From 9947193b6d738bd3a41f2ca230c8b4b95112ec5c Mon Sep 17 00:00:00 2001 From: ZhangAo Date: Sat, 6 Jun 2026 15:25:06 +0800 Subject: [PATCH] 20260606152506 --- .../1776995543202.png | Bin .../1776995552047.png | Bin .../1776995933823.png | Bin .../1776995956696.png | Bin .../1776995962380.png | Bin .../1776995970106.png | Bin .../docs/ai/{paddlepaddle.md => boxocr.md} | 123 ++++++++++-------- .../docs/ai/document-intelligence.md | 1 + 8 files changed, 71 insertions(+), 53 deletions(-) rename code/docusaurus/docs/ai/assets/{paddlepaddle => boxocr}/1776995543202.png (100%) rename code/docusaurus/docs/ai/assets/{paddlepaddle => boxocr}/1776995552047.png (100%) rename code/docusaurus/docs/ai/assets/{paddlepaddle => boxocr}/1776995933823.png (100%) rename code/docusaurus/docs/ai/assets/{paddlepaddle => boxocr}/1776995956696.png (100%) rename code/docusaurus/docs/ai/assets/{paddlepaddle => boxocr}/1776995962380.png (100%) rename code/docusaurus/docs/ai/assets/{paddlepaddle => boxocr}/1776995970106.png (100%) rename code/docusaurus/docs/ai/{paddlepaddle.md => boxocr.md} (67%) create mode 100644 code/docusaurus/docs/ai/document-intelligence.md diff --git a/code/docusaurus/docs/ai/assets/paddlepaddle/1776995543202.png b/code/docusaurus/docs/ai/assets/boxocr/1776995543202.png similarity index 100% rename from code/docusaurus/docs/ai/assets/paddlepaddle/1776995543202.png rename to code/docusaurus/docs/ai/assets/boxocr/1776995543202.png diff --git a/code/docusaurus/docs/ai/assets/paddlepaddle/1776995552047.png b/code/docusaurus/docs/ai/assets/boxocr/1776995552047.png similarity index 100% rename from code/docusaurus/docs/ai/assets/paddlepaddle/1776995552047.png rename to code/docusaurus/docs/ai/assets/boxocr/1776995552047.png diff --git a/code/docusaurus/docs/ai/assets/paddlepaddle/1776995933823.png b/code/docusaurus/docs/ai/assets/boxocr/1776995933823.png similarity index 100% rename from code/docusaurus/docs/ai/assets/paddlepaddle/1776995933823.png rename to code/docusaurus/docs/ai/assets/boxocr/1776995933823.png diff --git a/code/docusaurus/docs/ai/assets/paddlepaddle/1776995956696.png b/code/docusaurus/docs/ai/assets/boxocr/1776995956696.png similarity index 100% rename from code/docusaurus/docs/ai/assets/paddlepaddle/1776995956696.png rename to code/docusaurus/docs/ai/assets/boxocr/1776995956696.png diff --git a/code/docusaurus/docs/ai/assets/paddlepaddle/1776995962380.png b/code/docusaurus/docs/ai/assets/boxocr/1776995962380.png similarity index 100% rename from code/docusaurus/docs/ai/assets/paddlepaddle/1776995962380.png rename to code/docusaurus/docs/ai/assets/boxocr/1776995962380.png diff --git a/code/docusaurus/docs/ai/assets/paddlepaddle/1776995970106.png b/code/docusaurus/docs/ai/assets/boxocr/1776995970106.png similarity index 100% rename from code/docusaurus/docs/ai/assets/paddlepaddle/1776995970106.png rename to code/docusaurus/docs/ai/assets/boxocr/1776995970106.png diff --git a/code/docusaurus/docs/ai/paddlepaddle.md b/code/docusaurus/docs/ai/boxocr.md similarity index 67% rename from code/docusaurus/docs/ai/paddlepaddle.md rename to code/docusaurus/docs/ai/boxocr.md index 190c01eb..1774f0f6 100644 --- a/code/docusaurus/docs/ai/paddlepaddle.md +++ b/code/docusaurus/docs/ai/boxocr.md @@ -1,18 +1,21 @@ -# PaddlePaddle（Python） +# 集装箱号识别（PaddleOCR） [飞桨（PaddlePaddle）](https://www.paddlepaddle.org.cn/)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。 飞桨于2016 年正式开源，是主流深度学习框架中一款完全国产化的产品。 ## PaddlePaddle + ### 1 安装 参考网站：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/linux-pip.html 安装 GPU 版本： + ```bash python -m pip install paddlepaddle-gpu==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/ ``` 安装 CPU 版本 + ```bash python -m pip install paddlepaddle==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/ ``` @@ -20,7 +23,7 @@ python -m pip install paddlepaddle==3.3.0 -i https://www.paddlepaddle.org.cn/pac 如果是 **GPU版本** 需要注意自己的 `CUDA` 版本，不要过高即可，查看命令： ```bash -nvidia-smi +nvidia-smi ``` 输出如下： @@ -37,7 +40,7 @@ nvidia-smi | N/A 27C P8 8W / 70W | 4MiB / 15360MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ - + +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | @@ -65,7 +68,7 @@ python -c "import paddle; paddle.utils.run_check()" (ocr) root@VM-0-80-ubuntu:/workspace# python -c "import paddle; paddle.utils.run_check()" /root/miniforge3/envs/ocr/lib/python3.11/site-packages/paddle/utils/cpp_extension/extension_utils.py:715: UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.md warnings.warn(warning_message) -Running verify PaddlePaddle program ... +Running verify PaddlePaddle program ... I0710 06:19:32.810492 2651 pir_interpreter.cc:1524] New Executor is Running ... W0710 06:19:32.813128 2651 gpu_resources.cc:114] Please NOTE: device: 0, GPU Compute Capability: 7.5, Driver API Version: 12.0, Runtime API Version: 11.7 I0710 06:19:35.382279 2651 pir_interpreter.cc:1547] pir interpreter is running by multi-thread mode ... @@ -78,6 +81,7 @@ PaddlePaddle is installed successfully! Let's start deep learning with PaddlePad > 项目背景：识别集装箱号 ### 1 环境配置 + 当前使用的是虚拟环境： - python：3.11 @@ -95,7 +99,7 @@ PaddlePaddle is installed successfully! Let's start deep learning with PaddlePad 下载后解压 ```bash -unzip PaddleOCR-3.1.0.zip +unzip PaddleOCR-3.1.0.zip ``` 安装依赖 @@ -118,17 +122,18 @@ python tools/infer/predict_system.py --image_dir="/workspace/img/" --use_angle_c ppocr INFO: not find det model file path None ``` - ### 2 准备数据集 #### 2.1 标注工具 1. [**PPOcrLabel**](https://github.com/PFCCLab/PPOCRLabel)，专门为 PPOCR 制作的标注工具，**推荐。** - > 存在问题：EXE 安装包运行会报错。但是该工具在本地运行标注的话还是比较推荐的。 + + > 存在问题：EXE 安装包运行会报错。但是该工具在本地运行标注的话还是比较推荐的。 2. [**X-AnyLabeling**](https://github.com/CVHub520/X-AnyLabeling)，支持多种导出格式，其中就支持 PPOCR 的格式。 #### 2.2 标注完毕后的数据集 + ```bash conno/1b4e2845-e9ba-4233-9268-bf07801ace0e.jpg [{"transcription": "RKSU5020243", "points": [[233, 317], [299, 317], [258, 833], [181, 839]], "difficult": false}] conno/6ffd244b-1d27-4084-998b-e4d7ac076c5f.jpg [{"transcription": "ZGXU6173701", "points": [[717, 448], [781, 419], [835, 980], [751, 996]], "difficult": false}] @@ -144,6 +149,7 @@ conno/9751b358-0b48-4006-8a73-89e816d37b67.jpg [{"transcription": "CNIU2452605", ``` ### 3 准备预训练模型 + 如果已经有预训练模型的话，可以忽略这一步。 下载地址：https://github.com/PaddlePaddle/PaddleOCR/blob/release/3.1/docs/version3.x/model_list.md @@ -151,23 +157,26 @@ conno/9751b358-0b48-4006-8a73-89e816d37b67.jpg [{"transcription": "CNIU2452605", 如果报 404 的话，根据 版本 + 路径 进行查找即可。 根据情况选择 mobile 和 server 模型 + - mobile: 训练速度快，精度较低，识别速度快 - server: 训练速度慢，精度较高，识别速度慢 #### 3.1 文本检测训练模型 -![alt text](assets/paddlepaddle/1776995543202.png) +![alt text](assets/boxocr/1776995543202.png) #### 3.2 文本识别训练模型 -![alt text](assets/paddlepaddle/1776995552047.png) +![alt text](assets/boxocr/1776995552047.png) ### 错误情况 + #### ImportError: libGL.so.1: cannot open shared object file: No such file or directory 原因：缺少 `libGL.so.1` 库 解决方案： + ```bash sudo apt update sudo apt install libgl1-mesa-glx @@ -179,6 +188,7 @@ sudo apt install libgl1-mesa-glx 解决方案： 将 batch_size_per_card 设置为 1 + ```yaml Eval: loader: @@ -200,17 +210,19 @@ cp /workspace/PaddleOCR-3.1.0/doc/fonts/simfang.ttf /usr/share/fonts/ [PaddleX 3.0](https://paddlepaddle.github.io/PaddleX/latest/index.html) 是基于飞桨框架构建的低代码开发工具，它集成了众多**开箱即用的预训练模型**，可以实现模型从训练到推理的**全流程开发**，支持国内外**多款主流硬件**，助力AI 开发者进行产业实践。 ### 1 环境配置 + 当前使用的是虚拟环境： - python：3.11 - paddlepaddle：3.1 - paddleocr：3.1.0 - **安装paddlex** + ```bash pip install "paddlex[base]" ``` + > 确保已经安装 PaddlePaddle ### 2 部署项目 @@ -218,12 +230,15 @@ pip install "paddlex[base]" 参考文档：https://paddlepaddle.github.io/PaddleX/latest/pipeline_deploy/serving.html#12 #### 2.1 安装服务化部署插件 + 方便 java 等语言接口的调用 + ```bash paddlex --install serving ``` #### 2.2 生成配置文件 + 使用相关命令，其中 OCR 当前为通用 OCR 产线，需要不同的产线就修改不同的名称即可。 ```bash @@ -274,12 +289,12 @@ SubModules: unclip_ratio: 1.5 TextLineOrientation: module_name: textline_orientation - model_name: PP-LCNet_x1_0_textline_ori + model_name: PP-LCNet_x1_0_textline_ori model_dir: null - batch_size: 6 + batch_size: 6 TextRecognition: module_name: text_recognition - model_name: PP-OCRv5_server_rec + model_name: PP-OCRv5_server_rec model_dir: null batch_size: 6 score_thresh: 0.0 @@ -287,7 +302,7 @@ SubModules: **修改配置文件** -注意将训练好的模型路径配置 `./pipeline/rec_inference` 和 `./pipeline/det_inference` +注意将训练好的模型路径配置 `./pipeline/rec_inference` 和 `./pipeline/det_inference` ```yaml # 整体 pipeline 名称，用于识别产线名称 @@ -308,9 +323,9 @@ SubModules: # 文本检测模块（通常是基于 DB 的检测器） TextDetection: module_name: text_detection - model_name: PP-OCRv5_mobile_det # 使用的是 mobile 版大模型 - model_dir: ./det_inference # 本地模型文件夹路径（需包含 model.pdmodel 等） - # 调大输入尺寸，关注细节 + model_name: PP-OCRv5_mobile_det # 使用的是 mobile 版大模型 + model_dir: ./det_inference # 本地模型文件夹路径（需包含 model.pdmodel 等） + # 调大输入尺寸，关注细节 limit_side_len: 960 limit_type: min max_side_limit: 4000 @@ -323,10 +338,10 @@ SubModules: # 文本识别模块（通常是 CRNN + CTC 或 SVTR 模型） TextRecognition: module_name: text_recognition - model_name: PP-OCRv5_mobile_rec # 同样使用的是 mobile 版识别模型 + model_name: PP-OCRv5_mobile_rec # 同样使用的是 mobile 版识别模型 model_dir: ./rec_inference - batch_size: 6 # 一次识别图块的数量，适当调大可提高 GPU 利用率 - score_thresh: 0.0 # 识别结果置信度下限，低于此不输出 + batch_size: 6 # 一次识别图块的数量，适当调大可提高 GPU 利用率 + score_thresh: 0.0 # 识别结果置信度下限，低于此不输出 ``` #### 2.3 运行服务器 @@ -387,39 +402,37 @@ POST /ocr - 请求体的属性如下： -| 名称 | 类型 | 含义 | 是否必填 | -| :-------------------------- | :-------- | :----------------------------------------------------------- | :----------------------------------------------------------- | -| `file` | `string` | 服务器可访问的图像文件或PDF文件的URL，或上述类型文件内容的Base64编码结果。默认对于超过10页的PDF文件，只有前10页的内容会被处理。 要解除页数限制，请在产线配置文件中添加以下配置：`Serving: extra: max_num_input_imgs: null ` | 是 | -| `fileType` | `integer` | `null` | 文件类型。`0`表示PDF文件，`1`表示图像文件。若请求体无此属性，则将根据URL推断文件类型。 | -| `visualize` | `boolean` | `null` | 是否返回可视化结果图以及处理过程中的中间图像等。传入 `true`：返回图像。传入 `false`：不返回图像。若请求体中未提供该参数或传入 `null`：遵循产线配置文件`Serving.visualize` 的设置。 例如，在产线配置文件中添加如下字段： `Serving: visualize: False `将默认不返回图像，通过请求体中的`visualize`参数可以覆盖默认行为。如果请求体和配置文件中均未设置（或请求体传入`null`、配置文件中未设置），则默认返回图像。 | -| `useDocOrientationClassify` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_doc_orientation_classify` 参数相关说明。 | -| `useDocUnwarping` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_doc_unwarping` 参数相关说明。 | -| | | | | -| `useTextlineOrientation` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_textline_orientation` 参数相关说明。 | -| `textDetLimitSideLen` | `integer` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_limit_side_len` 参数相关说明。 | -| `textDetLimitType` | `string` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_limit_type` 参数相关说明。 | -| `textDetThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_thresh` 参数相关说明。 | -| `textDetBoxThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_box_thresh` 参数相关说明。 | -| `textDetUnclipRatio` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_unclip_ratio` 参数相关说明。 | -| `textRecScoreThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_rec_score_thresh` 参数相关说明。 | +| 名称 | 类型 | 含义 | 是否必填 | +| :-------------------------- | :-------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | +| `file` | `string` | 服务器可访问的图像文件或PDF文件的URL，或上述类型文件内容的Base64编码结果。默认对于超过10页的PDF文件，只有前10页的内容会被处理。 要解除页数限制，请在产线配置文件中添加以下配置：`Serving: extra: max_num_input_imgs: null ` | 是 | +| `fileType` | `integer` | `null` | 文件类型。`0`表示PDF文件，`1`表示图像文件。若请求体无此属性，则将根据URL推断文件类型。 | +| `visualize` | `boolean` | `null` | 是否返回可视化结果图以及处理过程中的中间图像等。传入 `true`：返回图像。传入 `false`：不返回图像。若请求体中未提供该参数或传入 `null`：遵循产线配置文件`Serving.visualize` 的设置。 例如，在产线配置文件中添加如下字段： `Serving: visualize: False `将默认不返回图像，通过请求体中的`visualize`参数可以覆盖默认行为。如果请求体和配置文件中均未设置（或请求体传入`null`、配置文件中未设置），则默认返回图像。 | +| `useDocOrientationClassify` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_doc_orientation_classify` 参数相关说明。 | +| `useDocUnwarping` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_doc_unwarping` 参数相关说明。 | +| | | | | +| `useTextlineOrientation` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_textline_orientation` 参数相关说明。 | +| `textDetLimitSideLen` | `integer` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_limit_side_len` 参数相关说明。 | +| `textDetLimitType` | `string` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_limit_type` 参数相关说明。 | +| `textDetThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_thresh` 参数相关说明。 | +| `textDetBoxThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_box_thresh` 参数相关说明。 | +| `textDetUnclipRatio` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_unclip_ratio` 参数相关说明。 | +| `textRecScoreThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_rec_score_thresh` 参数相关说明。 | - 请求处理成功时，响应体的`result`具有如下属性： -| 名称 | 类型 | 含义 | -| :----------- | :------- | :----------------------------------------------------------- | +| 名称 | 类型 | 含义 | +| :----------- | :------- | :---------------------------------------------------------------------------------------------------------------------------------------------- | | `ocrResults` | `object` | OCR结果。数组长度为1（对于图像输入）或实际处理的文档页数（对于PDF输入）。对于PDF输入，数组中的每个元素依次表示PDF文件中实际处理的每一页的结果。 | -| `dataInfo` | `object` | 输入数据信息。 | +| `dataInfo` | `object` | 输入数据信息。 | `ocrResults`中的每个元素为一个`object`，具有如下属性： -| 名称 | 类型 | 含义 | -| :---------------------- | :------- | :----------------------------------------------------------- | +| 名称 | 类型 | 含义 | +| :---------------------- | :------- | :------------------------------------------------------------------------------------------------------------------- | | `prunedResult` | `object` | 产线对象的 `predict` 方法生成结果的 JSON 表示中 `res` 字段的简化版本，其中去除了 `input_path` 和 `page_index` 字段。 | -| `ocrImage` | `string` | `null` | -| `docPreprocessingImage` | `string` | `null` | -| `inputImage` | `string` | `null` | - - +| `ocrImage` | `string` | `null` | +| `docPreprocessingImage` | `string` | `null` | +| `inputImage` | `string` | `null` | **Java调用实例** @@ -562,15 +575,16 @@ public class Test { } ``` - ### 错误情况 #### Please use PaddlePaddle with GPU version. + 原因：当前 PaddlePaddle 版本不是GPU的，而是CPU的。 解决方法：安装GPU版本的PaddlePaddle #### ImportError：DLL load failed while importing cv2：找不到指定的模块 + 当前环境：Windows Server 2012 **安装 Microsoft Visual C++ Redistributable** @@ -581,36 +595,39 @@ public class Test { - [Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019（32 位系统）](https://aka.ms/vs/16/release/vc_redist.x86.exe) **检查 Python 和 OpenCV 的位数是否匹配** + - 确保你安装的 Python 版本（32 位或 64 位）与 OpenCV 的位数一致。 - 你可以通过以下命令检查 Python 的位数： ```bash python -c "import struct; print(struct.calcsize('P') * 8)" ``` - 如果不匹配，卸载并重新安装正确位数的 Python 和 OpenCV。 -安装完成后，重启计算机。 + 安装完成后，重启计算机。 **一定要打开桌面实验** + 1. 打开服务器面板，选择 **添加角色和功能** - ![alt text](assets/paddlepaddle/1776995933823.png) + ![alt text](assets/boxocr/1776995933823.png) 2. 在功能处开启 **桌面体验** - ![alt text](assets/paddlepaddle/1776995956696.png) + ![alt text](assets/boxocr/1776995956696.png) 如果开启 桌面体验 报错：**尚未开启 WinRM 服务**， 这个时候需要开启 `Windows Remote Management (WS-Management) ` -![alt text](assets/paddlepaddle/1776995962380.png) - +![alt text](assets/boxocr/1776995962380.png) 如果在开启过程中报错：**错误1068:依存服务或组无法启动** 点击属性，找到 **依存关系**，确保依赖的服务已开启 -![alt text](assets/paddlepaddle/1776995970106.png) +![alt text](assets/boxocr/1776995970106.png) 检查 `HTTP Service` 服务是否启动 + ```bash sc query http ``` 如果出现 `STATE : 1 STOPPED` ，那么就代表该服务已被禁用，解决方案如下： + 1. 启用 HTTP 服务 ```bash sc config http start= auto @@ -627,4 +644,4 @@ sc query http ```bash winrm invoke Restore winrm/Config @{} winrm quickconfig -q - ``` \ No newline at end of file + ``` diff --git a/code/docusaurus/docs/ai/document-intelligence.md b/code/docusaurus/docs/ai/document-intelligence.md new file mode 100644 index 00000000..df935e64 --- /dev/null +++ b/code/docusaurus/docs/ai/document-intelligence.md @@ -0,0 +1 @@ +# 单证智能识别（PP-StructureV3,LLM） \ No newline at end of file