如何为搭载YOLO模型的Flask API编写单元测试?附代码示例
Flask API 单元测试解决方案
1 先解决app导入报错问题
首先调整项目结构,保证你的Flask主文件(假设命名为app.py)和测试文件同级:
项目根目录/ ├── app.py # 你的原Flask业务代码文件 ├── test_app.py # 新建的单元测试文件 ├── machine_learning_model/ # 原YOLO模型目录 └── predict_images/ # 原预测结果图片存储目录
如果调整结构后还是报模块导入错误,在test_app.py最开头加入以下代码,把当前目录加入Python模块搜索路径:
import sys import os sys.path.append(os.path.dirname(os.path.abspath(__file__)))
2 测试框架与思路
我们用pytest配合Flask自带的测试客户端实现单元测试,测试覆盖两类逻辑:
- 工具函数测试:例如你自定义的
parse_json_from_request函数 - 接口测试:覆盖POST预测接口、GET图片查询接口
优化提示:YOLO模型加载耗时久,单元测试阶段可以mock掉YOLO相关方法,避免依赖外部模型文件、提升测试速度;如果需要验证模型效果可以去掉mock逻辑直接测试。
3 完整测试代码示例
以下是test_app.py的完整代码:
import pytest import base64 import json from unittest.mock import patch, MagicMock from flask import request # 导入你的Flask app from app import app, parse_json_from_request # 测试用fixture:创建Flask测试客户端 @pytest.fixture def client(): app.config['TESTING'] = True with app.test_client() as client: yield client # 测试工具函数parse_json_from_request def test_parse_json_from_request(): with app.test_request_context(json={"image": "test_base64", "other_param": 123}): result = parse_json_from_request(request) assert result == {"image": "test_base64", "other_param": 123} assert isinstance(result, dict) # 测试GET图片接口 def test_get_image(client): # 提前在predict_images目录放一张命名为output_resize_test.jpg的测试图 resp = client.get('/v1/resoures/predict_images/test') assert resp.status_code == 200 assert resp.content_type == 'image/gif' # 测试predict预测接口(mock掉YOLO方法,不用真实跑模型) @patch('app.yoloModel') def test_predict_interface(mock_yolo, client): # 模拟YOLO方法的返回值 mock_yolo.detectObjectFromImage.return_value = ( [0, 1], # idxs [[10,10,50,50], [60,60,100,100]], # boxes [0.95, 0.88], # confidences [[30,30], [80,80]], # centers [0, 16] # classIDs 对应coco的person、dog分类 ) mock_yolo.bouding_box.return_value = [ {"class": "person", "confidence": 0.95, "box": [10,10,50,50]}, {"class": "dog", "confidence": 0.88, "box": [60,60,100,100]} ] # 构造测试用的base64图片 test_img = base64.b64encode(b'test_image_content').decode('utf-8') # 发POST请求 resp = client.post( '/v1/api/predict', json={"image": test_img}, content_type='application/json' ) # 校验返回结果 assert resp.status_code == 200 assert resp.content_type == 'application/json' resp_data = json.loads(resp.data) assert 'objectProperty' in resp_data assert len(resp_data['objectProperty']) == 2 assert resp_data['objectProperty'][0]['class'] == 'person'
4 测试运行方法
- 先安装依赖:
pip install pytest - 进入项目根目录,执行命令:
pytest test_app.py -v - 所有测试用例通过后会显示pass,失败会输出具体错误原因。
可选:真实模型测试
如果要验证YOLO模型的真实效果,把test_predict_interface函数上的@patch装饰器去掉,传入真实图片的base64编码即可,注意要保证coco.names和模型权重文件路径正确。
内容的提问来源于stack exchange,提问作者tamerjar
相关产品推荐
相关产品推荐

