generate_doc.py

"""
生成《垃圾图像分类系统》课程项目书 Word 文档
运行: python generate_doc.py
"""

from docx import Document
from docx.shared import Pt, Cm, Inches
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.oxml.ns import qn
import os

doc = Document()

# ============================================================
# 全局样式设置
# ============================================================
style = doc.styles['Normal']
style.font.name = '宋体'
style.font.size = Pt(12)
style.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
style.paragraph_format.line_spacing = 1.5
style.paragraph_format.first_line_indent = Cm(0.74)

def add_title(text, size=22, bold=True, center=True):
    """添加页面大标题"""
    p = doc.add_paragraph()
    p.alignment = WD_ALIGN_PARAGRAPH.CENTER if center else WD_ALIGN_PARAGRAPH.LEFT
    run = p.add_run(text)
    run.font.size = Pt(size)
    run.font.name = '宋体'
    run.bold = bold
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    return p

def add_heading_newpage(text, size=18):
    """添加分页的新章节标题"""
    doc.add_page_break()
    p = doc.add_paragraph()
    p.alignment = WD_ALIGN_PARAGRAPH.CENTER
    run = p.add_run(text)
    run.font.size = Pt(size)
    run.font.name = '宋体'
    run.bold = True
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    return p

def add_subheading(text, size=14):
    """添加小节标题"""
    p = doc.add_paragraph()
    p.alignment = WD_ALIGN_PARAGRAPH.LEFT
    run = p.add_run(text)
    run.font.size = Pt(size)
    run.font.name = '宋体'
    run.bold = True
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    p.paragraph_format.first_line_indent = Cm(0)
    return p

def add_body(text):
    """添加正文段落"""
    p = doc.add_paragraph()
    run = p.add_run(text)
    run.font.name = '宋体'
    run.font.size = Pt(12)
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    p.paragraph_format.line_spacing = 1.5
    p.paragraph_format.first_line_indent = Cm(0.74)
    return p

def add_body_no_indent(text):
    """添加无缩进正文"""
    p = doc.add_paragraph()
    run = p.add_run(text)
    run.font.name = '宋体'
    run.font.size = Pt(12)
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    p.paragraph_format.first_line_indent = Cm(0)
    return p


# ============================================================
# 封面
# ============================================================
for _ in range(3):
    doc.add_paragraph()  # 空行

add_title('电子信息技术工程基础训练', size=26)
doc.add_paragraph()
add_title('课 程 项 目 书', size=22)

doc.add_paragraph()
doc.add_paragraph()

# 项目信息表
info_items = [
    ('课题名称', '垃圾图像分类系统'),
    ('组员姓名（学号）', '23051073 张锐聪\n（手写）'),
    ('专业年级', '电子信息科学与技术专业2023级'),
    ('项目书分数', ''),
    ('评分教师', ''),
    ('评分日期', ''),
]

for label, value in info_items:
    p = doc.add_paragraph()
    p.alignment = WD_ALIGN_PARAGRAPH.CENTER
    run = p.add_run(f'{label}：{value}')
    run.font.name = '宋体'
    run.font.size = Pt(14)
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    p.paragraph_format.first_line_indent = Cm(0)

# ============================================================
# 填写须知（新页）
# ============================================================
doc.add_page_break()
add_title('填 写 须 知', size=20)

notes = [
    '字体用小四号宋体，1.5倍行距，段落首字缩进2字符。项目书需提交一份纸质版。要求统一用A4纸单面印制。',
    '评分标准如下（课程项目书占期末总成绩的70%，个人心得占30%）：',
    '（1）课题实施的目的、意义：描述该作品设计的意义，占15分。字数不少于400字。',
    '（2）研究内容：对该作品的组成，功能进行描述，需要给出系统组成框图，占30分。',
    '（3）项目实施的基础条件：描述实现该作品所具备的硬件、软件、技术条件等，占15分，字数不少于300字。',
    '（4）项目实施方案：描述设计该作品的技术路线及过程。占15分。',
    '（5）项目过程总结：描述在实现该项目过程中的团队成员分工，遇到的技术问题以及如何解决，以及该项目的实现效果的总结。占15分。',
    '（6）项目书格式：需要排版整齐再打印，格式分占10分。要求每个部分的标题（宋体，小二加粗），需在新一页的开头居中。',
]

for note in notes:
    p = doc.add_paragraph()
    run = p.add_run(note)
    run.font.name = '宋体'
    run.font.size = Pt(12)
    run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    p.paragraph_format.line_spacing = 1.5
    p.paragraph_format.first_line_indent = Cm(0.74)

# ============================================================
# 一、课题实施的目的、意义
# ============================================================
add_heading_newpage('一、课题实施的目的、意义', size=18)

add_subheading('一、项目实施目的')

add_body(
    '1. 随着城市化进程的加速和人们生活水平的提高，生活垃圾产生量急剧增加，'
    '垃圾分类成为城市管理中的重要课题。我国于2019年起逐步推行垃圾分类政策，'
    '但在实际执行过程中，普通居民对垃圾的正确分类存在困难，常常因为不清楚'
    '某物品属于哪类垃圾而投错垃圾桶。因此，开发一款能够自动识别垃圾类型并'
    '提示正确投放方式的智能系统，具有重要的现实意义。'
)

add_body(
    '2. 本项目设计并实现了一款基于深度学习的垃圾图像分类系统。用户只需拍摄'
    '或上传垃圾照片，系统即可通过AI模型自动识别物品，并判断其属于可回收垃圾、'
    '有害垃圾、厨余垃圾还是其他垃圾，同时告知应投入什么颜色的垃圾桶。该系统'
    '能有效降低居民垃圾分类的学习成本，提高分类准确率，助力环保政策的落地实施。'
)

add_body(
    '3. 针对传统图像分类模型在垃圾分类场景中精度不足的问题，本项目采用'
    'DETR目标检测预处理 + CLIP零样本分类 + TrOCR文字识别的多阶段流水线架构，'
    '能够先定位图片中的主体物体，读取物品上的品牌文字，再进行精准分类，'
    '显著提升了对复杂场景下垃圾物品的识别准确率。'
)

add_body(
    '4. 了解深度学习图像分类的基本原理，掌握CLIP零样本分类模型的部署与优化方法，'
    '熟悉FastAPI后端框架的搭建流程，以及前端移动端适配技术。'
)

add_subheading('二、项目实施意义')

add_body(
    '1. 随着环境保护意识的增强和垃圾分类政策的推广，居民对垃圾分类工具的需求'
    '日益增长。本系统通过AI技术为用户提供即时、准确的垃圾分类指导，降低了'
    '分类门槛，有助于提高全民垃圾分类的执行率，减少"混投乱放"现象，推动'
    '垃圾资源化利用和减量化处理。'
)

add_body(
    '2. 传统的垃圾分类方式依赖居民的环保知识记忆，不同地区的分类标准也存在差异，'
    '导致分类准确率参差不齐。本系统利用AI视觉识别技术，无需用户具备专业知识，'
    '只需拍照即可获得分类结果，极大降低了使用门槛。同时系统支持手机拍照和'
    '相册上传两种方式，方便居民随时使用。'
)

add_body(
    '3. 本项目设计的多阶段识别流水线——DETR检测主体、TrOCR识别文字、CLIP零样本分类——'
    '不仅提高了垃圾识别的准确率，还为图像分类技术在垂直领域的应用提供了'
    '可复用的技术方案。特别是OCR文字识别与物品分类的结合，使得系统能够'
    '识别出带有品牌标签的物体，输出如"一个FoYes的塑料杯"这样的自然描述，'
    '提升了用户体验。'
)

add_body(
    '4. 通过本项目的开发，团队成员深入掌握了深度学习模型部署（Transformers/HuggingFace）、'
    'Web服务开发（FastAPI）、前端界面设计（响应式HTML/CSS/JS）以及Docker容器化部署'
    '（HuggingFace Spaces）等全栈技术能力，为今后从事AI应用开发积累了宝贵经验。'
)

# ============================================================
# 二、研究内容
# ============================================================
add_heading_newpage('二、研究内容', size=18)

add_subheading('一、研究内容')

add_body(
    '本系统针对居民日常生活中的垃圾分类难题，开发了一套基于深度学习的垃圾图像'
    '智能分类系统。系统采用B/S架构，用户通过手机浏览器即可访问。核心流程为：'
    '用户拍照或上传垃圾照片后，系统首先使用DETR目标检测模型扫描图片，定位并'
    '裁切出主体物体；随后使用TrOCR文字识别模型读取物品上的品牌文字或标签信息；'
    '接着使用CLIP零样本分类模型分别对物品进行通用识物和垃圾分类；最后输出'
    '物品名称、自然语言描述以及对应的四类垃圾类别和投放指南。系统还具备触觉'
    '震动反馈、毛玻璃UI动效等良好的移动端交互体验。'
)

add_body_no_indent('　　　　　　　　　　【系统组成框图】')
add_body_no_indent('')
add_body_no_indent('　┌──────────┐    ┌──────────┐    ┌──────────┐    ┌──────────┐')
add_body_no_indent('　│ 拍照/上传 │ -> │ DETR    │ -> │ TrOCR   │ -> │ CLIP    │')
add_body_no_indent('　│  图片输入 │    │ 主体检测 │    │ 文字识别 │    │ 零样本  │')
add_body_no_indent('　└──────────┘    └──────────┘    └──────────┘    └────┬─────┘')
add_body_no_indent('　　　　　　　　　　　　　　　　　　　　　　　　　　　        │')
add_body_no_indent('　　　　　　　　　　　　　　　　　　　　　　　　　　　        v')
add_body_no_indent('　┌──────────┐    ┌──────────┐    ┌──────────────────────┐')
add_body_no_indent('　│ 垃圾分类 │ <- │ 智能描述 │ <- │ 识物 + 垃圾标签比对 │')
add_body_no_indent('　│ 结果展示 │    │ 生成输出 │    │                      │')
add_body_no_indent('　└──────────┘    └──────────┘    └──────────────────────┘')

add_body('')

add_subheading('二、解决的关键问题')

add_body(
    '1. 复杂背景下的垃圾识别问题：直接使用CLIP对整张图片进行分类时，背景中的'
    '干扰物会严重影响分类准确率。例如拍一个泡面桶在堆满物品的桌上，模型可能'
    '被周围的物体误导。本项目通过引入DETR目标检测模型先找出主体物体并裁切，'
    '再对裁切后的区域进行分类，有效排除了背景干扰。'
)

add_body(
    '2. 相似物品的区分问题：废纸和纸巾在外观上相似但属于不同分类（纸类可回收，'
    '用过的纸巾是其他垃圾）。本系统通过详细化的英文标签描述（如"tissue paper '
    'and napkins used" vs "paper and cardboard for recycling"）帮助CLIP模型'
    '做出更精准的区分。'
)

add_body(
    '3. 物品品牌与文字识别：用户上传一个带有品牌标签的物体时，系统应能读出'
    '品牌名。本项目集成了TrOCR文字识别模型，能够从裁切后的物体图片中提取'
    '文字信息，生成如"一个FoYes的塑料杯"的自然描述，提升了识别结果的'
    '可理解性和可信度。'
)

add_body(
    '4. 移动端的可用性问题：系统需要适配手机端的拍照流程、触屏交互和网络环境。'
    '前端采用响应式设计、viewport适配、触觉振动反馈（navigator.vibrate）'
    '和点击涟漪动效，确保移动端操作流畅自然。后端通过异步处理和模型延迟加载'
    '优化响应速度。'
)

add_subheading('三、本项目所研究的模块分析')

add_body('1. 软件部分')

add_body(
    '（1）图像预处理模块：使用 Facebook 的 DETR（Detection Transformer）模型'
    '（detr-resnet-50）对输入图片进行目标检测。该模型基于Transformer架构，'
    '能够端到端地检测图片中的物体并输出边界框。系统会过滤掉人、动物等无关'
    '类别，选取置信度最高且与垃圾相关的物体，将其区域裁切出来并添加25%的'
    '边距保留上下文。置信度低于0.3时使用原图。'
)

add_body(
    '（2）文字识别模块：使用 Microsoft 的 TrOCR（TrOCR-small-printed）模型'
    '对裁切后的图片进行文字识别。该模型基于Transformer的编解码架构，能够'
    '从图片中提取印刷体文字（如品牌名、标签文字）。识别结果与物体名称结合，'
    '生成自然语言描述。'
)

add_body(
    '（3）零样本分类模块：使用 OpenAI 的 CLIP（ViT-B/32）模型进行零样本图像'
    '分类。系统维护了60个垃圾专用候选标签（如"instant noodle cup styrofoam '
    'cup with lid"）和80个通用物品标签（如"water bottle"、"cell phone"）。'
    'CLIP模型计算图像与所有标签的语义相似度，取最匹配的标签作为识别结果。'
    '垃圾标签再映射到中国四分类标准（可回收/有害/厨余/其他）。'
)

add_body(
    '（4）后端服务模块：基于 FastAPI 框架搭建REST API服务。核心端点 /api/classify '
    '接收multipart/form-data格式的图片上传，依次调用DETR、TrOCR、CLIP模型，'
    '最终返回包含物品名称、描述、置信度、垃圾类别、投放指南等信息的JSON响应。'
    '服务支持CORS跨域访问，便于手机等外部设备连接。'
)

add_body(
    '（5）前端展示模块：纯HTML/CSS/JS实现移动端响应式界面。采用暗色背景与'
    '毛玻璃（backdrop-filter: blur）设计风格，配合动态浮动光晕背景、加载动画、'
    '结果弹入动效等视觉效果。所有按钮和交互元素支持触觉震动反馈和点击涟漪动效。'
    '使用 Google Fonts（Noto Sans SC）提升中文字体显示品质。'
)

# ============================================================
# 三、项目实施的基础条件
# ============================================================
add_heading_newpage('三、项目实施的基础条件', size=18)

add_subheading('一、项目研究的基础条件')

add_body(
    '1. 硬件条件：本项目主要基于软件开发和云端部署，对硬件要求较低。开发阶段'
    '使用个人笔记本电脑（Windows 11系统），部署阶段使用 HuggingFace Spaces '
    '提供的云端服务器资源（2 vCPU / 16GB RAM / 无GPU），支撑DETR、CLIP、'
    'TrOCR等深度学习模型的加载与推理运算。用户端仅需一部能拍照并上网的手机'
    '即可使用，无需安装任何额外App。'
)

add_body(
    '2. 软件条件：项目后端基于Python 3.11开发，核心依赖包括PyTorch深度学习'
    '框架、HuggingFace Transformers库（提供DETR、CLIP、TrOCR模型的加载与推理）、'
    'FastAPI Web框架、Pillow图像处理库等。前端无框架依赖，仅使用标准HTML5、'
    'CSS3和JavaScript。开发工具为VS Code，版本控制使用Git，容器化部署使用'
    'Docker。'
)

add_body(
    '3. 技术条件：'
)

add_body(
    '（1）深度学习模型方面，CLIP（Contrastive Language-Image Pre-training）'
    '是由OpenAI开发的零样本图像分类模型，通过4亿图文对训练而成，能够理解'
    '图像与自然语言描述之间的语义关系，无需针对垃圾分类任务重新训练即可'
    '进行零样本分类。DETR是Facebook AI开发的基于Transformer的目标检测模型，'
    '实现了端到端的物体检测，无需像传统方法那样依赖锚框和NMS后处理。TrOCR'
    '是微软出品的基于Transformer的OCR模型，将图片直接转化为文字序列。'
)

add_body(
    '（2）Web部署方面，HuggingFace Spaces提供了免费的Docker容器托管服务，'
    '支持自动构建和HTTPS访问。项目使用Dockerfile定义环境，依赖在构建时自动'
    '安装，首次启动后模型被持久缓存，后续调用无需重复下载。'
)

add_body(
    '（3）前端技术方面，响应式设计使用CSS媒体查询和flexbox布局，确保在'
    '各种屏幕尺寸下正常显示。CSS自定义属性（CSS Variables）实现主题一致性和'
    '动态颜色切换。Google Fonts提升字体品质。通过navigator.vibrate API'
    '实现移动端触觉反馈，无需额外依赖。'
)

# ============================================================
# 四、项目实施方案
# ============================================================
add_heading_newpage('四、项目实施方案', size=18)

add_body(
    '基于 DETR + CLIP + TrOCR 的智能垃圾分类系统的设计与实现，项目分四个阶段'
    '进行，最终形成一个完整可用的在线垃圾分类系统。'
)

add_subheading('一、项目准备')

add_body(
    '1. 了解CLIP零样本分类模型的基本原理和使用方式，学习HuggingFace Transformers'
    '库的pipeline API，掌握模型的加载、推理和部署方法。'
)
add_body(
    '2. 了解DETR目标检测模型的原理和用法，研究如何将检测结果用于图片裁切预处理。'
)
add_body(
    '3. 了解TrOCR文字识别模型的功能和局限，设计OCR结果与物品名称的组合策略。'
)
add_body(
    '4. 学习FastAPI框架的基本用法，掌握文件上传、CORS配置、异步处理等Web开发技术。'
)
add_body(
    '5. 学习移动端响应式界面设计，掌握触觉反馈API和CSS动效开发。'
)
add_body(
    '6. 学习Docker容器化技术和HuggingFace Spaces的部署流程。'
)

add_subheading('二、设计开发')

add_body(
    '1. 设计系统整体架构：确定"拍照/上传→DETR检测→TrOCR识别→CLIP分类→结果展示"'
    '五步流水线架构，明确每个模块的输入输出接口和数据格式。'
)
add_body(
    '2. 实现GarbageClassifier核心类：在model.py中封装DETR目标检测、TrOCR文字识别'
    '和CLIP零样本分类三个模型，均采用延迟加载模式（首次使用时才下载权重），'
    '确保服务快速启动。设计60个垃圾专用候选标签和80个通用物品标签，建立'
    '标签到中国四分类标准的完整映射。'
)
add_body(
    '3. 实现FastAPI后端服务：搭建REST API，设计/api/classify（图片分类）、'
    '/api/health（健康检查）、/api/categories（分类信息）三个端点。配置CORS'
    '中间件允许跨域访问，实现文件验证、临时文件管理等辅助功能。'
)
add_body(
    '4. 实现前端界面：采用暗色毛玻璃设计风格，设计拍照/相册/拖拽三种图片'
    '输入方式。实现触觉震动反馈（navigator.vibrate）、点击涟漪动效、加载动画'
    '三部曲（读取图片→AI识别→分类匹配）、结果卡片弹入动效等交互细节。'
    '结果页面按序展示：物品识别（含品牌文字描述）→ 垃圾类别徽章 → '
    '垃圾桶信息 → 检测详情 → 其他可能分类。'
)
add_body(
    '5. 实现部署配置：编写Dockerfile基于Python 3.11-slim构建镜像，配置'
    'Tsinghua PyPI镜像加速依赖安装。使用Git部署到HuggingFace Spaces，'
    '实现一键推送、自动构建、HTTPS在线访问。'
)

add_subheading('三、功能优化与测试')

add_body(
    '1. 候选标签优化：针对初期测试中"泡面桶被识别为一次性筷子"的问题，'
    '优化了CLIP候选标签的描述方式，增加更具体、更具区分度的英语描述，'
    '如将"instant noodle cup"改为"instant noodle cup styrofoam cup with lid"，'
    '将"disposable chopsticks"改为"disposable wooden chopsticks pair"，'
    '使CLIP能更好地区分视觉上相似的物品。'
)
add_body(
    '2. 主体检测效果优化：测试DETR在不同场景下的检测效果，调整过滤策略——'
    '自动排除人、动物等无关类别，设置置信度阈值0.3，裁切边距25%。'
    '对于检测失败的情况，自动回退到全图分类。'
)
add_body(
    '3. 置信度阈值调优：根据测试结果设定置信度分级策略——>60%使用精确描述，'
    '30%-60%使用"可能是"等模糊措辞，<30%使用"一个类似…的物品"等保守表达。'
    '前端的置信度颜色也对应设置为绿色/黄色/红色，直观提示用户。'
)

add_subheading('四、计划安排')

# 表格方式展示计划
table = doc.add_table(rows=5, cols=3)
table.style = 'Table Grid'

# 表头
cells = table.rows[0].cells
cells[0].text = '阶段'
cells[1].text = '时间'
cells[2].text = '成果'

# 内容
stages = [
    ('第一阶段', '2025年9月-2025年10月', '完成项目需求分析与技术方案设计，确定系统架构。学习CLIP、DETR、TrOCR模型原理，搭建开发环境。'),
    ('第二阶段', '2025年10月-2025年11月', '实现GarbageClassifier核心类，完成DETR检测+裁切、CLIP分类、TrOCR识别的集成与联调。'),
    ('第三阶段', '2025年11月-2025年12月', '搭建FastAPI后端服务与前端界面开发。完成暗色毛玻璃主题、触觉反馈、涟漪动效等交互设计。'),
    ('第四阶段', '2025年12月-2026年1月', '系统集成测试与优化。部署到HuggingFace Spaces，完成移动端适配测试。项目文档撰写与验收。'),
]

for i, (stage, time, result) in enumerate(stages):
    row = table.rows[i + 1]
    row.cells[0].text = stage
    row.cells[1].text = time
    row.cells[2].text = result

# ============================================================
# 五、项目过程总结
# ============================================================
add_heading_newpage('五、项目过程总结', size=18)

add_body(
    '本项目的实施过程中，团队由一名成员独立完成全部开发工作。项目涵盖了'
    '深度学习模型部署、后端服务开发、前端界面设计、云端部署等多个技术领域，'
    '是一次完整的全栈AI应用开发实践。'
)

add_body(
    '在技术实现方面，项目初始版本采用CLIP零样本分类模型直接对整张图片进行分类，'
    '但在测试中发现准确率不够理想，特别是当背景复杂或物品在画面中占比较小时，'
    '分类结果容易出错。针对这一问题，后续引入了DETR目标检测模型作为预处理步骤，'
    '先检测主体物体再裁切分类，显著提升了分类准确率。同时，为了提供更自然的'
    '识别结果描述，又集成了TrOCR文字识别模型，使系统能够读取物品上的品牌文字，'
    '生成如"一个FoYes的塑料杯"这样的自然语言描述。'
)

add_body(
    '在前端交互方面，配合项目的环保主题，设计了暗色毛玻璃风格界面。引入了触觉'
    '震动反馈（navigator.vibrate）和点击涟漪动效，增强了移动端的使用体验。'
    '通过Google Fonts引入Noto Sans SC字体，提升了中文显示品质。整体设计追求'
    '简约高级感，同时通过动态浮动光晕、加载动画等细节让页面富有活力。'
)

add_body(
    '在部署方面，项目初期使用ngrok进行临时公网穿透，后转为永久部署到HuggingFace '
    'Spaces。采用Docker容器化技术，配置了Tsinghua镜像加速以适应国内网络环境。'
    '模型采用延迟加载策略，用户首次使用时才下载权重文件（约760MB），后续请求'
    '使用缓存，响应速度大幅提升。'
)

add_body(
    '项目过程中遇到的主要技术问题包括：（1）Windows环境下GBK编码问题导致中文'
    '输出异常，通过设置PYTHONIOENCODING=utf-8环境变量解决；（2）ngrok免费版'
    '不支持HTTP代理，需要在启动时清除HTTP_PROXY/HTTPS_PROXY环境变量；'
    '（3）HuggingFace Spaces首次构建需下载模型权重，耗时较长，后续通过模型缓存'
    '优化；（4）CLIP零样本模型对视觉相似物品区分度有限，通过优化候选标签描述'
    '词（增加具体语境修饰）得以改善。'
)

add_body(
    '项目最终实现了一个功能完整的在线垃圾图像分类系统，部署在HuggingFace Spaces'
    '上，用户可通过手机浏览器随时访问。系统支持拍照和相册上传两种方式，能够'
    '识别60多种常见垃圾物品，分类准确率较初始版本有显著提升。后续可考虑引入'
    '更强大的CLIP模型（如ViT-L/14）进一步提升准确率，以及增加语音播报功能'
    '方便视力障碍人士使用。'
)

# 团队信息
add_subheading('团队组成')
table2 = doc.add_table(rows=2, cols=3)
table2.style = 'Table Grid'
table2.rows[0].cells[0].text = '姓名'
table2.rows[0].cells[1].text = '学号'
table2.rows[0].cells[2].text = '联系方式'
table2.rows[1].cells[0].text = '张锐聪'
table2.rows[1].cells[1].text = '23051073'
table2.rows[1].cells[2].text = ''

add_subheading('人员分工')
table3 = doc.add_table(rows=2, cols=3)
table3.style = 'Table Grid'
table3.rows[0].cells[0].text = '姓名'
table3.rows[0].cells[1].text = '负责工作'
table3.rows[0].cells[2].text = '占比'
table3.rows[1].cells[0].text = '张锐聪'
table3.rows[1].cells[1].text = '系统架构设计、模型部署、后端开发、前端开发、部署运维（独立完成全部工作）'
table3.rows[1].cells[2].text = '100%'

# ============================================================
# 评分表
# ============================================================
doc.add_paragraph()
add_subheading('评分表')
table4 = doc.add_table(rows=7, cols=3)
table4.style = 'Table Grid'
scores = [
    ('内容', '分值', '得分'),
    ('一、课题实施的目的、意义', '15', ''),
    ('二、研究内容', '30', ''),
    ('三、项目实施的基础条件', '15', ''),
    ('四、项目实施方案', '15', ''),
    ('五、项目过程总结', '15', ''),
    ('项目书格式', '10', ''),
]
for i, row_data in enumerate(scores):
    table4.rows[i].cells[0].text = row_data[0]
    table4.rows[i].cells[1].text = row_data[1]
    table4.rows[i].cells[2].text = row_data[2]

p = doc.add_paragraph()
run = p.add_run('总分：100')
run.font.name = '宋体'
run.font.size = Pt(14)
run.bold = True
run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')

# ============================================================
# 保存
# ============================================================
output_path = os.path.join(os.path.dirname(__file__), '垃圾图像分类系统_课程项目书.docx')
doc.save(output_path)
print(f'✅ 项目书已生成: {output_path}')
print(f'   文件大小: {os.path.getsize(output_path) / 1024:.1f} KB')