20260606152506

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/
 ```
@@ -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
@@ -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。
 
 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
@@ -388,7 +403,7 @@ 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。 |
@@ -406,21 +421,19 @@ POST /ocr
 - 请求处理成功时，响应体的`result`具有如下属性：
 
 | 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。                                                                                                                                  |
 
 `ocrResults`中的每个元素为一个`object`，具有如下属性：
 
 | 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`                                                                                                               |
 
-
-
 **Java调用实例**
 
 ```java
@@ -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

code/docusaurus/docs/ai/document-intelligence.md

@@ -0,0 +1 @@
+# 单证智能识别（PP-StructureV3,LLM）