车机语音LLM自动化评估系统

一个基于 Tauri 和 Next.js 构建的桌面自动化测试应用，专注于车载语音助手的唤醒检测、语音识别和响应质量评估。

核心功能

任务管理: 创建、配置和执行完整的测试任务，支持批量自动化测试
唤醒检测: 视觉唤醒词检测（基于OpenCV模板匹配）和音频唤醒测试
语音识别: 集成科大讯飞ASR API进行实时语音识别
OCR识别: 车机显示屏文本识别和稳定性检测
大模型分析: 基于LLM的响应质量评估
实时工作流: 支持暂停/恢复的自动化测试流程
模板管理: 可视化模板管理，支持ROI区域选择
本地数据持久化: SQLite数据库存储所有测试数据

技术栈

前端

框架: Next.js 15.2.4 (App Router)
UI: Shadcn UI, Radix UI, Tailwind CSS
状态管理: Redux Toolkit
路由: /llm-analysis, /taskmanage, /casemanage, /settings, /wake-detection-workflow

后端

框架: Tauri v2 + Rust
异步运行时: Tokio
数据库: SQLite + SQLx
音频: Rodio播放, CPAL音频捕获
OCR: Tesseract引擎池（6并发）
视觉: OpenCV模板匹配
ASR: 科大讯飞WebSocket API

系统架构

graph TD
    subgraph "前端界面 (Next.js)"
        Dashboard[仪表盘]
        TaskManagement[任务管理]
        WakeDetection[唤醒检测]
        OCR[OCR识别]
        VisualDetection[视觉检测]
    end

    subgraph "Tauri核心"
        Commands[Tauri指令]
        Events[事件系统]
    end

    subgraph "后端服务 (Rust)"
        Workflow[工作流引擎]
        MetaTask[元任务执行器]
        WakeService[唤醒检测服务]
        OCRService[OCR服务]
        ASRService[ASR服务]
        Database[数据库层]
    end

    subgraph "外部集成"
        iFlytek[科大讯飞ASR]
        OpenCV[OpenCV视觉]
        Tesseract[Tesseract OCR]
    end

    Dashboard --> Commands
    WakeDetection --> Events
    OCR --> Events
    
    Commands --> Workflow
    Commands --> MetaTask
    Workflow --> WakeService
    Workflow --> OCRService
    Workflow --> ASRService
    
    WakeService --> OpenCV
    OCRService --> Tesseract
    ASRService --> iFlytek

工作流系统

完整测试工作流

唤醒词播放 → 语音指令播放 → 视觉唤醒检测 → OCR识别 → ASR识别 → LLM分析 → 结果保存

唤醒检测工作流

唤醒词播放 → 视觉唤醒检测 → 结果统计

核心组件

工作流引擎: DAG任务调度，支持暂停/恢复
视觉唤醒检测: OpenCV多尺度模板匹配，ROI区域支持
OCR服务: 实时文本识别，稳定性检测，6引擎并发
ASR服务: 科大讯飞实时语音识别

快速开始

环境要求

Node.js: v18+
Rust: v1.77+ (with Cargo)
Tauri CLI: cargo install tauri-cli
macOS: 需要音频录制和文件系统权限

安装与运行

克隆仓库

git clone [仓库地址]
cd [仓库目录]

安装依赖
```
npm install
```

启动开发环境

# 完整开发环境（推荐）
npm run tauri dev

# 仅前端开发
npm run dev

构建生产版本
```
npm run tauri build
```

项目结构

/LLM Analysis Interface
├── app/                          # Next.js页面路由
├── components/                   # React组件
│   ├── llm-analysis-interface.tsx
│   ├── wake-detection-workflow.tsx
│   ├── ocr.tsx
│   ├── visual-wake-detection.tsx
│   └── template-manager.tsx
├── hooks/                        # 自定义Hooks
├── services/                     # Tauri API封装
├── store/                        # Redux状态管理
├── public/templates/             # 视觉检测模板
└── src-tauri/                    # Tauri后端
    ├── src/
    │   ├── commands.rs          # Tauri指令定义
    │   ├── models.rs            # 数据模型
    │   ├── services/
    │   │   ├── meta_task_executor.rs    # 完整工作流
    │   │   ├── wake_detection_meta_executor.rs  # 唤醒检测工作流
    │   │   ├── analysis_task.rs         # 分析任务
    │   │   ├── asr_task.rs              # ASR任务
    │   │   ├── ocr_task.rs              # OCR任务
    │   │   └── checkpoint_task.rs       # 检查点任务
    │   └── db/database.rs       # 数据库操作

核心功能详解

视觉唤醒检测

实时视频: WebRTC摄像头访问，1-30 FPS可调
模板匹配: 多尺度匹配（1.0, 0.8, 0.6, 0.4, 0.3, 0.2）
ROI选择: 交互式画布区域选择
置信度: 可配置的检测阈值（默认0.5）

OCR识别系统

实时处理: 6个Tesseract引擎并发处理
文本稳定: 30帧滑动窗口，95%相似度阈值
坐标转换: 显示坐标到视频坐标的自动转换
错误处理: 5次连续错误自动终止

事件系统

视觉检测: visual_wake_event, visual_wake_status
OCR: ocr_task_event (start, ready, data, complete, error)
工作流: task_completed

Tauri核心指令

任务管理

get_all_tasks: 获取所有测试任务
create_task: 创建新任务
delete_task: 删除任务
set_current_task: 设置当前任务
start_automated_test: 启动自动化测试
stop_testing: 停止测试

样本管理

get_all_samples: 获取测试样本
create_sample: 创建样本
delete_sample: 删除样本
get_all_wake_words: 获取唤醒词

视觉检测

start_visual_wake_detection_with_data: 启动视觉检测
push_video_frame_visual: 推送视频帧
stop_visual_wake_detection: 停止检测
save_template_image: 保存模板
get_templates_from_folder: 获取模板列表

OCR系统

start_ocr_session: 启动OCR会话
push_video_frame: 推送OCR帧
stop_ocr_session: 停止OCR会话

开发脚本

# 开发环境
npm run tauri dev          # 完整开发环境
npm run dev               # 仅前端开发

# 构建
npm run build             # 构建Next.js
npm run tauri build       # 构建Tauri应用

# 代码质量
npm run lint              # ESLint检查
npm run start             # 生产服务器

数据模型

核心实体

Task: 测试任务配置
Sample: 测试样本（文本/音频）
WakeWord: 唤醒词配置
AnalysisResult: 分析结果
WakeDetectionResult: 唤醒检测结果
TimingData: 精确时间数据

性能优化

并发处理: OCR 6引擎并发，视觉检测实时处理
内存管理: 100帧缓冲区，自动垃圾回收
错误恢复: 自动重试和优雅降级
资源清理: 任务完成自动释放资源

打包部署注意事项

平台差异

Windows平台

OpenCV: 使用静态链接，无需额外安装OpenCV运行时
Tesseract: 静态链接tesseract库，打包时自动包含
依赖: 所有依赖静态链接到可执行文件中
大小: 由于静态链接，最终包体积较大（约100-200MB）

macOS平台

OpenCV: 使用系统动态链接，依赖系统安装的OpenCV
Tesseract: 使用系统动态链接，需要安装tesseract

安装要求:

# 安装依赖
brew install opencv
brew install tesseract

包大小: 由于动态链接，包体积相对较小（约50-80MB）

打包配置

Windows打包（动态链接打包）（静态链接打包看文档后续）

#先配置vcpkg,libclang等关键路径

$env:VCPKG_ROOT = "D:\Code\Auto-Evalution-App\depends\vcpkg-master"
配置libclang环境变量
$env:LIBCLANG_PATH = "D:\Code\Auto-Evalution-App\depends\clang+llvm-18.1.8-x86_64-pc-windows-msvc\bin"
Opencv需要Clang二进制文件来生成绑定，需要将clang的bin目录添加到PATH中
$env:PATH += "D:\Code\Auto-Evalution-App\depends\clang+llvm-18.1.8-x86_64-pc-windows-msvc\bin"
npm run tauri build

macOS打包

# 确保系统已安装依赖
brew install opencv tesseract

# 打包
npm run tauri build

权限配置

macOS权限

在src-tauri/tauri.conf.json中配置权限：

{
  "macOS": {
    "entitlements": "entitlements.plist"
  }
}

创建src-tauri/entitlements.plist：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>com.apple.security.device.camera</key>
    <true/>
    <key>com.apple.security.device.audio-input</key>
    <true/>
    <key>com.apple.security.files.user-selected.read-write</key>
    <true/>
</dict>
</plist>

常见问题

Windows

MSVC工具链: 确保安装Visual Studio Build Tools
OpenCV版本: 使用vcpkg或预编译静态库
运行时错误: 检查Visual C++ Redistributable

macOS

摄像头权限: 需要在系统偏好设置中授予权限
音频权限: 首次运行时会提示麦克风权限
OpenCV路径: 确保/usr/local/lib/libopencv*.dylib存在
Tesseract路径: 确保/usr/local/bin/tesseract可访问

调试工具

控制台日志: 查看详细操作信息
事件监控: 监听Tauri事件状态
性能监控: OCR FPS和错误率实时显示

权限检查:

# macOS检查权限
tccutil reset Camera
tccutil reset Microphone

Windows平台静态链接OpenCV打包指南

概述

在Windows平台下，为了生成一个无需额外安装OpenCV运行时的独立exe应用，我们需要将OpenCV静态链接到程序中。本指南详细说明了如何使用vcpkg下载OpenCV预编译版本，并通过配置Cargo.toml和批处理脚本来实现静态链接打包。

准备工作

1. 安装必要工具

Visual Studio 2022: 安装时选择"使用C++的桌面开发"工作负载
Git: 用于克隆vcpkg仓库
Rust: 确保使用MSVC工具链
Node.js: v18+

2. 下载和安装vcpkg

# 克隆vcpkg仓库（建议放在固定位置）
git clone https://github.com/microsoft/vcpkg.git D:\vcpkg

# 进入vcpkg目录
cd D:\vcpkg

# 运行bootstrap脚本
.\bootstrap-vcpkg.bat

3. 使用vcpkg安装OpenCV静态库

# 安装OpenCV静态链接版本（x64）
.\vcpkg install opencv[core,imgproc,imgcodecs]:x64-windows-static

# 验证安装
.\vcpkg list opencv

步骤一：配置Cargo.toml

在src-tauri目录下创建Windows-Cargo.toml文件，包含以下内容：

[package]
name = "app"
version = "0.1.0"
description = "A Tauri App"
authors = ["your-name"]
license = ""
repository = ""
edition = "2021"
rust-version = "1.77.2"

[lib]
name = "app_lib"
crate-type = ["staticlib", "cdylib", "rlib"]

[build-dependencies]
tauri-build = { version = "2.3.1", features = [] }

[dependencies]
# ... 其他依赖保持不变 ...
opencv = { version = "0.95.0", features = ["clang-runtime", "imgproc", "imgcodecs"], default-features = false }
# ... 其他依赖保持不变 ...

关键配置说明：

opencv依赖启用了clang-runtime特性，这允许OpenCV在编译时动态生成绑定
default-features = false禁用了默认特性，避免不必要的依赖
特性imgproc和imgcodecs分别提供图像处理和图像编解码功能

步骤二：安装libclang

OpenCV的Rust绑定需要libclang来生成绑定代码。以下是安装方法：

方法1：使用LLVM官方安装包

访问 LLVM下载页面
下载最新版本的Windows预编译二进制文件（如clang+llvm-18.1.8-x86_64-pc-windows-msvc.exe）
安装到固定路径（如D:\llvm）

方法2：使用vcpkg安装

# 使用vcpkg安装LLVM
.\vcpkg install llvm:x64-windows-static

步骤三：运行Windows构建脚本

在src-tauri目录下使用windows-build.bat文件：注意查看vcpkg在该电脑上的位置并对bat中相应的路径进行替换

windows-build.bat脚本详解

以下是批处理文件中每个命令的详细说明：

@echo off
REM 关闭命令回显，使输出更清晰

echo Setting up environment variables...
REM 显示提示信息

set VCPKG_ROOT=D:\vcpkg
REM 设置vcpkg根目录路径，需要根据实际安装位置修改

set VCPKGRS_DYNAMIC=0
REM 告诉vcpkg-rs使用静态链接而不是动态链接

set OPENCV_MSVC_CRT=static
REM 指定OpenCV使用静态链接的C运行时库

set VCPKGRS_TRIPLET=x64-windows-static
REM 设置vcpkg的目标三元组，表示x64架构的Windows静态链接版本

set OPENCV_LINK_PATH=%VCPKG_ROOT%\installed\x64-windows-static\lib
REM 设置OpenCV库文件路径，vcpkg安装的静态库位置

set OPENCV_INCLUDE_PATH=%VCPKG_ROOT%\installed\x64-windows-static\include
REM 设置OpenCV头文件路径

set OPENCV_LINK_LIBS=opencv_core4,opencv_imgproc4,opencv_imgcodecs4
REM 指定需要链接的OpenCV库模块

set LIBCLANG_PATH=D:\llvm\bin
REM 设置libclang的路径，用于OpenCV绑定生成

set PATH=%LIBCLANG_PATH%;%PATH%
REM 将libclang添加到PATH环境变量最前面

set LIBCLANG_STATIC=1
REM 告诉系统使用静态链接的libclang

set LIBCLANG_DISABLE_CRASH_RECOVERY=1
REM 禁用libclang的崩溃恢复，提高稳定性

if exist "%LIBCLANG_PATH%\libclang.dll" (
    echo libclang.dll found at %LIBCLANG_PATH%\libclang.dll
) else (
    echo ERROR: libclang.dll not found
    pause
    exit /b 1
)
REM 检查libclang.dll是否存在，不存在则退出

cargo clean
REM 清理之前的构建文件，确保全新构建

cargo build --release
REM 使用release模式构建Rust代码，启用优化

npm run tauri build
REM 执行Tauri构建流程，生成最终的exe文件

pause
REM 暂停脚本执行，等待用户按任意键关闭窗口

步骤四：运行构建脚本

这一步的含义是让Opencv进行选择性，仅编译当前代码中有使用到的["clang-runtime", "imgproc", "imgcodecs" 这几的功能，而不是编译这个Opencv库（注意一定需要做替换，不然可能因为OPENCV_LINK_LIBS环境变量没有配置更多功能的lib文件而导致报错编译失败）

复制Cargo.toml

copy src-tauri\Cargo.toml src-tauri\Cargo.toml.backup
copy src-tauri\Windows-Cargo.toml src-tauri\Cargo.toml

或者直接将Cargo.toml中的
opencv = { version = "0.95.0", features = ["clang-runtime"] }
替换成
opencv = { version = "0.95.0", features = ["clang-runtime", "imgproc", "imgcodecs"], default-features = false }

执行构建
```
cd src-tauri
.\windows-build.bat
```

恢复原始Cargo.toml

copy src-tauri\Cargo.toml.backup src-tauri\Cargo.toml

处理不同的OpenCV安装位置

如果你的OpenCV安装在不同的位置，需要修改以下环境变量：

情况1：使用官方OpenCV预编译包

如果从OpenCV官网下载的预编译包：

set OPENCV_DIR=C:\opencv\build
set OPENCV_LINK_PATH=%OPENCV_DIR%\x64\vc15\staticlib
set OPENCV_INCLUDE_PATH=%OPENCV_DIR%\include

情况2：使用Conda安装的OpenCV

如果使用Anaconda安装的OpenCV：

set CONDA_ENV=C:\Users\YourName\anaconda3\envs\opencv
set OPENCV_LINK_PATH=%CONDA_ENV%\Library\lib
set OPENCV_INCLUDE_PATH=%CONDA_ENV%\Library\include

情况3：自定义安装路径

创建一个配置文件config.bat来管理路径：

@echo off
REM config.bat - 用户自定义路径配置

REM 设置vcpkg路径
set VCPKG_ROOT=D:\dev\vcpkg

REM 设置LLVM路径
set LIBCLANG_PATH=D:\dev\llvm\bin

REM 设置OpenCV路径（如果使用其他安装方式）
set OPENCV_CUSTOM_DIR=C:\libs\opencv
set OPENCV_LINK_PATH=%OPENCV_CUSTOM_DIR%\lib
set OPENCV_INCLUDE_PATH=%OPENCV_CUSTOM_DIR%\include

然后在windows-build.bat开头调用：

call config.bat

常见问题排查

1. 找不到libclang.dll

错误信息：

thread 'main' panicked at C:\Users\zhang\.cargo\registry\src\index.crates.io-1949cf8c6b5b557f\bindgen-0.64.0\lib.rs:2393:31:
  Unable to find libclang: "couldn't find any valid shared libraries matching: ['clang.dll', 'libclang.dll'], set the `LIBCLANG_PATH` environment variable to a path where one of these files can be found (invalid: [])"

完整错误信息：

error: failed to run custom build command for `leptonica-sys v0.4.9`

Caused by:
  process didn't exit successfully: `D:\Code\Auto-Evaluate-App-main\src-tauri\target\debug\build\leptonica-sys-a48b323830cb2656\build-script-build` (exit code: 101)
  --- stdout
  cargo:rerun-if-env-changed=LEPTONICA_INCLUDE_PATH
  cargo:rerun-if-env-changed=LEPTONICA_LINK_PATHS
  cargo:rerun-if-env-changed=LEPTONICA_LINK_LIBS
  cargo:warning=vcpkg gave up trying to resolve pkg-config ordering.
  cargo:rustc-link-search=native=D:\Code\Auto-Evaluate-App\depends\vcpkg-master\installed\x64-windows-static-md\lib
  cargo:rustc-link-lib=leptonica-1.85.0
  cargo:rustc-link-lib=zlib
  cargo:rustc-link-lib=tiff
  cargo:rustc-link-lib=lzma
  cargo:rustc-link-lib=jpeg
  cargo:rustc-link-lib=turbojpeg
  cargo:rustc-link-lib=openjp2
  cargo:rustc-link-lib=libwebpdecoder
  cargo:rustc-link-lib=libwebpdemux
  cargo:rustc-link-lib=libwebpmux
  cargo:rustc-link-lib=libwebp
  cargo:rustc-link-lib=libsharpyuv
  cargo:rustc-link-lib=libpng16
  cargo:rustc-link-lib=gif

  --- stderr

  thread 'main' panicked at C:\Users\zhang\.cargo\registry\src\index.crates.io-1949cf8c6b5b557f\bindgen-0.64.0\lib.rs:2393:31:
  Unable to find libclang: "couldn't find any valid shared libraries matching: ['clang.dll', 'libclang.dll'], set the `LIBCLANG_PATH` environment variable to a path where one of these files can be found (invalid: [])"
  note: run with `RUST_BACKTRACE=1` environment variable to display a backtrace

解决方案：

确保LLVM/Clang已正确安装

检查LIBCLANG_PATH环境变量是否正确

$env:LIBCLANG_PATH = "D:\Code\Auto-Evalution-App\depends\clang+llvm-18.1.8-x86_64-pc-windows-msvc\bin"

将%LIBCLANG_PATH%添加到系统PATH环境变量

$env:PATH += "D:\Code\Auto-Evalution-App\depends\clang+llvm-18.1.8-x86_64-pc-windows-msvc\bin"

2. OpenCV链接错误（关注环境变量中OPENCV_LINK_LIBS给出的lib是否满足，一般不会出现这个错误）

错误信息：

error LNK2019: unresolved external symbol

解决方案：

确认vcpkg已正确安装OpenCV静态库
检查VCPKGRS_TRIPLET是否设置为x64-windows-static
验证OPENCV_LINK_LIBS包含所需的模块

3. 找不到vcpkg库类问题

Warning

error: failed to run custom build command for leptonica-sys v0.4.9

error: failed to run custom build command for `leptonica-sys v0.4.9`

Caused by:
  process didn't exit successfully: `D:\Code\Auto-Evaluate-App-main\src-tauri\target\debug\build\leptonica-sys-a48b323830cb2656\build-script-build` (exit code: 101)
  --- stdout
  cargo:rerun-if-env-changed=LEPTONICA_INCLUDE_PATH
  cargo:rerun-if-env-changed=LEPTONICA_LINK_PATHS
  cargo:rerun-if-env-changed=LEPTONICA_LINK_LIBS

  --- stderr

  thread 'main' panicked at C:\Users\zhang\.cargo\registry\src\index.crates.io-1949cf8c6b5b557f\leptonica-sys-0.4.9\build.rs:17:66:
  called `Result::unwrap()` on an `Err` value: VcpkgNotFound("Could not find Vcpkg root at D:\\Code\\Auto-Evaluate-App-main\\depends\\vcpkg-master\\.vcpkg-root")
  note: run with `RUST_BACKTRACE=1` environment variable to display a backtrace

这个错误的核心原因是 leptonica-sys 无法找到它通过 vcpkg 期望的 Leptonica 库。

要解决这个问题，你需要确保 vcpkg 和 Leptonica 库正确地设置在你的系统上，并且 leptonica-sys 的构建脚本能够找到它们。

需要在环境变量中设置vcpkg的根目录(即vcpkg-master文件夹所在位置) 在powershell中输入如下指令（注意这条指令设置的环境变量仅作用于改次对话中，关闭或打开新的powershell窗口则失效

$env:VCPKG_ROOT = "D:\Code\Auto-Evalution-App\depends\vcpkg-master"

3. 运行时错误

错误信息：

The code execution cannot proceed because opencv_world4.dll was not found

解决方案：

这表明程序仍然在尝试使用动态链接的OpenCV
确认所有环境变量设置正确
重新运行完整的构建流程

4. 构建时间过长

静态链接会导致构建时间增加和文件体积增大，这是正常的。可以通过以下方式优化：

使用cargo build --release --jobs 4并行构建
确保只链接必要的OpenCV模块
考虑使用增量构建（在开发阶段）

验证静态链接成功

构建完成后，可以通过以下方式验证是否成功静态链接：

依赖检查：使用Dependency Walker或Process Explorer检查exe依赖
测试运行：在没有安装OpenCV的Windows机器上运行exe

总结

通过以上步骤，你可以在Windows平台下成功构建一个静态链接OpenCV的独立exe应用。关键点包括：

使用vcpkg管理OpenCV静态库
正确配置环境变量
确保libclang可用
使用专门的构建脚本

虽然静态链接会增加文件大小，但确保了应用的可移植性，无需在目标机器上安装OpenCV运行时。

Name		Name	Last commit message	Last commit date
Latest commit History 90 Commits
app		app
components		components
docs		docs
hooks		hooks
lib		lib
public		public
services		services
src-tauri		src-tauri
store		store
styles		styles
tests		tests
types		types
utils		utils
.DS_Store		.DS_Store
.gitignore		.gitignore
ACTIVE_TASK_CONTEXT_DATA_FORMAT.md		ACTIVE_TASK_CONTEXT_DATA_FORMAT.md
CLAUDE.md		CLAUDE.md
README.md		README.md
REDIS_CLEANUP_PROGRESS.md		REDIS_CLEANUP_PROGRESS.md
REDIS_MIGRATION_GUIDE.md		REDIS_MIGRATION_GUIDE.md
Remains.md		Remains.md
TASK_PACKAGE_IMPORT_SUMMARY.md		TASK_PACKAGE_IMPORT_SUMMARY.md
TECHNICAL_DOCUMENTATION.md		TECHNICAL_DOCUMENTATION.md
WAKE_DETECTION_FINISH_TASK_IMPLEMENTATION.md		WAKE_DETECTION_FINISH_TASK_IMPLEMENTATION.md
WAKE_DETECTION_OVERWRITE_LOGIC.md		WAKE_DETECTION_OVERWRITE_LOGIC.md
WAKE_DETECTION_UI_DESIGN.md		WAKE_DETECTION_UI_DESIGN.md
components.json		components.json
next.config.mjs		next.config.mjs
package-lock.json		package-lock.json
package.json		package.json
postcss.config.mjs		postcss.config.mjs
tailwind.config.ts		tailwind.config.ts
tsconfig.json		tsconfig.json
upgrade.md		upgrade.md
结果导出模版.xlsx		结果导出模版.xlsx
车机语音LLM自动化评估系统文档.md		车机语音LLM自动化评估系统文档.md

hahalfx/Auto-Evaluate-App

Folders and files

Latest commit

History

Repository files navigation

车机语音LLM自动化评估系统

核心功能

技术栈

前端

后端

系统架构

工作流系统

完整测试工作流

唤醒检测工作流

核心组件

快速开始

环境要求

安装与运行

项目结构

核心功能详解

视觉唤醒检测

OCR识别系统

事件系统

Tauri核心指令

任务管理

样本管理

视觉检测

OCR系统

开发脚本

数据模型

核心实体

性能优化

打包部署注意事项

平台差异

Windows平台

macOS平台

打包配置

Windows打包（动态链接打包）（静态链接打包看文档后续）

macOS打包

权限配置

macOS权限

常见问题

Windows

macOS

调试工具

Windows平台静态链接OpenCV打包指南

概述

准备工作

1. 安装必要工具

2. 下载和安装vcpkg

3. 使用vcpkg安装OpenCV静态库

步骤一：配置Cargo.toml

步骤二：安装libclang

方法1：使用LLVM官方安装包

方法2：使用vcpkg安装

步骤三：运行Windows构建脚本

windows-build.bat脚本详解

步骤四：运行构建脚本

处理不同的OpenCV安装位置

情况1：使用官方OpenCV预编译包

情况2：使用Conda安装的OpenCV

情况3：自定义安装路径

常见问题排查

1. 找不到libclang.dll

2. OpenCV链接错误（关注环境变量中OPENCV_LINK_LIBS给出的lib是否满足，一般不会出现这个错误）

3. 找不到vcpkg库类问题

3. 运行时错误

4. 构建时间过长

验证静态链接成功

总结

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases 1

Packages 0

Uh oh!

Languages

Packages