CLI：命令行

**Chloros CLI** 提供了对 Chloros 图像处理引擎的强大命令行访问功能，可为您的图像处理工作流实现自动化、脚本化和无头操作。

主要功能

• 🚀 自动化 - 通过脚本批量处理多个数据集

• 🔗 集成 - 嵌入现有工作流和管道

• 💻 无头运行 - 无需图形界面即可运行

• 🌍 多语言支持 - 支持 38 种语言

• ⚡ 并行处理 - 动态计算适配 可根据您的硬件自动进行优化

系统要求

要求	详细信息
操作系统	Windows 10/11 (64 位), Linux x86_64 (amd64), Linux arm64 (NVIDIA Jetson JetPack 6)
许可证	Chloros+ (需付费计划)
内存	至少 8GB RAM（建议 16GB）
网络	许可证激活必备
磁盘空间	视项目大小而定

许可证要求：CLI 需要付费的 Chloros+ 订阅。 标准（免费）套餐不包含 CLI 访问权限。请访问 https://cloud.mapir.camera/pricing 进行升级。

快速入门

安装

Windows

CLI 已自动包含在 Chloros 安装程序中：

1. 下载并运行 Chloros Installer.exe

2. 完成安装向导

3. CLI 安装路径：C:\Program Files\Chloros\resources\cli\chloros-cli.exe

安装程序会自动将 chloros-cli 添加到系统 PATH 中。安装完成后请重启终端。

Linux

请安装适用于您系统架构的 .deb 软件包：

# Linux amd64
sudo dpkg -i chloros-amd64.deb

# Linux arm64 (NVIDIA Jetson, JetPack 6)
sudo dpkg -i chloros-arm64-jp6.deb

有关 Linux 的详细设置，请参阅 Linux 安装。

首次设置

在使用 CLI 之前，请激活您的 Chloros+ 许可证：

Windows:

# Login with your Chloros+ account
chloros-cli login [e-mail] 'your_password'

# Check license status
chloros-cli status

# Process your first project
chloros-cli process "C:\Images\Dataset001"

Linux:

# Login with your Chloros+ account
chloros-cli login [e-mail] 'your_password'

# Check license status
chloros-cli status

# Process your first project
chloros-cli process ~/images/dataset001

基本用法

使用默认设置处理文件夹：

Windows:

chloros-cli process "C:\Images\Dataset001"

Linux:

chloros-cli process ~/images/dataset001

---

命令参考

通用语法

chloros-cli [global-options] <command> [command-options]

---

命令

process - 处理图像

对文件夹中的图像进行校准处理。

语法：

chloros-cli process <input-folder> [options]

示例：

# Windows
chloros-cli process "C:\Datasets\Survey_001" --vignette --reflectance

# Linux
chloros-cli process ~/datasets/survey_001 --vignette --reflectance

处理命令选项

选项	类型	默认值	描述
<input-folder>	路径	必填	包含 RAW/JPG 多光谱图像的文件夹
-o, --output	路径	与输入相同	处理后图像的输出文件夹
-n, --project-name	字符串	自动生成	自定义项目名称
--vignette	标志	已启用	启用暗角校正
--no-vignette	标志	-	禁用暗角校正
--reflectance	标志	已启用	启用反射率校准
--no-reflectance	标志	-	禁用反射率校准
--ppk	标志	禁用	应用来自 .daq 光传感器数据的 PPK 校正
--format	选项	TIFF (16 位)	输出格式：TIFF (16-bit)、TIFF (32-bit, Percent)、PNG (8-bit)、JPG (8-bit)
--min-target-size	整数	自动	校准面板检测的最小目标像素尺寸
--target-clustering	整数	自动	目标聚类阈值 (0-100)
--debayer	选项	standard	去拜耳化方法：standard 或 texture-aware（仅限 Chloros+）
--target, --targets	标志	禁用	仅在“target”或“targets”子文件夹中搜索校准目标（加快处理速度）
--indices	列表	无	待计算的植被指数（例如：--indices NDVI NDRE GNDVI）
--exposure-pin-1	字符串	无	锁定相机型号的曝光参数（引脚 1）
--exposure-pin-2	字符串	无	相机型号的曝光锁定（引脚 2）
--recal-interval	整数	自动	重新校准间隔（秒）
--timezone-offset	整数	0	时区偏移（小时）

---

login - 账户认证

请使用您的 Chloros+ 凭据登录，以启用 CLI 处理。

语法：

chloros-cli login <email> <password>

示例：

chloros-cli login [e-mail] 'MyP@ssw0rd123'

特殊字符：若密码包含 $、! 或空格等字符，请使用单引号将其括起来。

输出：

***

logout - 清除凭据

清除存储的凭据并退出您的账户。

语法：

chloros-cli logout

示例：

chloros-cli logout

输出：

✓ Logout successful
ℹ Credentials cleared from cache

SDK 用户：Python SDK 还提供了一种编程方法，可在 Python 脚本中清除凭据。 详情请参阅 Python SDK 文档。

---

status - 检查许可证状态

显示当前许可证和身份验证状态。

语法：

chloros-cli status

示例：

chloros-cli status

输出：

╔══════════════════════════════════════╗
║     LICENSE & ACCOUNT INFORMATION    ║
╚══════════════════════════════════════╝

📧 Email: [e-mail]
📋 Plan: Chloros+ Professional
🔓 API/CLI Access: Enabled
✓ Status: Active

---

export-status - 检查导出进度

在处理过程中或处理结束后监控线程 4 的导出进度。

语法：

chloros-cli export-status

示例：

chloros-cli export-status

用例： 在处理运行期间调用此命令以检查导出进度。***

language - 管理界面语言

查看或更改 CLI 界面语言。

语法：

# Show current language
chloros-cli language

# List all available languages
chloros-cli language --list

# Set a specific language
chloros-cli language <language-code>

示例：

# View current language
chloros-cli language

# List all 38 supported languages
chloros-cli language --list

# Change to Spanish
chloros-cli language es

# Change to Japanese
chloros-cli language ja

支持的语言（共 38 种）

代码	语言	本地名称
en	英语	English
es	西班牙语	Español
pt	葡萄牙语	Português
fr	法语	Français
de	德语	Deutsch
it	意大利语	Italiano
ja	日语	日本語
ko	韩语	한국어
zh	简体中文	简体中文
zh-TW	繁体中文	繁體中文
ru	俄语	Русский
nl	荷兰语	Nederlands
ar	阿拉伯语	العربية
pl	波兰语	Polski
tr	土耳其语	Türkçe
hi	印地语	हिंदी
id	印尼语	Bahasa Indonesia
vi	越南语	Tiếng Việt
th	泰语	ไทย
sv	瑞典语	Svenska
da	丹麦语	Dansk
no	挪威语	Norsk
fi	芬兰语	Suomi
el	希腊语	Ελληνικά
cs	捷克语	Čeština
hu	匈牙利语	Magyar
ro	罗马尼亚语	Română
uk	乌克兰语	Українська
pt-BR	巴西葡萄牙语	Português Brasileiro
zh-HK	粤语	粵語
ms	马来语	Bahasa Melayu
sk	斯洛伐克语	Slovenčina
bg	保加利亚语	Български
hr	克罗地亚语	Hrvatski
lt	立陶宛语	Lietuvių
lv	拉脱维亚语	Latviešu
et	爱沙尼亚语	Eesti
sl	斯洛文尼亚语	Slovenščina

自动保存：您的语言偏好设置将保存至 ~/.chloros/cli_language.json，并在所有会话中保持有效。

---

set-project-folder - 设置默认项目文件夹

更改默认项目文件夹位置（与 Windows 中的 GUI 共享）。

语法：

chloros-cli set-project-folder <folder-path>

示例：

# Windows
chloros-cli set-project-folder "C:\Projects\2025"

# Linux
chloros-cli set-project-folder ~/projects/2025

---

get-project-folder - 显示项目文件夹

显示当前默认项目文件夹的位置。

语法：

chloros-cli get-project-folder

示例：

chloros-cli get-project-folder

输出：

# Windows
ℹ Current project folder: C:\Projects\2025

# Linux
ℹ Current project folder: /home/user/.local/share/chloros/projects

---

reset-project-folder - 恢复默认设置

将项目文件夹重置为默认位置。

语法：

chloros-cli reset-project-folder

---

selftest - 运行系统诊断

运行 7 项诊断检查以验证系统配置。

语法：

chloros-cli selftest

执行的诊断项目：

1. 版本检查

2. 端口可用性 (5000)

3. 后端启动

4. API 连接性测试

5. 系统信息和 GPU 检测

6. 降噪模型验证

7. CUDA 可用性检查

故障排除提示：安装完成后运行 selftest 以验证系统配置是否正确，特别是在 Linux/Jetson 平台上，可能需要验证 GPU 和 CUDA 的设置。

---

update - 检查更新（仅限 Linux）

在 Linux 系统上检查并安装 CLI 更新。

语法：

# Check for updates without installing
chloros-cli update --check

# Check for and install updates
chloros-cli update

选项	描述
--check	仅检查更新，不安装

此命令仅在 Linux 系统上可用。在 Windows 系统上，更新通过安装程序提供。

---

全局选项

以下选项适用于所有命令：

选项	类型	默认值	描述
--backend-exe	路径	自动检测	后端可执行文件的路径
--port	整数	5000	后端 API 端口号
--restart	标志	-	强制重启后端（终止现有进程）
--version	标志	-	显示版本信息并退出
--help	标志	-	显示帮助信息并退出

后端自动检测：--backend-exe 路径会根据平台自动检测：

• Windows：C:\Program Files\MAPIR\Chloros\resources\backend\chloros-backend.exe

• Linux (.deb): /usr/lib/chloros/chloros-backend

• Linux (手动): /opt/mapir/chloros/backend/chloros-backend

全局选项示例：

Windows：

chloros-cli --port 5001 process "C:\Datasets\Survey_001"

Linux：

chloros-cli --port 5001 process ~/datasets/survey_001

---

处理设置指南

并行处理与动态计算适配

Chloros 1.1.0 包含 动态计算适配 — 处理引擎会 自动检测您的硬件 并选择最佳策略：

平台	策略	工作线程	管道	备注
Jetson Nano 8GB	GPU_SINGLE	1	tiled_gpu	内存高效，串行化
Jetson Orin NX 16GB	GPU_PARALLEL	3	fused_gpu	并行 GPU 处理
配备 8GB GPU 的台式机	GPU_SINGLE	3	tiled_gpu	良好的台式机性能
配备 12GB+ GPU 的台式机	GPU_PARALLEL	3-4	fused_gpu	最佳台式机性能
仅CPU系统	CPU_PARALLEL	核心数 - 1	cpu_fallback	无需GPU

无需手动配置！ Chloros 会自动检测您的 CPU、GPU、内存以及（在 Jetson 上）温度传感器，然后自动配置最佳处理流程。

去拜耳滤波方法

方法	CLI 标志	质量	速度	许可证
标准 (快速，中等质量)	--debayer standard	良好	快速	免费 / Chloros+
纹理感知 (慢速，最高质量)	--debayer texture-aware	最高	慢速	仅限 Chloros+

默认去拜耳化方法为 标准。纹理感知方法采用 AI/ML 降噪模型以获得最高质量的输出，但需要 Chloros+ 许可证和 NVIDIA GPU。

# Use Texture Aware debayer (Chloros+ only)
chloros-cli process ~/datasets/field_a --debayer texture-aware

暗角校正

功能说明： 校正图像边缘的光线衰减（相机图像中常见的暗角现象）。

• 默认启用 - 大多数用户应保持此功能启用

• 使用 --no-vignette 禁用

建议：始终启用暗角校正，以确保整个画面的亮度均匀。

反射率校准

利用校准板将原始传感器值转换为标准化的反射率百分比。

• 默认启用 - 植被分析必不可少

• 图像中需包含校准目标板

• 使用 --no-reflectance 禁用

要求：确保校准面板在图像中曝光正确且可见，以实现准确的反射率转换。

PPK 校正

功能说明： 利用 DAQ-A-SD 日志数据应用后处理动态校正，以提高 GPS 精度。

• 默认禁用

• 使用 --ppk 启用

• 项目文件夹中需包含来自 MAPIR DAQ-A-SD 光传感器的 .daq 文件。

输出格式

格式	位深度	文件大小	最适合
TIFF (16位) ⭐	16 位整数	大	GIS 分析、摄影测量（推荐）
TIFF (32 位，百分比)	32 位浮点数	超大	科学分析、研究
PNG (8 位)	8 位整数	中	目视检查、网络共享
JPG (8 位)	8 位整数	小	快速预览、压缩输出

***

自动化与脚本编写

PowerShell 批处理 (Windows)

在 Windows 上自动处理多个数据集文件夹：

# process_all_datasets.ps1

$datasets = Get-ChildItem "C:\Datasets\2025" -Directory

foreach ($dataset in $datasets) {
    Write-Host "Processing $($dataset.Name)..." -ForegroundColor Cyan
    
    chloros-cli process $dataset.FullName `
        --vignette `
        --reflectance
    
    if ($LASTEXITCODE -eq 0) {
        Write-Host "✓ $($dataset.Name) complete" -ForegroundColor Green
    } else {
        Write-Host "✗ $($dataset.Name) failed" -ForegroundColor Red
    }
}

Write-Host "All datasets processed!" -ForegroundColor Green

Windows 批处理脚本 (Windows)

Windows 上的简单循环批处理：

@echo off
echo Starting batch processing...

for /d %%i in (C:\Datasets\2025\*) do (
    echo.
    echo ========================================
    echo Processing: %%i
    echo ========================================
    chloros-cli process "%%i"
    
    if %ERRORLEVEL% EQU 0 (
        echo SUCCESS: %%i processed
    ) else (
        echo ERROR: %%i failed
    )
)

echo.
echo All datasets processed!
pause

Bash 批处理 (Linux)

在 Linux 上处理多个数据集文件夹：

#!/bin/bash
# process_all_datasets.sh

for dataset in ~/datasets/2026/*/; do
    name=$(basename "$dataset")
    echo "Processing $name..."

    chloros-cli process "$dataset" \
        --vignette \
        --reflectance

    if [ $? -eq 0 ]; then
        echo "✓ $name complete"
    else
        echo "✗ $name failed"
    fi
done

echo "All datasets processed!"

Python 自动化脚本（跨平台）

带错误处理的高级自动化（适用于 Windows 和 Linux）：

import subprocess
import os
import sys
from pathlib import Path
from datetime import datetime

def process_dataset(input_folder):
    """Process a folder using Chloros CLI"""
    cmd = ['chloros-cli', 'process', str(input_folder)]
    
    # Execute command
    result = subprocess.run(
        cmd, 
        capture_output=True, 
        text=True,
        encoding='utf-8'
    )
    
    return result.returncode == 0, result.stdout, result.stderr

def main():
    """Process all datasets in a directory"""
    # Adjust path for your platform
    # Windows: Path('C:/Datasets/2025')
    # Linux:   Path.home() / 'datasets' / '2025'
    datasets_dir = Path('C:/Datasets/2025')
    log_file = Path('processing_log.txt')
    
    successful = []
    failed = []
    
    # Start processing
    print(f"Starting batch processing: {datetime.now()}")
    print(f"Scanning: {datasets_dir}")
    print("=" * 60)
    
    for dataset_folder in sorted(datasets_dir.iterdir()):
        if not dataset_folder.is_dir():
            continue
        
        print(f"\nProcessing: {dataset_folder.name}")
        
        success, stdout, stderr = process_dataset(dataset_folder)
        
        if success:
            print(f"✓ {dataset_folder.name} - SUCCESS")
            successful.append(dataset_folder.name)
        else:
            print(f"✗ {dataset_folder.name} - FAILED")
            failed.append(dataset_folder.name)
            
            # Log error details
            with open(log_file, 'a', encoding='utf-8') as f:
                f.write(f"\n=== {dataset_folder.name} - {datetime.now()} ===\n")
                f.write(f"STDOUT:\n{stdout}\n")
                f.write(f"STDERR:\n{stderr}\n")
    
    # Print summary
    print("\n" + "=" * 60)
    print(f"SUMMARY - Completed: {datetime.now()}")
    print(f"  Successful: {len(successful)}")
    print(f"  Failed: {len(failed)}")
    
    if failed:
        print(f"\nFailed folders:")
        for folder in failed:
            print(f"  - {folder}")
        print(f"\nCheck {log_file} for error details")
        sys.exit(1)
    else:
        print("\nAll datasets processed successfully!")
        sys.exit(0)

if __name__ == '__main__':
    main()

---

处理工作流

标准工作流

1. 输入：包含 RAW/JPG 图像对的文件夹

2. 检测：CLI 自动扫描支持的图像文件

3. 处理：并行模式根据您的 CPU 核心数进行扩展（Chloros+）

4. 输出：创建包含处理后图像的相机型号子文件夹

输出结构示例

MyProject/
├── project.json                             # Project metadata
├── 2025_0203_193056_008.JPG                # Original JPG
├── 2025_0203_193055_007.RAW                # Original RAW
└── Survey3N_RGN/                           # Processed outputs ✓
    ├── 2025_0203_193056_008_Reflectance.tif   # Calibrated reflectance
    ├── 2025_0203_193056_008_Target.tif        # Target detection
    └── ...

处理时间估算

100 张图像（每张 12MP）的典型处理时间：

平台	模式	预计时间	备注
台式机 12GB+ GPU	GPU_PARALLEL	5-10 分钟	最快选项
台式机 8GB GPU	GPU_SINGLE	10-15 分钟	性能良好
Jetson Orin NX 16GB	GPU_PARALLEL	15-25 分钟	边缘计算
Jetson Nano 8GB	GPU_SINGLE	30-60 分钟	内存受限
仅 CPU	CPU_PARALLEL	20-40 分钟	无需 GPU

性能提示：处理时间因图像数量、分辨率、去拜耳化方法和硬件而异。纹理感知去拜耳化比标准去拜耳化耗时显著更长。详情请参阅 动态计算自适应。

---

故障排除

未找到 CLI

Windows 错误：

'chloros-cli' is not recognized as an internal or external command

Windows 解决方案：

1. 验证安装位置：

dir "C:\Program Files\Chloros\resources\cli\chloros-cli.exe"

1. 若未在 PATH 中，请使用完整路径：

"C:\Program Files\Chloros\resources\cli\chloros-cli.exe" process "C:\Datasets\Field_A"

1. 手动添加到 PATH：

   • 打开系统属性 → 环境变量

   • 编辑 PATH 变量

   • 添加：C:\Program Files\Chloros\resources\cli

   • 重启终端

Linux 错误：

chloros-cli: command not found

Linux 解决方案：

1. 验证安装：

which chloros-cli
dpkg -L chloros-amd64  # or chloros-arm64-jp6

1. 重新加载 shell：

source ~/.bashrc

1. 检查权限：

sudo chmod +x /usr/bin/chloros-cli

---

后端启动失败错误：

Backend failed to start within 30 seconds

解决方案：

1. 检查后端是否已运行（先关闭它）

2. 检查防火墙是否阻挡（Windows）或检查端口可用性（Linux: lsof -i :5000）

3. 尝试其他端口：

# Windows
chloros-cli --port 5001 process "C:\Datasets\Field_A"

# Linux
chloros-cli --port 5001 process ~/datasets/field_a

1. 强制重启后端：

# Windows
chloros-cli --restart process "C:\Datasets\Field_A"

# Linux
chloros-cli --restart process ~/datasets/field_a

1. 在 Linux 上，检查后端可执行文件是否存在：

ls -la /usr/lib/chloros/chloros-backend

---

许可证/身份验证问题错误：

Chloros+ license required for CLI access

解决方案：

1. 确认您拥有有效的 Chloros+ 订阅

2. 使用您的凭据登录：

chloros-cli login [e-mail] 'password'

1. 检查许可证状态：

chloros-cli status

1. 联系支持：[e-mail]

---

未找到图像错误：

No images found in the specified folder

解决方案：

1. 确认文件夹中包含受支持的格式（.RAW、.TIF、.JPG）

2. 检查文件夹路径是否正确（路径中含空格时请使用引号）

3. 确保您对该文件夹具有读取权限

4. 检查文件扩展名是否正确

---

处理卡顿或死机解决方案：

1. 检查可用磁盘空间（确保有足够空间存储输出文件）

2. 关闭其他应用程序以释放内存

3. 减少图像数量（分批处理）

---

端口已被占用错误：

Port 5000 is already in use

解决方案：

Windows：

chloros-cli --port 5001 process "C:\Datasets\Field_A"

Linux：

# Find what's using port 5000
lsof -i :5000

# Use a different port
chloros-cli --port 5001 process ~/datasets/field_a

---

常见问题

问：使用 CLI 需要许可证吗？

答：需要！CLI 需要付费的Chloros+ 许可证。

• ❌ 标准（免费）套餐：CLI 已禁用

• ✅ Chloros+（付费）套餐：CLI 已完全启用

订阅地址：https://cloud.mapir.camera/pricing

---

问：我可以在没有图形界面的服务器上使用 CLI 吗？答： 可以！CLI 完全支持无头运行。这是 Linux 的主要使用场景。Windows 服务器：

• Windows Server 2016 或更高版本

• 已安装 Visual C++ 再分发包

Linux 服务器：

• Ubuntu 20.04+ / Debian 11+ (amd64) 或 JetPack 6 (arm64)

• 通过 .deb 包安装

两平台共通：

• 至少 8GB 内存 （推荐 16GB）

• 一次性许可证激活：chloros-cli login [e-mail] 'password'

---

问：处理后的图像保存在哪里？**答：**默认情况下，处理后的图像保存在与输入文件相同的文件夹中，位于相机型号的子文件夹内（例如：Survey3N_RGN/）。

使用 -o 选项指定其他输出文件夹：

# Windows
chloros-cli process "C:\Input" -o "D:\Output"

# Linux
chloros-cli process ~/input -o ~/output

---

问：能否同时处理多个文件夹？A: 无法通过单条命令直接实现，但您可以通过脚本依次处理文件夹。请参阅 自动化与脚本 章节。***

Q: 如何将 CLI 的输出保存到日志文件中？PowerShell:

chloros-cli process "C:\Datasets\Field_A" | Tee-Object -FilePath "processing.log"

批处理：

chloros-cli process "C:\Datasets\Field_A" > processing.log 2>&1

Linux Bash：

chloros-cli process ~/datasets/field_a 2>&1 | tee processing.log

---

问：处理过程中按下 Ctrl+C 会发生什么？A: CLI 将：

1. 正常停止处理

2. 关闭后端

3. 以代码 130 退出

部分处理过的图像可能会保留在输出文件夹中。

---

Q: 我可以自动化 CLI 的处理吗？A: 当然可以！CLI 专为自动化设计。请参阅 自动化与脚本 以了解 PowerShell (Windows)、 批处理 (Windows)、Bash (Linux) 以及 Python（跨平台）示例。***

问：如何查看 CLI 的版本？答：

chloros-cli --version

输出：

Chloros CLI 1.1.0

---

获取帮助

命令行帮助

直接在 CLI 中查看帮助信息：

# General help
chloros-cli --help

# Command-specific help
chloros-cli process --help
chloros-cli login --help
chloros-cli language --help

支持渠道

• 电子邮件：[e-mail]

• 网站：https://www.mapir.camera/community/contact

• 定价：https://cloud.mapir.camera/pricing***

完整示例

示例 1：基本处理

使用默认设置进行处理（晕影、反射率）：

Windows:

chloros-cli process "C:\Datasets\Field_A_2025_01_15"

Linux:

chloros-cli process ~/datasets/field_a_2025_01_15

---

示例 2：高质量科学输出

32 位浮点数 TIFF:Windows:

chloros-cli process "C:\Datasets\Field_A" ^
  --format "TIFF (32-bit, Percent)" ^
  --vignette ^
  --reflectance

Linux:

chloros-cli process ~/datasets/field_a \
  --format "TIFF (32-bit, Percent)" \
  --vignette \
  --reflectance

---

示例 3：快速预览处理

8 位 PNG（未校准，用于快速审查）：

Windows:

chloros-cli process "C:\Datasets\Field_A" ^
  --format "PNG (8-bit)" ^
  --no-vignette ^
  --no-reflectance

Linux:

chloros-cli process ~/datasets/field_a \
  --format "PNG (8-bit)" \
  --no-vignette \
  --no-reflectance

---

示例 4：PPK 校正处理

应用基于反射率的 PPK 校正：

Windows:

chloros-cli process "C:\Datasets\Field_A" ^
  --ppk ^
  --reflectance

Linux:

chloros-cli process ~/datasets/field_a \
  --ppk \
  --reflectance

---

示例 5：自定义输出位置

以特定格式处理并输出到不同位置：

Windows:

chloros-cli process "C:\Input\Raw_Images" ^
  -o "D:\Output\Processed" ^
  --format "TIFF (16-bit)"

Linux:

chloros-cli process ~/input/raw_images \
  -o ~/output/processed \
  --format "TIFF (16-bit)"

---

示例 6：身份验证工作流

完整的身份验证流程（所有平台均相同）：

# Step 1: Login
chloros-cli login [e-mail] 'MyP@ssw0rd'

# Step 2: Verify status
chloros-cli status

# Step 3: Process images
# Windows: chloros-cli process "C:\Datasets\Field_A"
# Linux:   chloros-cli process ~/datasets/field_a
chloros-cli process ~/datasets/field_a

# Step 4: Logout (optional, when switching accounts)
chloros-cli logout

---

示例 7：多语言使用

更改界面语言（所有平台均相同）：

# List available languages
chloros-cli language --list

# Change to Spanish
chloros-cli language es

# Process with Spanish interface
# Windows: chloros-cli process "C:\Vuelos\Campo_A"
# Linux:   chloros-cli process ~/vuelos/campo_a
chloros-cli process ~/vuelos/campo_a

# Change back to English
chloros-cli language en