Python面向对象+SQLite实战｜AI数据集管理系统完整教程

Python 面向对象 + SQLite 实战｜AI 数据集管理系统完整教程，毕设 / 竞赛直接复用

✨智能专业同学必看底层开发干货！

做图像识别、文本分类 AI 项目时，本地训练样本、日志杂乱难管理？

今天结合课堂全套知识点，用面向对象封装 + SQLite 轻量数据库搭建一套可直接落地的 AI 样本管理工具，代码完整可运行，竞赛、毕业设计拿来就能用！

unsetunset一、为什么一定要学这套组合？unsetunset

很多同学做 AI 项目只会写模型推理，忽略本地数据持久化：

1. 纯文件存储读写慢、无法快速筛选同标签样本；

2. MySQL 需要搭建服务，笔记本离线实训不方便；

3. 代码零散杂乱，增删数据逻辑重复，后期维护难。

SQLite 核心优势）

• Python 内置模块，无需额外安装，单文件数据库，开箱即用；

• 轻量无独立服务器，适配笔记本、嵌入式智能设备离线开发；

• 支持标准 SQL 语法，主键、非空、唯一约束，规范管理训练数据。

面向对象开发优势

• 封装数据库底层逻辑，隐藏连接、游标、关闭等重复操作；

• 代码高复用，新增查询、修改功能只需要扩展类方法；

• 模块化结构，符合大型 AI 项目、科创作品开发规范。

💡思政小科普：SQLite 这类轻量嵌入式数据库大量应用国产智能终端、边缘 AI 设备，掌握底层存储开发，是打造自主可控智能系统的基础能力。

unsetunset二、项目需求：AI 图像训练样本管理系统unsetunset

贴合智能专业实训、竞赛真实场景，实现完整数据 CRUD 功能：

1. 自动创建样本数据表，自带主键、唯一、非空约束；

2. 单条 / 批量导入训练图片路径、标注标签、采集时间；

3. 按标签筛选样本、修改标注、删除无效数据；

4. 自动管理数据库连接、事务回滚，杜绝数据丢失；

5. 全部逻辑封装为工具类，导入 AI 项目直接调用。

unsetunset三、完整可运行源码unsetunset

import sqlite3

# AI数据库操作工具类（面向对象封装核心）
classAIDataBase:
# 类属性：全局数据库文件名
    DB_NAME = "ai_sample.db"

# 构造特殊方法：实例化自动建表
def__init__(self):
        self.create_table()

# 私有封装方法：隐藏数据库连接逻辑，外部不可调用
def__get_conn(self):
        conn = sqlite3.connect(AIDataBase.DB_NAME)
        conn.row_factory = sqlite3.Row
return conn

# 实例方法：创建AI样本数据表（建表+字段约束）
defcreate_table(self):
        conn = self.__get_conn()
        cursor = conn.cursor()
        create_sql = '''
        CREATE TABLE IF NOT EXISTS ai_sample (
            id INTEGER PRIMARY KEY AUTOINCREMENT,
            img_path TEXT NOT NULL UNIQUE,
            label TEXT NOT NULL,
            create_time TEXT NOT NULL
        )
        '''
        cursor.execute(create_sql)
        conn.commit()
        cursor.close()
        conn.close()

# 新增单条样本（INSERT增操作）
defadd_sample(self, img_path, label, create_time):
        conn = self.__get_conn()
        cursor = conn.cursor()
        insert_sql = "INSERT INTO ai_sample(img_path, label, create_time) VALUES (?, ?, ?)"
try:
            cursor.execute(insert_sql, (img_path, label, create_time))
            conn.commit()
            print(" 样本新增成功")
except Exception as e:
            conn.rollback()
            print(f" 新增失败：{e}")
        cursor.close()
        conn.close()

# 批量导入样本（executemany批量操作）
defbatch_add_sample(self, data_list):
        conn = self.__get_conn()
        cursor = conn.cursor()
        insert_sql = "INSERT INTO ai_sample(img_path, label, create_time) VALUES (?, ?, ?)"
try:
            cursor.executemany(insert_sql, data_list)
            conn.commit()
            print(f" 批量导入{cursor.rowcount}条训练样本")
except Exception as e:
            conn.rollback()
            print(f" 批量导入失败：{e}")
        cursor.close()
        conn.close()

# 按标签查询样本（SELECT条件查询）
defquery_by_label(self, target_label):
        conn = self.__get_conn()
        cursor = conn.cursor()
        query_sql = "SELECT * FROM ai_sample WHERE label = ?"
        cursor.execute(query_sql, (target_label,))
        result = cursor.fetchall()
        cursor.close()
        conn.close()
return result

# 修改样本标签（UPDATE改操作）
defupdate_label(self, img_path, new_label):
        conn = self.__get_conn()
        cursor = conn.cursor()
        update_sql = "UPDATE ai_sample SET label = ? WHERE img_path = ?"
        cursor.execute(update_sql, (new_label, img_path))
        conn.commit()
        cursor.close()
        conn.close()

# 删除无效样本（DELETE删操作）
defdel_sample(self, img_path):
        conn = self.__get_conn()
        cursor = conn.cursor()
        del_sql = "DELETE FROM ai_sample WHERE img_path = ?"
        cursor.execute(del_sql, (img_path,))
        conn.commit()
        cursor.close()
        conn.close()

# 类方法：查看数据库文件名称
    @classmethod
defshow_db_name(cls):
        print(f" 当前数据库文件：{cls.DB_NAME}")


# 主程序调用演示
if __name__ == "__main__":
# 调用类方法
    AIDataBase.show_db_name()
# 实例化数据库对象，自动创建数据表
    db = AIDataBase()

# 单条添加训练样本
    db.add_sample("train/cat_001.jpg", "猫", "2026-08-06")
    db.add_sample("train/dog_001.jpg", "狗", "2026-08-06")

# 批量导入多条样本
    batch_data = [
        ("train/cat_002.jpg", "猫", "2026-08-06"),
        ("train/dog_002.jpg", "狗", "2026-08-06"),
        ("train/bird_001.jpg", "鸟", "2026-08-06")
    ]
    db.batch_add_sample(batch_data)

# 查询所有猫类样本
    cat_samples = db.query_by_label("猫")
    print("n===== 猫类训练样本 =====")
for item in cat_samples:
        print(f"图片路径：{item['img_path']}，标注标签：{item['label']}")

# 修改样本标签、删除无效数据
    db.update_label("train/bird_001.jpg", "鸟类")
    db.del_sample("train/dog_002.jpg")

unsetunset四、代码对标课堂核心知识点unsetunset

🔹 Python 面向对象知识点全覆盖

1. 类与实例：AIDataBase为模板类，db = AIDataBase()创建操作对象；

2. 类属性 / 类方法：DB_NAME全局常量、@classmethod查看数据库名；

3. 特殊构造方法**__init__**：创建对象自动生成数据表，简化初始化；

4. 封装特性：__get_conn()私有方法，隐藏数据库连接底层逻辑，避免外部误操作；

5. 实例方法：所有增删改查功能封装为实例方法，逻辑清晰易扩展。

🔹 SQLite 数据库核心知识点全覆盖

1. 5 大数据类型、完整字段约束：PRIMARY KEY主键自增、NOT NULL非空、UNIQUE路径唯一；

2. Python 操作数据库标准 6 步流程：连接→创建游标→执行 SQL→事务提交→关闭游标→关闭连接；

3. Cursor 全套方法：execute单条执行、executemany批量、fetchall全量读取；

4. 完整 CRUD 语句：建表 CREATE、新增 INSERT、查询 SELECT、修改 UPDATE、删除 DELETE；

5. 事务安全机制：正常提交 commit，异常自动回滚 rollback，规避数据丢失；

6. ?占位符防 SQL 注入，符合工业开发安全规范。

unsetunset五、专创融合｜直接用于竞赛 / 毕设unsetunset

这套工具不是单纯课堂习题，是可落地的科创项目组件：

1. 图像识别竞赛：管理数据集图片路径、分类标签，快速筛选同类样本用于模型训练；

2. 毕业设计系统：拓展训练日志表，记录模型损失、准确率，完整存储实验数据；

3. 嵌入式 AI 项目：SQLite 轻量化特性适配边缘设备离线存储，无需搭建数据库服务。

课堂拓展小任务（可直接当课后作业）

1. 新增方法：按时间区间筛选训练样本；

2. 拓展子类：使用继承，新建ModelLogDB管理模型训练日志；

3. 增加清空全表、统计各类样本数量功能。

unsetunset六、课程思政小总结unsetunset

1. 工匠精神：代码规范、强制释放数据库资源、事务异常回滚，养成严谨开发习惯，杜绝数据丢失、内存泄漏；

2. 数据伦理：通过唯一、非空约束规范 AI 训练数据，保护标注劳动成果，树立数据安全意识；

3. 信创发展：轻量 SQLite 广泛适配国产智能硬件，学好底层存储开发，夯实自主可控 AI 技术根基。

unsetunset