paddle ocr本地化部署进行文字识别

一、Paddle 简介

1. 基本概念

Paddle （全称 PaddlePaddle ，飞桨）是百度开发的 开源深度学习平台，也是中国首个自主研发、功能丰富、技术领先的工业级深度学习平台。它覆盖了深度学习从数据准备、模型训练、模型部署到预测的全流程，旨在帮助开发者快速实现 AI 应用。

2. 核心特点

• 全场景覆盖：支持云端、边缘端、移动端等多硬件环境，适配 CPU、GPU、FPGA 等多种芯片。
• 易用性与高效性：提供简洁的 API 和动态图机制（如 PyTorch 风格的编程体验），降低开发门槛；同时支持静态图优化，提升推理效率。
• 丰富的工具与生态 ：
  • 模型库：包含计算机视觉、自然语言处理、语音等领域的预训练模型（如 ERNIE、PP-YOLO 等）。
  • 开发工具链：支持自动并行、混合精度训练、模型压缩（剪枝、量化）等高级功能。
  • 社区与文档：提供详细的教程、示例和活跃的开发者社区。

3. 应用场景

• 计算机视觉：图像分类、目标检测、语义分割、OCR 等。
• 自然语言处理：文本分类、机器翻译、对话系统等。
• 语音与音频：语音识别、语音合成等。
• 工业与科研：智能制造、自动驾驶、医疗影像分析等。

二、Paddle OCR 简介

1. 基本概念

Paddle OCR 是基于 PaddlePaddle 平台 开发的 光学字符识别（OCR）工具库，专注于文本检测、文本识别及多语言文字处理，支持中英文、数字、日文、韩文等多语言场景，广泛应用于文档扫描、票据识别、车牌识别、直播字幕提取等领域。

2. 技术架构

Paddle OCR 采用 端到端（End-to-End）的深度学习架构，主要包含以下模块：

• 文本检测：定位图像中的文本区域（如 EAST、DB 算法）。
• 文本识别：识别文本区域中的字符（如 CRNN、STAR-Net、RARE 等算法）。
• 后处理：对识别结果进行校正（如基于语言模型的纠错）。

3. 核心功能

• 多语言支持：支持中、英、日、韩、法、德等多种语言，以及竖排文本、弯曲文本（如弧形标识）的识别。
• 多场景适配 ：
  • 通用场景：印刷体文本（如文档、书籍）、手写体文本（部分支持）。
  • 特殊场景：票据（如发票、身份证）、车牌、街景文字（低光照、模糊图像）等。
• 高性能部署 ：
  • 支持 CPU/GPU/ARM 等硬件，提供轻量级模型（如 PP-OCR Mobile），适合移动端和嵌入式设备。
  • 支持多后端部署（如 Paddle Inference、Paddle Lite、Paddle.js），满足实时性需求。

4. 优势

• 高精度：在公开数据集（如 ICDAR、CTW1500）上表现领先，部分场景准确率超过 95%。
• 易用性：提供预训练模型、命令行工具和 Python SDK，支持一键安装和快速部署。
• 可定制化：支持自定义数据集训练，适配特定领域（如医疗、金融）的文字识别需求。

5. 典型应用场景

• 办公自动化：扫描文档电子化、表格识别、合同文本提取。
• 智慧金融：银行卡号识别、发票验真、银行单据处理。
• 智慧城市：车牌识别、交通标志识别、公共设施文字标注。
• 移动应用：拍照翻译、名片识别、直播实时字幕生成。

三、Paddle 与 Paddle OCR 的关系

• Paddle 是底层平台：提供深度学习框架、工具链和计算能力。
• Paddle OCR 是上层应用：基于 Paddle 实现具体的 OCR 功能，依赖 Paddle 的模型训练和推理能力。
• 生态协同：Paddle 的模型压缩、自动调参等功能可直接优化 Paddle OCR 的性能，形成技术闭环。

四 环境搭建

python环境搭建参考linux使用pyenv安装python环境-CSDN博客

# 安装Flask、NumPy
pip install flask numpy

# 安装OpenCV（cv2）
pip install opencv-python-headless
pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple

python代码,新建ocr_server.py,写入以下代码,这段代码会生成一个服务，监听5000端口，接收base64图片，进行识别，然后把图片里面的文字返回

from flask import Flask, request, jsonify
from paddleocr import PaddleOCR
import base64
import numpy as np
import cv2
import json

app = Flask(__name__)

@app.route('/ocr', methods=['POST'])
def ocr_api():
    data = request.json
    image_b64 = data.get('image')

    if not image_b64:
        return jsonify({"error": "No image provided"}), 400

    # 解码 Base64 图像
    img_bytes = base64.b64decode(image_b64)
    img_np = np.frombuffer(img_bytes, dtype=np.uint8)
    img = cv2.imdecode(img_np, flags=1)
    ocr = PaddleOCR(use_angle_cls=True, lang='ch')  # 加载中文模型
    # 执行 OCR
    result = ocr.ocr(img, cls=True)
    print(result)

    # 提取识别文本
    text_list = []
    for line in result[0]:
        text = line[1][0]
        text_list.append(text)

    # 组合为JSON格式
    output = {"text": text_list}

    # 转为JSON字符串
    json_output = json.dumps(output, ensure_ascii=False, indent=2)
    return json_output

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

# 服务器要求
# 2核4G内存以上
# 格式：nohup python3 脚本路径 > 输出文件 2>&1 &,启动服务
nohup python3 ocr_server.py > output.log 2>&1 &

调用方java代码,这段代码读取一张图片，转成base64,然后通过http调用ocr_server.py的接口，其他语言如js,python等都能实现类似效果

public class OCRClient {
    public static void main(String[] args) throws Exception {
        long time = System.currentTimeMillis();
        String imagePath = "d:\\test3.jpg";
        String urlStr = "http://localhost:5000/ocr";

        // 读取图片并转为 Base64
        byte[] imageBytes = Files.readAllBytes(Paths.get(imagePath));
        String base64Image = Base64.getEncoder().encodeToString(imageBytes);

        // 发送 POST 请求
        URL url = new URL(urlStr);
        HttpURLConnection conn = (HttpURLConnection) url.openConnection();
        conn.setRequestMethod("POST");
        conn.setRequestProperty("Content-Type", "application/json");
        conn.setDoOutput(true);

        String jsonInputString = "{\"image\": \"" + base64Image + "\"}";

        try (OutputStream os = conn.getOutputStream()) {
            byte[] input = jsonInputString.getBytes("utf-8");
            os.write(input, 0, input.length);
        }

        // 读取响应
        try (BufferedReader br = new BufferedReader(
                new InputStreamReader(conn.getInputStream(), "utf-8"))) {
            StringBuilder response = new StringBuilder();
            String responseLine;
            while ((responseLine = br.readLine()) != null) {
                response.append(responseLine.trim());
            }
            System.out.println("OCR Result:\n" + response.toString());
        }
        System.out.println(System.currentTimeMillis() - time);
    }
}