Skip to content

CSV_LOGGING_GUIDE.md

Latest commit

 

History

History
339 lines (242 loc) · 7.47 KB

CSV_LOGGING_GUIDE.md

File metadata and controls

339 lines (242 loc) · 7.47 KB

CSV 記錄功能使用指南

📋 功能說明

已在 mcpclient.py 中添加 自動 CSV 記錄功能，每次呼叫 detect_stream_frame_simple 工具時，會自動將結果記錄到 CSV 檔案。

📊 CSV 檔案格式

檔案位置

C:\Users\user\MCPproject-YOLOv8\detection_logs.csv

CSV 欄位

欄位名稱 資料類型 說明 範例
timestamp 字串 偵測時間 2025-11-07 14:30:45
success 布林值 是否成功 True / False
detection_count 整數 偵測到的物體數量 2
detections JSON 字串 詳細偵測結果 [{"class":"dog","confidence":0.92,"bbox":[...]}]
total_time 浮點數 總處理時間（秒） 0.123
yolo_inference_time 浮點數 YOLO 推理時間（秒） 0.050

CSV 範例內容

timestamp,success,detection_count,detections,total_time,yolo_inference_time
2025-11-07 14:30:45,True,2,"[{""class"":""dog"",""confidence"":0.92,""bbox"":[100,200,300,400]},{""class"":""dog"",""confidence"":0.88,""bbox"":[350,180,500,380]}]",0.123,0.05
2025-11-07 14:31:12,True,1,"[{""class"":""cat"",""confidence"":0.85,""bbox":[150,220,280,350]}]",0.118,0.048
2025-11-07 14:31:45,True,0,"[]",0.095,0.042

🚀 使用方式

1. 在 Claude Desktop 中測試

執行偵測:

請使用 detect_stream_frame_simple 工具偵測這個串流：
http://192.168.0.104:81/stream

自動記錄: 每次執行後，結果會自動追加到 detection_logs.csv

2. 查看記錄

方法 1: 使用測試腳本

python test_csv_logging.py

方法 2: 直接開啟 CSV

# 用 Excel 開啟
start detection_logs.csv

# 用記事本開啟
notepad detection_logs.csv

方法 3: 使用 Python 分析

import pandas as pd

# 讀取 CSV
df = pd.read_csv('detection_logs.csv')

# 顯示最近 10 筆
print(df.tail(10))

# 計算統計
print(f"平均偵測數: {df['detection_count'].mean():.2f}")
print(f"平均時間: {df['total_time'].mean():.3f} 秒")

📈 進階分析範例

分析偵測效能

import pandas as pd
import matplotlib.pyplot as plt

# 讀取資料
df = pd.read_csv('detection_logs.csv')

# 轉換時間戳記為 datetime
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 繪製偵測數量趨勢圖
plt.figure(figsize=(12, 6))
plt.plot(df['timestamp'], df['detection_count'], marker='o')
plt.xlabel('時間')
plt.ylabel('偵測數量')
plt.title('物體偵測數量趨勢')
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('detection_trend.png')

# 繪製處理時間分布圖
plt.figure(figsize=(10, 5))
plt.hist(df['total_time'], bins=20, alpha=0.7, label='總時間')
plt.hist(df['yolo_inference_time'], bins=20, alpha=0.7, label='YOLO 時間')
plt.xlabel('時間（秒）')
plt.ylabel('次數')
plt.title('處理時間分布')
plt.legend()
plt.tight_layout()
plt.savefig('time_distribution.png')

print("✅ 圖表已儲存")

計算成功率

import pandas as pd

df = pd.read_csv('detection_logs.csv')

total = len(df)
success_count = df['success'].sum()
success_rate = (success_count / total) * 100

print(f"總執行次數: {total}")
print(f"成功次數: {success_count}")
print(f"成功率: {success_rate:.2f}%")

🔧 程式碼修改說明

1. 新增模組導入

import csv
import json

2. 定義 CSV 檔案路徑

CSV_LOG_PATH = os.path.join(SCRIPT_DIR, "detection_logs.csv")

3. 新增 log_detection_to_csv() 函數

def log_detection_to_csv(result_data):
    """將偵測結果記錄到 CSV 檔案"""
    fieldnames = ['timestamp', 'success', 'detection_count', 'detections', 'total_time', 'yolo_inference_time']
    file_exists = os.path.isfile(CSV_LOG_PATH)
    
    with open(CSV_LOG_PATH, 'a', newline='', encoding='utf-8') as csvfile:
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
        
        if not file_exists:
            writer.writeheader()
        
        row_data = {
            'timestamp': result_data.get('timestamp', ''),
            'success': result_data.get('success', False),
            'detection_count': result_data.get('detection_count', 0),
            'detections': json.dumps(result_data.get('detections', []), ensure_ascii=False),
            'total_time': result_data.get('total_time', 0),
            'yolo_inference_time': result_data.get('yolo_inference_time', 0)
        }
        
        writer.writerow(row_data)

4. 修改 detect_stream_frame_simple() 函數

# 在返回結果前記錄
result = {
    "timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
    "success": True,
    "detection_count": len(detections),
    "detections": detections,
    "total_time": round(total_time, 3),
    "yolo_inference_time": round(yolo_time, 3)
}

# ✅ 記錄到 CSV
log_detection_to_csv(result)

return result

⚠️ 注意事項

1. CSV 檔案會自動建立

  • 首次執行時會自動建立 detection_logs.csv
  • 會自動寫入欄位標題列

2. 資料會持續追加

  • 每次執行都會在檔案末尾新增一列
  • 不會覆蓋舊資料

3. detections 欄位格式

  • 以 JSON 字串儲存
  • 可以用 json.loads() 解析
import json
detections = json.loads(row['detections'])

4. 錯誤也會被記錄

  • success = False 時仍會記錄
  • 可用於分析失敗原因

🧹 維護與管理

清空記錄

# 刪除 CSV 檔案
Remove-Item detection_logs.csv

# 下次執行時會自動重新建立

備份記錄

# 複製檔案並加上日期
Copy-Item detection_logs.csv "detection_logs_backup_$(Get-Date -Format 'yyyyMMdd').csv"

檔案大小管理

如果記錄太多，可以定期清理：

import pandas as pd

# 只保留最近 1000 筆記錄
df = pd.read_csv('detection_logs.csv')
df_recent = df.tail(1000)
df_recent.to_csv('detection_logs.csv', index=False)

📝 完整測試流程

步驟 1: 重啟 Claude Desktop

# 1. 完全關閉 Claude Desktop
taskkill /F /IM "Claude.exe"

# 2. 等待 15 秒
Start-Sleep -Seconds 15

# 3. 重新啟動
Start-Process "C:\Users\user\AppData\Local\Programs\claude\Claude.exe"

# 4. 等待 30 秒
Start-Sleep -Seconds 30

步驟 2: 執行偵測（在 Claude Desktop 中）

請使用 detect_stream_frame_simple 工具偵測串流 http://192.168.0.104:81/stream

步驟 3: 檢查 CSV 記錄

python test_csv_logging.py

步驟 4: 多次測試

重複執行步驟 2，觀察 CSV 檔案的增長

步驟 5: 分析結果

import pandas as pd

df = pd.read_csv('detection_logs.csv')
print(df.describe())

✅ 成功指標

CSV 記錄功能正常運作時：

  1. ✅ detection_logs.csv 檔案自動建立
  2. ✅ 每次執行偵測後，CSV 增加一列
  3. ✅ 所有 6 個欄位都有正確的值
  4. ✅ 時間戳記格式正確 (YYYY-MM-DD HH:MM:SS)
  5. ✅ detections 欄位包含有效的 JSON
  6. ✅ 成功和失敗的執行都被記錄

🎯 使用場景

1. 效能測試

  • 記錄不同參數下的處理時間
  • 分析 YOLO 推理效能

2. 準確度評估

  • 統計偵測數量分布
  • 分析信心度變化

3. 系統穩定性監控

  • 追蹤成功率
  • 記錄錯誤模式

4. 資料收集

  • 累積實驗數據
  • 用於論文或報告

版本: 1.0
最後更新: 2025-11-07
相容: Python 3.7+
依賴: csv, json, pandas (選用，用於分析)