一、技术背景与业务价值

在RPA（机器人流程自动化）场景中，OCR（光学字符识别）技术是处理非结构化文本数据的关键环节。百度OCR作为国内领先的文字识别服务，提供高精度的印刷体/手写体识别能力，支持身份证、营业执照等20余种专用票据识别。通过UIPATH调用百度OCR API，企业可实现：

1. 效率提升：自动化处理纸质单据、PDF等格式的文本提取
2. 成本优化：替代传统人工录入，降低人力成本
3. 准确性保障：百度OCR通用场景识别准确率达99%+（官方数据）
4. 扩展性增强：支持多语言、复杂版面识别等高级功能

典型应用场景包括：财务报销单自动识别、物流面单信息提取、合同关键条款抓取等。

二、技术实现前序准备

1. 百度OCR服务开通

1. 登录百度智能云控制台
2. 进入「文字识别」服务，创建应用获取：
   • API Key
   • Secret Key
3. 启用所需识别接口（如通用文字识别高精度版）

2. UIPATH环境配置

1. 安装最新版UIPATH Studio（建议2022.10+）
2. 通过「Manage Packages」安装：
   • System.Net.Http（HTTP请求）
   • Newtonsoft.Json（JSON解析）
3. 创建新流程项目，设置项目属性为「Windows - Legacy」兼容模式

三、核心实现步骤

1. 鉴权机制实现

百度OCR采用API Key+Secret Key的AK/SK鉴权方式，需生成访问令牌（Access Token）：

' 鉴权请求示例（UIPATH Invoke Code活动）
Dim clientId As String = "您的API_KEY"
Dim clientSecret As String = "您的SECRET_KEY"
Dim authUrl As String = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=" + clientId + "&client_secret=" + clientSecret
Dim httpClient As New System.Net.Http.HttpClient()
Dim response As System.Net.Http.HttpResponseMessage = httpClient.GetAsync(authUrl).Result
Dim responseContent As String = response.Content.ReadAsStringAsync().Result
Dim jsonObj As Newtonsoft.Json.Linq.JObject = Newtonsoft.Json.Linq.JObject.Parse(responseContent)
Dim accessToken As String = jsonObj("access_token").ToString()

关键点：

• 令牌有效期为30天，建议实现缓存机制
• 错误处理需捕获WebException异常

2. 图像预处理规范

百度OCR对输入图像有明确要求：

• 格式：JPG/PNG/BMP
• 尺寸：建议400x400~4096x4096像素
• 内容：文字方向垂直，单张图片文字区域占比>50%

在UIPATH中可通过「Image」活动进行基础处理：

' 图像压缩示例（使用System.Drawing）
Dim originalImage As System.Drawing.Image = System.Drawing.Image.FromFile("input.jpg")
Dim resizedImage As New System.Drawing.Bitmap(originalImage, New System.Drawing.Size(800, 600))
resizedImage.Save("processed.jpg", System.Drawing.Imaging.ImageFormat.Jpeg)

3. API请求封装

通用文字识别高精度版请求示例：

Dim imagePath As String = "processed.jpg"
Dim imageBytes As Byte() = System.IO.File.ReadAllBytes(imagePath)
Dim base64String As String = Convert.ToBase64String(imageBytes)
Dim requestUrl As String = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic?access_token=" + accessToken
Dim requestBody As String = "{" + 
    ""image"":""" + base64String + """, " + 
    ""language_type"":""CHN_ENG"" " + 
"}"
Dim content As New System.Net.Http.StringContent(requestBody, System.Text.Encoding.UTF8, "application/json")
Dim response As System.Net.Http.HttpResponseMessage = httpClient.PostAsync(requestUrl, content).Result
Dim result As String = response.Content.ReadAsStringAsync().Result

参数说明：

• language_type：支持CHN_ENG（中英文）、ENG（英文）等
• recognize_granularity：可设置为word（单词级）或char（字符级）

4. 响应结果解析

百度OCR返回JSON结构示例：

{
    "log_id": 123456789,
    "words_result_num": 2,
    "words_result": [
        {"words": "百度公司"},
        {"words": "2023年"}
    ]
}

UIPATH解析代码：

Dim jsonResult As Newtonsoft.Json.Linq.JObject = Newtonsoft.Json.Linq.JObject.Parse(result)
Dim wordsList As Newtonsoft.Json.Linq.JArray = jsonResult("words_result")
Dim extractedText As New System.Text.StringBuilder()
For Each item As Newtonsoft.Json.Linq.JToken In wordsList
    extractedText.AppendLine(item("words").ToString())
Next
' 输出到日志或变量
System.Console.WriteLine(extractedText.ToString())

四、高级功能实现

1. 批量处理优化

通过「Parallel」活动实现多线程识别：

' 创建任务列表
Dim tasks As New List(Of Action)()
For Each imagePath In Directory.GetFiles("image_folder")
    tasks.Add(Sub()
        ' 单个图像识别逻辑
    End Sub)
Next
' 并行执行
Parallel.ForEach(tasks, Sub(task) task.Invoke() )

2. 异常处理机制

建议实现三级异常处理：

1. 网络层：捕获HttpRequestException
2. 业务层：检查HTTP状态码（200表示成功）
3. 数据层：验证返回字段是否存在

Try
    ' API调用代码
Catch ex As System.Net.Http.HttpRequestException
    ' 网络错误处理
Catch ex As Newtonsoft.Json.JsonException
    ' JSON解析错误处理
Catch ex As Exception
    ' 其他异常处理
End Try

五、性能优化建议

1. 图像分块：对超大图像进行切割处理（建议单块<2MB）
2. 请求合并：批量识别接口支持单次上传5张图像
3. 缓存策略：对重复图像建立本地缓存
4. 异步调用：使用HttpClient.SendAsync替代同步方法

六、安全与合规

1. 数据传输：确保使用HTTPS协议
2. 密钥管理：将API Key存储在Orchestrator资产中
3. 日志脱敏：避免记录原始图像或完整识别结果
4. 合规要求：符合《个人信息保护法》对生物识别信息的处理规定

七、典型问题解决方案

Q1：返回”403 Forbidden”错误

• 检查Access Token是否过期
• 确认应用是否开通对应识别服务
• 检查IP白名单设置

Q2：识别准确率低

• 优化图像质量（对比度>30%）
• 调整language_type参数
• 使用专用接口（如身份证识别）

Q3：请求超时

• 增加HTTP客户端超时设置：

  httpClient.Timeout = TimeSpan.FromSeconds(30)

八、扩展应用场景

1. 结构化输出：结合「Data Scraping」活动将识别结果写入Excel
2. RPA+AI：与UIPATH AI Center集成构建端到端解决方案
3. 多语言支持：通过language_type参数实现中英日韩等语言识别
4. 版面分析：使用「表格识别」接口处理复杂报表

通过本文介绍的完整实现方案，企业可在UIPATH中高效集成百度OCR服务，构建智能化的文档处理流程。实际部署时建议先在测试环境验证，再逐步推广到生产环境，同时建立完善的监控告警机制。