DeepX OCR：以 DeepX NPU 加速 PaddleOCR 推理，在 ARM 与 x86 平台交付可规模化的高性能 OCR 能力

一、行业背景与核心挑战：OCR 规模化应用的关键瓶颈

随着文档识别技术的不断成熟，OCR 技术已从实验性阶段逐步走向实际业务场景，在政务、金融、制造、物流等多个行业中得到广泛应用。然而，在规模化落地过程中，企业逐渐意识到：制约 OCR 应用进一步扩展的核心因素，已不再是模型准确率本身，而是整体推理性能与部署成本。

具体来说，规模化 OCR 应用主要面临以下几方面挑战：

• 吞吐量（FPS）不足，难以支撑高并发或多路输入场景；

• 推理时延偏高，影响实时性要求较高的业务流程；

• 部署与算力成本受限，在边缘设备与服务器环境中难以兼顾性能与成本。

尤其是在 边缘计算（ARM 平台） 与 服务器端（x86 平台） 并存的实际部署环境下，如何实现性能、精度与成本之间的平衡，已成为企业在 OCR 技术选型中的关键决策问题。

二、DeepX OCR 解决方案概述：以 DeepX NPU 加速为核心，PaddleOCR 为载体

DeepX OCR 是以 DeepX NPU 推理加速能力 为核心，以 PaddleOCR（PP‑OCRv5）模型体系 为载体的联合解决方案，面向对 OCR 吞吐量、时延与成本高度敏感的实际生产场景。

在该方案中，PaddleOCR 提供成熟、稳定、工程化程度较高的文本检测与识别模型能力，而 DeepX NPU 则作为关键算力引擎，对 OCR 推理流程进行深度加速与优化，从系统层面释放模型在 ARM 与 x86 平台上的性能潜力。

依托 DeepX NPU 的硬件级加速能力，DeepX OCR 在保证字符识别精度稳定的前提下，显著提升模型推理速度，并在 ARM 与 x86 平台上实现一致、可扩展且可复现的性能表现，为 OCR 的规模化部署与长期演进提供坚实基础。

核心优势与技术定位

• DeepX NPU 推理加速：围绕 OCR 推理关键算子与执行流程进行优化，大幅提升吞吐能力并降低单次推理时延；

• PaddleOCR（PP‑OCRv5）模型体系：模型成熟稳定，具备良好的泛化能力与工程落地基础；

• 跨平台性能一致性：在 ARM 边缘平台与 x86 服务器平台上均可获得稳定、可预期的性能收益；

• 性能数据可复现：提供标准化 Benchmark 测试流程，确保性能数据可核验、可对比。

三、性能评测结果分析：ARM 与 x86 双平台表现

3.1 ARM 平台性能表现

在 ARM 平台（Rockchip aarch64）环境下，DeepX OCR 提供 Mobile 与 Server 两种配置方案，适配不同业务对实时性与精度的需求。

Mobile 配置在边缘设备上展现出更高的吞吐能力与更低的推理时延，适用于实时采集、多路输入等场景；而 Server 配置则更侧重字符识别精度，适合关键字段识别与高精度校验类业务。

3.2 x86 平台性能扩展能力

在 x86 平台上，DeepX OCR 针对 单卡、双卡与三卡 配置进行了系统性测试，以评估其多卡扩展能力。

Server 配置（精度优先）

Mobile 配置（吞吐优先）

在 x86 平台上，随着算力规模的持续扩展，整体吞吐能力（FPS）与推理时延表现出良好的线性提升特性，能够有效支撑高并发、大规模 OCR 服务的稳定部署与运行。Mobile 配置更强调吞吐能力，而 Server 配置则保持稳定的高字符准确率，企业可根据具体业务需求进行灵活选择。

四、动手实践：从零搭建 DeepX OCR 本地推理环境

本节将引导您从零开始，在目标平台（ARM 或 x86）上完成 DeepX OCR 的编译、模型下载与本地推理验证。整个流程设计为端到端可复现，确保您能够在自己的环境中获得与官方 Benchmark 一致的推理体验。

4.1 环境准备

第一步：克隆项目仓库

# 克隆仓库（包含 Git Submodules）
git clone --recursive https://github.com/Chris-godz/DEEPX-OCR.git
cd DEEPX-OCR

第二步：安装系统依赖

# 安装 FreeType 及相关依赖（用于多语言文本渲染）
sudo apt-get update
sudo apt-get install -y libfreetype6-dev libharfbuzz-dev libfmt-dev

4.2 编译项目

DeepX OCR 采用 CMake 构建系统，支持 Release 和 Debug 两种构建模式

# 执行编译脚本（默认 Release 模式）
bash build.sh clean test

编译脚本会自动：

• 初始化并编译 OpenCV（含 opencv_contrib 模块）

• 编译 DeepX OCR 核心推理引擎

• 生成测试可执行文件

4.3 下载模型

DeepX OCR 提供 Server 和 Mobile 两套模型配置：

./setup.sh

模型将被部署到以下目录：

engine/model_files/

├── server/ # Server 模型（高精度）
│ ├── *.dxnn # DeepX NPU 优化模型
│ └── *.txt # 字典文件
└── mobile/ # Mobile 模型（高吞吐）
├── *.dxnn
└── *.txt

4.4 配置DXRT 运行时环境

DeepX NPU 推理需要配置运行时环境变量以优化性能：

# 配置 DXRT 环境变量
source ./set_env.sh 1 2 1 3 2 4

环境变量说明：

4.5 运行推理测试

DeepX OCR 提供交互式测试菜单，可快速验证各模块功能：

# 启动交互式测试菜单
./run.sh

4.6 执行性能基准测试

# Run benchmark (Server model, 60 runs per image)
python3 benchmark/run_benchmark.py --model server --runs 60 \
--images_dir test/twocode_images
# Run benchmark (Mobile model, 60 runs per image)
python3 benchmark/run_benchmark.py --model mobile --runs 60 \
--images_dir test/twocode_images

推理完成后，结果将保存在 benchmark/ 目录下，按模型类型分别存储

benchmark/
├── results_server/ # Server 模型结果
│ ├── DXNN-OCR_benchmark_report.md # Benchmark 性能报告
│ └── image_*_result.json # 每张图片的 OCR 结构化结果
├── results_mobile/ # Mobile 模型结果
│ ├── DXNN-OCR_benchmark_report.md
│ └── image_*_result.json
├── vis_server/ # Server 模型可视化图像
│ └── image_*.jpg # 带检测框的结果图像
├── vis_mobile/ # Mobile 模型可视化图像
│ └── image_*.jpg
└── benchmark_results.json # 汇总性能数据

所有结果将保存至 benchmark/ 目录，包含可视化图像与结构化 JSON 输出。

五、OCR Server 部署：面向生产环境的高性能 HTTP 服务

DeepX OCR Server 基于 Crow 高性能 HTTP 框架构建，支持并发请求处理、图像与 PDF 文件输入，可直接作为后端服务集成到业务系统中。

5.1 启动 OCR Server

确保已完成第四章的编译与环境配置后，执行以下命令启动服务：

cd /home/deepx/Desktop/DEEPX-OCR/server
# 使用默认配置启动（端口 8080，Server 模型）
./run_server.sh
# 或指定参数启动
./run_server.sh -p 8080 -m server -t 4

命令行参数：

示例：使用 Mobile 模型，端口 9090

./run_server.sh -p 9090 -m mobile

5.2 验证服务状态

在另一个终端窗口中执行健康检查：

curl http://localhost:8080/health

预期响应：

{"status":"healthy","service":"DeepX OCR Server","version":"1.0.0"}

5.3API 接口调用

POST /ocr - 图像 OCR 识别

请求示例（使用 curl）：

# 生成图像请求 JSON 文件
echo "{\"file\": \"$(base64 -w 0 images/image_1.png)\", \"fileType\": 1, \"visualize\": true}" > /tmp/image_request.json
# 发送请求（使用 @文件 方式，避免命令行参数过长）
curl -X POST http://localhost:8080/ocr \
-H "Content-Type: application/json" \
-H "Authorization: token deepx_token" \
-d @/tmp/image_request.json | python3 -m json.tool

请求参数说明：

POST /ocr - PDF OCR 识别

# 生成 PDF 请求 JSON 文件
echo "{\"file\": \"$(base64 -w 0 server/pdf_file/test.pdf)\", \"fileType\": 0, \"pdfDpi\": 150, \"pdfMaxPages\": 10, \"visualize\": true}" > /tmp/pdf_request.json
# 发送请求
curl -X POST http://localhost:8080/ocr \
-H "Content-Type: application/json" \
-H "Authorization: token deepx_token" \
-d @/tmp/pdf_request.json | python3 -m json.tool

5.4性能基准测试

DeepX OCR Server 提供完整的基准测试工具套件：

cd server/benchmark
# Image OCR 测试（4 并发）
./run.sh --mode image -c 4
# PDF OCR 测试
./run.sh --mode pdf --dpi 150 --max-pages 10

测试结果输出：

server/benchmark/results/
├── API_benchmark_report.md # Image OCR 报告
└── PDF_benchmark_report.md # PDF OCR 报告

六、WebUI Demo 体验：可视化交互，一键体验加速效果

在性能评测与工程验证之外，DeepX OCR 同时提供 WebUI Demo 作为配套的体验与验证服务。通过 WebUI，用户可以从实际输入出发，直观感受 DeepX NPU 加速下 PaddleOCR 的完整推理流程。

6.1 启动 WebUI

前置条件

确保 OCR Server 已在后台运行（参考第五章）。

安装 Python 依赖

# 进入 WebUI 目录
cd /home/deepx/Desktop/DEEPX-OCR/server/webui
# 创建 Python 虚拟环境
python3 -m venv venv
# 激活虚拟环境
source venv/bin/activate
# 安装依赖
pip install --upgrade pip
pip install -r requirements.txt

启动 WebUI 服务

# 确保虚拟环境已激活
source venv/bin/activate
# 启动 WebUI（默认连接 localhost:8080 的 OCR Server）
python app.py

访问 WebUI：

在浏览器中打开：http://localhost:7860

6.2 功能体验

图像 OCR 识别

1. 上传图像：将图像拖拽到 "📁 Input File" 区域，或点击选择文件

2. 调整参数（可选）：在 ⚙️ Settings 面板调整检测/识别阈值

3. 执行识别：点击 "🚀 Parse Document" 按钮

4. 查看结果：

• OCR Tab：可视化结果（带检测框）

• JSON Tab：结构化识别数据

PDF 文档识别

1. 上传 PDF 文件（支持多页）

2. 在 PDF Settings 中调整：

• PDF Render DPI：渲染分辨率（72-300，默认 150）

• PDF Max Pages：最大处理页数（1-100，默认 10）

• 点击 "🚀 Parse Document" 执行识别

• 多页结果将在左侧显示缩略图导航

6.3 参数调优指南

WebUI 提供了丰富的参数调整选项，可根据不同场景优化识别效果：

6.4 结果下载

点击 "📦 Download Full Results (ZIP)" 可打包下载完整结果，包含：

• 原始输入图像/PDF

• 带检测框的可视化图像

• JSON 格式的结构化识别数据

视频链接：http://vd3.bdstatic.com/mda-samghbf8d1q7p0em/360p/h264/1769082060600084434/mda-samghbf8d1q7p0em.mp4

结语

DeepX OCR 通过 DeepX NPU 硬件加速 与 PaddleOCR 高精度模型 的结合，在 ARM 与 x86 平台均实现了显著的性能提升，并提供了从环境搭建、本地测试到服务部署、Web 体验的完整工具链。无论是边缘轻量部署还是服务器高性能集群，均可借助本方案实现高效、可扩展的 OCR 能力落地。

项目开源地址 ：https://github.com/Chris-godz/DEEPX-OCR
欢迎 Star、Fork 与贡献代码，共同推进 OCR 技术的高效落地！