PP-OCRv6是飞桨最新开源的轻量化高精度OCR模型，相比v5版本，在小目标文本、倾斜文本、模糊文本检测场景精度大幅提升，且推理速度更快、适配端侧部署。官方预训练模型适配通用场景，但在票据、证件、工业铭牌、手写文本、特殊版式文档等垂直场景检测效果较差。
本文将手把手带你完成 PP-OCRv6文本检测模型自定义数据集微调全流程，包含环境搭建、数据集标注与划分、配置文件修改、模型微调训练、模型评估、推理测试、模型导出，同时整理实操高频踩坑问题，全程代码开源、可直接复制运行，零基础也能轻松上手。
✅ 适用场景：垂直场景文本检测、自定义版式OCR优化、学术实验、项目落地微调
✅ 环境适配：Linux/Windows、GPU/CPU训练
✅ 核心收获：掌握PP-OCRv6微调逻辑、自定义数据集规范、模型调优技巧
一、前置知识与环境准备
1.1 PP-OCRv6检测模型优势
PP-OCRv6文本检测模块基于DB算法优化，针对产业落地痛点做了针对性升级：
- 优化小尺寸文本、密集文本检测能力，误检、漏检率大幅降低
- 增强倾斜、畸变、模糊文本的鲁棒性
- 轻量化结构，兼顾精度与速度，支持服务器、移动端、嵌入式设备部署
- 完整支持自定义数据集微调、增量训练，适配各类垂直场景
1.2 环境配置（精准适配版）
推荐使用Python3.10（兼容性最佳，规避高版本库适配问题），基于PaddlePaddle框架搭建环境。
1、创建虚拟环境
bash
# 创建虚拟环境
conda create -n ppocrv6 python=3.10 -y
bash
# 激活环境
conda activate ppocrv62、安装Paddle核心框架
根据自己CUDA版本安装GPU版本，无GPU可安装CPU版本：
bash
# GPU版本（推荐，CUDA11.7示例）
pip install paddlepaddle-gpu==2.6.0.post117 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
# CPU版本（仅测试使用）
pip install paddlepaddle==2.6.03、克隆PaddleOCR源码并安装依赖
bash
# 克隆最新PaddleOCR源码（包含PP-OCRv6完整配置）
git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR
# 安装全部依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple4、环境验证
bash
import paddle
import paddleocr
# 输出版本信息，无报错即环境搭建成功
print(paddle.__version__)
print("PaddleOCR环境就绪")二、自定义数据集制作（规范核心）
数据集质量直接决定微调效果，PP-OCR检测任务有固定的数据格式要求，必须严格遵循官方标注规范，否则训练报错、精度异常。
2.1 数据集基本要求
- 数据量：垂直场景建议至少500张图片，复杂场景建议1000+，数据越多泛化性越好
- 图像格式：支持jpg、png、jpeg，建议统一jpg格式
- 标注规范：仅标注需要检测的文本区域，标注框贴合文本边缘，不冗余、不缺失，倾斜文本跟随文本角度标注
- 训练测试划分：默认9:1划分训练集、验证集
2.2 数据集标注工具（PPOCRLabel）
推荐使用官方开源半自动化标注工具 PPOCRLabel，一键导出PaddleOCR检测任务专属标签格式，无需手动转换。
1、安装PPOCRLabel
bash
pip install PPOCRLabel==v3.1.6 -i https://pypi.tuna.tsinghua.edu.cn/simple2、启动标注工具
bash
PPOCRLabel3、标注与导出规则
打开图片后框选文本区域，完成批量标注后，选择导出检测标签，最终生成标准数据集结构：
bash
custom_det_data/
├── images/ # 所有训练图片存放目录
│ ├── 001.jpg
│ ├── 002.jpg
│ └── ...
├── train.txt # 训练集检测标签文件
└── val.txt # 验证集检测标签文件train.txt格式说明：每行对应一张图片，格式为图片路径 标注框坐标+标注信息，工具自动生成，无需手动修改。
2.3 数据集自动划分（训练集/验证集）
编写Python脚本自动划分数据集，生成train.txt、val.txt，规避手动划分的繁琐操作：
bash
import random
# 读取全局标签文件
with open("custom_det_data/Label.txt", "r", encoding="utf-8") as f:
data = f.readlines()
# 9:1划分训练集、验证集
train_ratio = 0.9
train_num = int(len(data) * train_ratio)
train_list = random.sample(data, train_num)
val_list = [x for x in data if x not in train_list]
# 写入训练集标签
with open("custom_det_data/train.txt", "w", encoding="utf-8") as f:
f.writelines(train_list)
# 写入验证集标签
with open("custom_det_data/val.txt", "w", encoding="utf-8") as f:
f.writelines(val_list)
print(f"训练集数量：{len(train_list)}，验证集数量：{len(val_list)}")三、修改PP-OCRv6微调配置文件
PaddleOCR为PP-OCRv6检测模型提供了专属微调配置文件，路径：configs/det/PP-OCRv6/PP-OCRv6_medium_det.yml，我们只需针对性修改即可。
3.1 核心配置修改
打开配置文件，依次修改以下4个核心模块：
提前将预训练权重下载：PP-OCRv6_medium_det_pretrained.pdparams
1、全局配置（预训练权重、保存路径）
bash
Global:
use_gpu: true # 有GPU设为true，CPU设为false
epoch_num: 100 # 迭代轮次，自定义数据集建议50-100轮
log_smooth_window: 20
print_batch_step: 10
save_epoch_step: 5 # 每5轮保存一次模型
eval_batch_step: 100
pretrained_model: PP-OCRv6_medium_det_pretrained.pdparams # v6预训练权重
save_dir: ./output/ppocrv6_det_finetune # 模型保存路径2、数据集路径配置（重点！）
bash
Train:
dataset:
name: DBDataSet
data_dir: ./custom_det_data # 数据集根目录
label_file_list: ["./custom_det_data/train.txt"] # 训练集标签
loader:
batch_size_per_card: 8 # 根据显存调整，16G显存可设16
shuffle: true
Eval:
dataset:
name: DBDataSet
data_dir: ./custom_det_data # 数据集根目录
label_file_list: ["./custom_det_data/val.txt"] # 验证集标签
loader:
batch_size_per_card: 8
shuffle: false3、学习率配置（微调关键）
微调不建议使用过大学习率，避免破坏预训练权重特征，推荐小学习率微调：
bash
Optimizer:
name: Adam
lr:
name: Cosine
learning_rate: 0.001 # 微调推荐0.0005-0.001
warmup_epoch: 53.2 配置优化建议
- 小数据集：降低batch_size、减小学习率，增加warmup轮次，防止过拟合
- 大数据集：适当提升batch_size，加快收敛速度
- 复杂场景：调高epoch_num，充分训练模型
四、启动模型微调训练
4.1 训练命令（一键启动）
在PaddleOCR根目录下执行以下命令，开启微调训练：
bash
python tools/train.py \
-c configs/det/PP-OCRv6/det_PP-OCRv6.yml \
-o Global.use_gpu=true如果一些参数没有在配置文件进行配置，也可以通过训练指令进行指定：
bash
python tools/train.py -c configs/det/PP-OCRv6/PP-OCRv6_medium_det.yml -o Global.pretrained_model=./PP-OCRv6_medium_det_pretrained.pdparams Train.dataset.data_dir=./ocr_det_dataset_examples Train.dataset.label_file_list=[./ocr_det_dataset_examples/train.txt] Eval.dataset.data_dir=./ocr_det_dataset_examples Eval.dataset.label_file_list=[./ocr_det_dataset_examples/val.txt]五、模型评估与推理测试
5.1 模型指标评估
训练完成后，在验证集上评估模型精度，输出精确率、召回率、F1值：
bash
python tools/eval.py \
-c configs/det/PP-OCRv6/det_PP-OCRv6.yml \
-o Global.pretrained_model=./output/ppocrv6_det_finetune/best_model5.2 单图推理测试
编写测试脚本，验证微调后模型的实际检测效果：
bash
from paddleocr import PaddleOCR, draw_det_res
import cv2
# 加载微调后的最优检测模型
ocr = PaddleOCR(
det_model_dir="./output/ppocrv6_det_finetune/best_model",
use_angle_cls=False,
use_gpu=True
)
# 测试图片推理
img_path = "test.jpg"
result = ocr.det(img_path)
# 绘制检测结果并保存
img = cv2.imread(img_path)
img_draw = draw_det_res(img, result)
cv2.imwrite("det_result.jpg", img_draw)
print("检测完成，结果已保存为det_result.jpg")
print("检测文本框坐标：", result)六、模型导出（用于部署）
训练保存的是训练权重，无法直接用于工程部署，需导出为推理模型（pdmodel、pdiparams格式）：
bash
python tools/export_model.py \
-c configs/det/PP-OCRv6/det_PP-OCRv6.yml \
-o Global.pretrained_model=./output/ppocrv6_det_finetune/best_model \
Global.save_inference_dir=./inference/ppocrv6_det_finetune导出完成后，inference/ppocrv6_det_finetune目录下即为可部署的推理模型，支持Python、C++、ONNX、端侧部署。
七、高频踩坑避坑指南（实操总结）
整理微调过程中90%用户会遇到的问题，一次性解决：
坑1：训练报错标签文件路径不存在
✅ 解决方案：配置文件中 data_dir + 标签内图片相对路径必须真实有效，路径不要包含中文、空格、特殊符号。
坑2：训练loss不下降、精度为0
✅ 解决方案：1、检查标注格式是否规范，是否存在空标注、错误标注；2、降低学习率，微调不适合大学习率；3、检查数据集划分是否有效。
坑3：GPU显存不足报错
✅ 解决方案：降低配置文件中 batch_size_per_card，8G显存设为4，4G显存设为2。
坑4：微调后通用场景效果变差
✅ 解决方案：属于正常现象，微调是场景适配优化，垂直场景精度提升的同时，通用场景泛化性会轻微下降，如需兼顾可增加混合数据集训练。
坑5：导出模型推理速度异常
✅ 解决方案：务必使用best_model最优模型导出，不要使用epoch阶段性模型。
八、微调优化进阶技巧
- 数据增强：添加随机裁剪、翻转、缩放、模糊增强，提升模型泛化能力，适配复杂场景
- 学习率调度：使用余弦退火学习率，后期降低学习率精细调优，提升精度
- 早停策略：监控验证集F1值，连续10轮无提升自动停止训练，防止过拟合
- 增量训练：在已有微调模型基础上添加新数据续训，无需重新训练，节省算力
九、总结
本文完整讲解了 PP-OCRv6文本检测模型自定义数据集微调全流程，从环境搭建、数据集标注、配置修改、训练调优、评估推理、模型部署全覆盖，所有代码均可直接复用。
PP-OCRv6相比旧版本模型，在工业落地场景优势显著，通过自定义微调可以完美解决通用模型在垂直场景漏检、误检、检测不准的问题，快速适配票据、证件、工业文本、手写文本等个性化场景。
后续可以结合PP-OCRv6识别模型微调，完成检测+识别全链路定制化OCR系统落地。