基于 Flask 与 Milvus 构建高效图片搜索引擎，可通过API接入，支持Docker一键部署

luler · 2025-08-20T16:21:54+00:00

一、简介这是一个利用flask、ant design pro v5、milvus、towhee、resnet50等技术实现的一个具有以图搜图功能的应用系统提供可视化管理后台，支持在线管理图片库、在线识别体验可通过API调用的方式接入以图搜图服务支持Docker一键快速部署项目代码地址可参考：http...

luler

一、简介

这是一个利用flask、ant design pro v5、milvus、towhee、resnet50等技术实现的一个具有以图搜图功能的应用系统
提供可视化管理后台，支持在线管理图片库、在线识别体验
可通过API调用的方式接入以图搜图服务
支持Docker一键快速部署
项目代码地址可参考：https://github.com/luler/reverse_image_search
该项目的整体架构图可参考：

二、安装

准备一台不低于2C4G的主机（配置越高越好），并提前安装好Docker、docker-compose软件环境

拉取代码

git clone https://github.com/luler/reverse_image_search.git

进入项目根目录，查看编辑目录下的docker-compose.yml配置文件，检查相关端口、环境变量是否需要调整，参考内容如下

version: "3"
services:
  paddle:
    image: ghcr.io/luler/reverse_image_search:latest
    restart: always
    environment:
      - JWT_SECRET=s@Q$eubj #安全起见，更换为复杂秘钥
    ports:
      - 4456:5000
    volumes:
      - .:/root/work
  nginx:
    image: nginx:1.21.6
    restart: always
    ports:
      - 8899:80
    volumes:
      - ./log/nginx_logs:/var/log/nginx
      - ./web/dist:/home/wwwroot/web/dist
      - ./static:/home/wwwroot/resource/static
      - ./config/nginx/conf.d:/etc/nginx/conf.d
  etcd:
    image: quay.io/coreos/etcd:v3.5.0
    restart: always
    environment:
      - ETCD_AUTO_COMPACTION_MODE=revision
      - ETCD_AUTO_COMPACTION_RETENTION=1000
      - ETCD_QUOTA_BACKEND_BYTES=4294967296
      - ETCD_SNAPSHOT_COUNT=50000
    volumes:
      - ./log/volumes/etcd:/etcd
    command: etcd -advertise-client-urls=http://127.0.0.1:2379 -listen-client-urls http://0.0.0.0:2379 --data-dir /etcd

  minio:
    image: minio/minio:RELEASE.2022-03-17T06-34-49Z
    restart: always
    environment:
      MINIO_ACCESS_KEY: minioadmin
      MINIO_SECRET_KEY: minioadmin
    volumes:
      - ./log/volumes/minio:/minio_data
    command: minio server /minio_data
    healthcheck:
      test: [ "CMD", "curl", "-f", "http://localhost:9000/minio/health/live" ]
      interval: 30s
      timeout: 20s
      retries: 3

  standalone:
    image: milvusdb/milvus:v2.1.4
    restart: always
    command: [ "milvus", "run", "standalone" ]
    environment:
      ETCD_ENDPOINTS: etcd:2379
      MINIO_ADDRESS: minio:9000
    volumes:
      - ./log/volumes/milvus:/var/lib/milvus
    ports:
      - "19530:19530"
      - "9091:9091"
    depends_on:
      - "etcd"
      - "minio"
  attu:
    image: zilliz/attu
    restart: always
    ports:
      - 30000:3000
    environment:
      MILVUS_URL: standalone:19530

目录下执行如下命令实现一键启动

docker-compose up -d

镜像拉取可能拉取比较慢，可自行配置加速，成功运行参考如下

三、使用

1. 登录使用在线管理后台

安装完成后，可访问地址：http://127.0.0.1:8899/，默认登录账号：admin，密码：admin
上传图片，建立图片库
在线识别体验，可以上传图片，搜索现有库中关联性最近的图片

2. 通过API调用实现以图搜图

获取访问授权接口

接口（POST）：/api/login
请求参数（json）：
{
    "name": "admin", //账号
    "password": "admin" //密码
}
返回（json）：
{
    "code": 200,
    "info": {
        "live_time": 7200, //有效期（秒）
        "token": "eyJ0eXAiOiJKV1QiLCJ...." //授权凭证
    },
    "message": "访问成功"
}

以图搜图接口

接口（POST）：/api/image/search
请求参数（form-data）：
{
    "limit": 20, //限制返回数量
    "file": (binary)
}
返回（json）：
{
    "code": 200,
    "info": [
        {
            "distance": 14.32137393951416, //差异系数，越小越相似
            "image_path": "/static/images/2025-08-20/416291da-7db7-11f0-bfdf-e6eba293e60d.jpg", //图片
            "md5": "996270ff7860e65110f6652f1ceabe18",
 
            "milvus_id": 460242204212098050 
        }
    ],
    "message": "上传成功"
}

其他接口，可自行探索，与页面接口一致

四、总结

这是一个简易的以图搜图工具，核心是基于milvus的向量搜索能力，默认的图片向量化模型是resnet50
可以在商品推荐、图片搜索等场景应用起来，如：用户手机拍照上传后找出自己商品库里的相似商品等等
支持Docker快速部署，所有组件一键启动，实现快速应用
如果在生产环境应用，建议把默认的sqlite数据库改为mysql、图片向量模型也可以调整到更大更好的模型

在线试用演示地址：https://cas.luler.top/?search=636d2a970a26e