riscv64-wheels
          path: ./wheels/*.whl

---

镜像与 Wheel 安全建议

• ⚠️ Token 管理 - 不要硬编码，始终使用环境变量
• 🔄 定期轮换 - 定期创建新 Token，删除旧的
• 🔒 权限最小化 - 只赋予必要的权限范围
• 🚫 泄露应急 - 如发现 Token 泄露，立即删除并重新生成

项目结构

.
├── backend/                          # 后端服务
│   ├── py/                          # Python AI 模型
│   │   ├── config/                  # 模型配置文件
│   │   ├── dataset/                 # 数据集和标签
│   │   ├── model/                   # 预训练模型权重
│   │   └── predict.py               # 推理脚本
│   ├── uploads/                     # 上传文件目录
│   ├── utils/                       # 工具函数 (JWT等)
│   ├── server.js                    # Express 主服务
│   ├── package.json
│   └── users.db                     # SQLite 数据库
│
├── frontend/                         # 前端应用
│   ├── src/
│   │   ├── components/              # Vue 组件
│   │   ├── views/                   # 页面组件
│   │   │   ├── Login.vue            # 登录页
│   │   │   ├── Dashboard.vue        # 仪表板
│   │   │   ├── Upload.vue           # 上传页
│   │   │   ├── Records.vue          # 记录页
│   │   │   ├── UserManagement.vue   # 用户管理
│   │   │   ├── Profile.vue          # 个人资料
│   │   │   └── Home.vue             # 首页
│   │   ├── router/                  # 路由配置
│   │   ├── config/                  # API 配置
│   │   ├── styles/                  # 全局样式 (glassmorphism)
│   │   ├── App.vue
│   │   └── main.js
│   ├── dist/                        # 构建输出 (生产环境)
│   ├── index.html
│   ├── package.json
│   └── vite.config.js
│
├── docs/                            # 文档
├── whl/                             # Python 轮包
│   └── AudioClassification-Pytorch/ # 音频分类库源码
│
├── Dockerfile                       # 开发环境镜像
├── Dockerfile.prod                  # 生产环境镜像 (AMD64)
├── Dockerfile.prod.riscv            # 生产环境镜像 (RISC-V)
├── docker-compose.yml               # Docker Compose 配置
├── nginx.conf                       # Nginx 配置
├── build-and-push.sh                # RISC-V 构建脚本
├── install.sh                       # AMD64 一键安装脚本
├── install-riscv.sh                 # RISC-V 一键安装脚本
├── package.json                     # 根目录脚本配置
└── README.md                        # 本文件

API 接口

认证接口

端点	方法	说明
/api/init-status	GET	检查系统初始化状态
/api/init-admin	POST	初始化管理员账户
/api/login	POST	用户登录
/api/profile	GET	获取用户信息
/api/logout	POST	用户登出

音频接口

端点	方法	说明
/api/upload-audio	POST	上传音频文件
/api/audio-files	GET	获取音频文件列表
/api/audio/{id}	GET	获取单个音频详情
/api/audio/{id}/delete	DELETE	删除音频文件

用户管理接口

端点	方法	说明
/api/users	GET	获取用户列表
/api/users	POST	创建新用户
/api/users/{id}	PUT	更新用户信息
/api/users/{id}	DELETE	删除用户

更多接口详情请查看 backend/server.js。

使用说明

首次使用

1. 访问初始化页面

   • 在浏览器打开 http://localhost:8080
   • 进入系统初始化页面

2. 创建管理员账户

   • 填写用户名、邮箱、密码
   • 确认初始化

3. 登录系统

   • 使用刚创建的管理员账户登录

4. 上传和分析

   • 在 "上传" 页面选择音频文件
   • 系统自动进行 AI 分析
   • 在 "记录" 页面查看分析结果

系统限制

限制项	值
音频文件大小	50 MB
支持格式	.mp3, .wav, .flac, .ogg
数据库类型	SQLite (开发)，建议生产环境迁移到 PostgreSQL
并发用户数	建议不超过 100

常见问题

Q: 如何修改系统配置？

A: 后端配置在 backend/server.js，前端配置在 frontend/src/config/api.js。

Q: Python 模型加载失败怎么办？

A:

1. 检查 Python 环境：python --version
2. 检查依赖：pip list | grep torch
3. 查看模型文件是否存在：backend/py/model/model.pth

Q: 如何在 RISC-V 设备上部署？

A: 使用提供的 RISC-V 构建脚本：

chmod +x build-and-push.sh
./build-and-push.sh --push

Q: 生产环境推荐配置？

A:

• 使用 Nginx 作为反向代理
• 使用 PostgreSQL 代替 SQLite
• 启用 HTTPS (Let's Encrypt)
• 配置 CDN 加速静态资源
• 使用 Docker 和 Kubernetes 部署

许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

第三方依赖许可证

前端依赖

包	许可证	链接
vue	MIT	https://github.com/vuejs/core
element-plus	MIT	https://github.com/element-plus/element-plus
vue-router	MIT	https://github.com/vuejs/router
axios	MIT	https://github.com/axios/axios
echarts	Apache-2.0	https://github.com/apache/echarts
vue-echarts	MIT	https://github.com/ecomfe/vue-echarts

后端依赖

包	许可证	链接
express	MIT	https://github.com/expressjs/express
sqlite3	BSD-3-Clause	https://github.com/TryGhost/node-sqlite3
bcrypt	MIT	https://github.com/kelektiv/node.bcrypt.js
jsonwebtoken	MIT	https://github.com/auth0/node-jsonwebtoken
multer	MIT	https://github.com/expressjs/multer
python-shell	MIT	https://github.com/extrabacon/python-shell
cors	MIT	https://github.com/expressjs/cors
body-parser	MIT	https://github.com/expressjs/body-parser

Python 依赖

包	许可证	链接
torch (PyTorch)	BSD-3-Clause	https://github.com/pytorch/pytorch
macls	Apache-2.0	https://github.com/yeyupiaoling/AudioClassification-Pytorch

相关资源

• Vue 3 文档
• Element Plus 文档
• Express 文档
• PyTorch 文档
• GitHub Container Registry
• Docker 文档