DeepSeek新玩法！用AI一键揪出图片中的敏感词

最新推荐文章于 2025-10-03 09:48:54 发布

原创最新推荐文章于 2025-10-03 09:48:54 发布 · 973 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #自动化测试 #功能测试 #深度学习 #程序员 #软件测试 #DeepSeek

程序员同时被 3 个专栏收录

1659 篇文章

订阅专栏

软件测试

1641 篇文章

订阅专栏

自动化测试

981 篇文章

订阅专栏

📝 面试求职： 「面试试题小程序」，内容涵盖测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试，命中率杠杠的。（大家刷起来…）

📝 职场经验干货：

软件测试工程师简历上如何编写个人信息（一周8个面试）

软件测试工程师简历上如何编写专业技能（一周8个面试）

软件测试工程师简历上如何编写项目经验（一周8个面试）

软件测试工程师简历上如何编写个人荣誉（一周8个面试）

软件测试行情分享（这些都不了解就别贸然冲了.）

软件测试面试重点，搞清楚这些轻松拿到年薪30W+

软件测试面试刷题小程序免费使用（永久使用）

在当今数字化时代，图片内容的安全性越来越受到重视。基于AI的图片关键字检测技术在现代社会中具有重要的意义和广泛的应用场景。

随着互联网和社交媒体的快速发展，图片内容的数量呈爆炸式增长，如何高效、准确地管理和审核这些内容成为了一个重要的挑战。

基于AI的图片关键字检测技术通过结合计算机视觉（CV）和自然语言处理（NLP）技术，能够从图片中提取文本信息并检测敏感或关键内容，从而帮助企业和个人更好地管理和利用图片数据。

尤其是在社交媒体、内容审核和广告投放等场景中，检测图片中的敏感关键字成为了一个重要的需求。本文将分享如何使用 Python 脚本调用 DeepSeek 接口，实现图片敏感关键字检测，并通过具体代码和测试样例简单展示实现过程。

背景介绍

DeepSeek 是一个强大的自然语言处理（NLP）和计算机视觉（CV）平台，提供了丰富的 API 接口，能够帮助我们快速实现文本和图片的内容分析。

本文将重点介绍如何通过 DeepSeek 的文本分析接口，结合 OCR（光学字符识别）技术，从图片中提取文本并检测敏感关键字。

实现步骤

01 环境准备

在开始之前，我们需要安装以下 Python 库：

requests：用于发送 HTTP 请求调用 DeepSeek 接口；
Pillow：用于处理图片；
pytesseract：用于从图片中提取文本。

安装命令如：

pip install requests pillow pytesseract。

02 获取 DeepSeek API 密钥

首先，你需要注册 DeepSeek 平台并获取 API 密钥。假设你已经获得了 API 密钥，并将其存储在环境变量中。如：export DEEPSEEK_API_KEY="你的api key"。

03 编写 Python 脚本

以下是完整的 Python 脚本，用于调用 DeepSeek 接口完成图片敏感关键字检测。

import os
import requests
from PIL import Image
import pytesseract

# 设置 Tesseract 的路径（如果需要）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# DeepSeek API 配置
DEEPSEEK_API_URL = "https://api.deepseek.com/v1/text/analyze"
DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")

def extract_text_from_image(image_path):
    """从图片中提取文本"""
    image = Image.open(image_path)
    text = pytesseract.image_to_string(image)
    return text

def detect_sensitive_keywords(text):
    """调用 DeepSeek 接口检测敏感关键字"""
    headers = {
        "Authorization": f"Bearer {DEEPSEEK_API_KEY}",
        "Content-Type": "application/json"
    }
    data = {
        "text": text,
        "tasks": ["sensitive_keyword_detection"]
    }
    response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
    if response.status_code == 200:
        return response.json()
    else:
        raise Exception(f"API request failed: {response.status_code}, {response.text}")

def main(image_path):
    # 从图片中提取文本
    text = extract_text_from_image(image_path)
    print("Extracted Text:", text)
    # 调用 DeepSeek 接口检测敏感关键字
    try:
        result = detect_sensitive_keywords(text)
        print("DeepSeek Analysis Result:", result)
    except Exception as e:
        print("Error:", str(e))
if __name__ == "__main__":
    image_path = "violence.jpg"  # 替换为你的图片路径
    main(image_path)

代码解析

01 图片文本提取