Fähigkeiten azure-ai-vision-imageanalysis-java
📦

azure-ai-vision-imageanalysis-java

Sicher

Erstellen Sie Bildanalyse-Apps mit Azure AI Vision Java SDK

Benötigen Sie Bildbeschriftung, OCR-Textextraktion, Objekterkennung oder intelligentes Zuschneiden für Ihre Java-Anwendung? Dieses Skill bietet sofort einsatzbereite Codemuster für die Integration des Azure AI Vision SDK mit ordnungsgemäßer Anmeldedatenverwaltung und Fehlerbehandlung.

Unterstützt: Claude Codex Code(CC)
🥉 72 Bronze
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "azure-ai-vision-imageanalysis-java". Beschriftung für image.jpg generieren

Erwartetes Ergebnis:

Das Azure AI Vision SDK generiert eine Beschriftung wie: 'Eine Gruppe von Personen, die an einem Konferenztisch sitzen und eine Präsentation besprechen' mit einem Konfidenzwert von 0,92. Der Code zeigt, wie sowohl der Text als auch der Konfidenzwert extrahiert werden.

Verwendung von "azure-ai-vision-imageanalysis-java". Text aus receipt.png extrahieren

Erwartetes Ergebnis:

OCR-Ergebnisse enthalten strukturierte Textblöcke mit Zeilen- und Wortebenen-Details. Jedes Wort zeigt seinen Text, Konfidenzwert (z.B. 0,98) und Begrenzungspolygon-Koordinaten für präzise Positionierung.

Verwendung von "azure-ai-vision-imageanalysis-java". Objekte in photo.jpg erkennen

Erwartetes Ergebnis:

Die Objekterkennung gibt ein Array erkannter Objekte zurück. Jedes Objekt enthält Tags mit Namen (z.B. 'person', 'laptop') und Konfidenzwerten sowie Begrenzungsrahmen-Koordinaten (x, y, Breite, Höhe) zum Zeichnen von Erkennungsboxen.

Sicherheitsaudit

Sicher
v1 • 2/24/2026

This is a legitimate Azure AI Vision SDK documentation skill for Java. Static analysis flagged many patterns but all are false positives: (1) External commands detected at lines 15-268 are Maven XML and Java code examples, not shell commands. (2) Network URLs at lines 102, 269, 281 are example/demo URLs and documentation links. (3) Environment variable access at lines 32-33 uses System.getenv() for secure credential management - this is the recommended secure practice. (4) High/blocker findings for 'weak cryptographic algorithm' are YAML metadata and table formatting, not cryptographic code. The skill uses proper security practices by reading Azure credentials from environment variables rather than hardcoding them.

1
Gescannte Dateien
295
Analysierte Zeilen
4
befunde
1
Gesamtzahl Audits
Probleme mit niedrigem Risiko (4)
SKILL.md:15-21SKILL.md:27-39SKILL.md:43-50SKILL.md:54-61SKILL.md:133-148SKILL.md:152-163SKILL.md:200-216
External Commands Detection - False Positive
Static analyzer flagged 38 instances of 'Ruby/shell backtick execution' at various lines (15-268). Upon manual review, these are Maven XML dependency definitions and Java code examples - NOT shell commands. The analyzer incorrectly identified XML tags like <groupId> and <artifactId> as shell backticks.
SKILL.md:102SKILL.md:269SKILL.md:281
Hardcoded URLs - False Positive
Static analyzer flagged 3 hardcoded URLs. These are all legitimate: (1) Line 102: example.com demo URL in sample code, (2) Line 269: Azure endpoint template for environment configuration, (3) Line 281: Microsoft documentation link. No credential exfiltration risk.
SKILL.md:32SKILL.md:33
Environment Variable Access - Legitimate Secure Practice
Static analyzer flagged System.getenv() calls at lines 32-33. This is the SECURE recommended practice for handling Azure credentials - reading from environment variables rather than hardcoding them in source code. This is NOT a security vulnerability.
SKILL.md:3SKILL.md:65-67SKILL.md:281SKILL.md:294
Weak Cryptographic Algorithm - False Positive
Static analyzer flagged 'weak cryptographic algorithm' at lines 3, 65, 67, 281, 294. These are: Line 3 (YAML: 'risk: unknown'), lines 65-67 (Markdown table formatting), line 281 (Azure documentation URL), line 294 (skill description). No cryptographic code present.

Erkannte Muster

Critical Heuristic: Code Execution + Network + Credential Access - FALSE POSITIVE
Auditiert von: claude

Qualitätsbewertung

38
Architektur
100
Wartbarkeit
87
Inhalt
32
Community
97
Sicherheit
100
Spezifikationskonformität

Was du bauen kannst

Automatisierung der Dokumentendigitalisierung

Extrahieren Sie Text aus gescannten Dokumenten, Quittungen und Rechnungen, um durchsuchbare digitale Archive zu erstellen. Verwenden Sie OCR, um Papierdokumente in bearbeitbaren Text umzuwandeln.

Verbesserung von E-Commerce-Produktkatalogen

Generieren Sie automatisch Produktbildbeschriftungen und erkennen Sie Objekte für eine bessere Suchindexierung. Erstellen Sie konsistente, intelligent zugeschnittene Thumbnails für eine einheitliche Kataloganzeige.

Barrierefreiheitsfunktionen erstellen

Generieren Sie Bildbeschreibungen für sehbehinderte Benutzer. Stellen Sie automatischen Alt-Text für Bilder in Content-Management-Systemen bereit.

Probiere diese Prompts

Grundlegende Bildbeschriftung 
Verwenden Sie das Azure AI Vision Java SDK, um eine Beschriftung für das Bild im lokalen Dateipfad /path/to/image.jpg zu generieren. Zeigen Sie, wie der Client mit Umgebungsvariablen eingerichtet wird und drucken Sie den Beschriftungstext mit Konfidenzwert aus.
Text aus Dokument extrahieren 
Zeigen Sie mir, wie das Azure AI Vision SDK verwendet wird, um OCR auf einem gescannten Dokumentenbild durchzuführen. Fügen Sie Code hinzu, der durch erkannte Textblöcke, Zeilen und Wörter mit ihren Begrenzungspolygonen iteriert.
Multi-Feature-Analyse 
Schreiben Sie Java-Code, der ein Bild mit mehreren visuellen Features analysiert: Beschriftung, Tags, Objekte und Read (OCR). Zeigen Sie, wie die Analyseoptionen für geschlechtsneutrale Beschriftungen konfiguriert und die Sprache angegeben wird.
Asynchrone Bildverarbeitung 
Demonstrieren Sie, wie der Async-Client im Azure AI Vision Java SDK verwendet wird, um Bilder zu analysieren. Zeigen Sie das Subscription-Muster zur Behandlung von asynchronen Ergebnissen und Fehlern.

Bewährte Verfahren

  • Speichern Sie Azure-Anmeldeinformationen immer in Umgebungsvariablen, harten Sie API-Schlüssel niemals im Quellcode ein
  • Verwenden Sie Async-Clients für die Bildverarbeitung mit hohem Volumen, um den Durchsatz zu verbessern
  • Verwenden Sie HttpResponseException für robuste Fehlerbehandlung und Wiederholungslogik

Vermeiden

  • Harten Sie keine API-Schlüssel oder Endpunkt-URLs in Ihren Java-Quelldateien ein
  • Ignorieren Sie nicht die Fehlerbehandlung - fangen und protokollieren Sie immer Azure-Service-Ausnahmen
  • Verarbeiten Sie keine Bilder größer als 20 MB - ändern Sie die Größe vor der Analyse, um Fehler zu vermeiden

Häufig gestellte Fragen

Wie authentifiziere ich mich bei Azure AI Vision?
Sie können die Authentifizierung mit einem API-Schlüssel über KeyCredential durchführen oder DefaultAzureCredential für verwaltete Identitätsunterstützung verwenden. Speichern Sie VISION_ENDPOINT und VISION_KEY in Umgebungsvariablen.
Welche Bildformate werden unterstützt?
Azure AI Vision unterstützt JPEG, PNG, GIF, BMP, WEBP, ICO, TIFF und MPO-Formate. Die Bildgröße muss unter 20 MB liegen mit Abmessungen zwischen 50x50 und 16000x16000 Pixeln.
Kann ich Bilder von einer URL analysieren?
Ja, verwenden Sie die analyzeFromUrl()-Methode, um Bilder zu analysieren, die über HTTP-URLs zugänglich sind. Das SDK unterstützt auch die Analyse lokaler Dateien über BinaryData.fromFile().
Wie genau ist die Beschriftungsfunktion?
Konfidenzwerte für Beschriftungen liegen typischerweise zwischen 0,0 und 1,0. Höhere Werte zeigen zuverlässigere Beschriftungen an. Dense Captions liefert mehrere Beschreibungen für verschiedene Bildbereiche.
Welche Sprachen werden für OCR unterstützt?
Azure AI Vision OCR unterstützt über 90 Sprachen. Geben Sie die Sprache in ImageAnalysisOptions mit setLanguage() an für beste Ergebnisse.
Funktioniert dies mit lokalem Azure Stack?
Ja, das Azure AI Vision SDK kann eine Verbindung zu Azure Stack oder anderen Azure Cognitive Services-Instanzen herstellen, indem die entsprechende Endpunkt-URL auf Ihren lokalen Service gesetzt wird.

Entwicklerdetails

Autor

sickn33

Lizenz

MIT

Repository

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/azure-ai-vision-imageanalysis-java

Ref

main

Dateistruktur

📄 SKILL.md