Paddle OCR 安装使用教程

一、环境准备与安装前提

1.1 系统与硬件要求

Paddle OCR支持Linux、Windows及macOS系统，但推荐在Linux环境（如Ubuntu 20.04）下运行以获得最佳性能。硬件方面，CPU需支持AVX指令集（可通过cat /proc/cpuinfo | grep avx验证），若使用GPU加速则需安装CUDA 11.2+及cuDNN 8.1+。内存建议≥8GB，存储空间需预留≥10GB用于模型和数据。

1.2 Python与依赖安装

Paddle OCR依赖Python 3.7-3.10版本。推荐使用Anaconda创建虚拟环境以避免依赖冲突：

conda create -n paddle_ocr python=3.8
conda activate paddle_ocr

通过pip安装核心依赖：

pip install paddlepaddle-gpu==2.4.0.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html  # GPU版
# 或
pip install paddlepaddle==2.4.0  # CPU版
pip install paddleocr

关键点：GPU版需严格匹配CUDA版本，可通过nvidia-smi查看本地CUDA版本，选择对应PaddlePaddle版本。

二、Paddle OCR安装步骤详解

2.1 基础安装（推荐新手）

直接通过pip安装PaddleOCR包，自动解决依赖关系：

pip install paddleocr --upgrade

验证安装：

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # 初始化中英文OCR
print("安装成功！")

2.2 源码安装（高级用户）

若需修改代码或使用最新特性，可从GitHub克隆源码：

git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR
pip install -r requirements.txt
python setup.py install

优势：可自定义模型结构、训练逻辑，适合二次开发。

2.3 模型下载与配置

PaddleOCR提供预训练模型（如ch_PP-OCRv4_det、ch_PP-OCRv4_rec），需手动下载至./inference目录：

mkdir -p inference
cd inference
wget https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_det_infer.tar
tar -xf ch_PP-OCRv4_det_infer.tar
# 重复下载rec和cls模型

或通过代码自动下载：

from paddleocr import PaddleOCR
ocr = PaddleOCR(det_model_dir="./inference/ch_PP-OCRv4_det_infer", 
                rec_model_dir="./inference/ch_PP-OCRv4_rec_infer")

三、核心功能使用指南

3.1 基础OCR调用

from paddleocr import PaddleOCR
# 初始化（支持多语言）
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # 中文
# ocr = PaddleOCR(lang="en")  # 英文
# 图片识别
img_path = "test.jpg"
result = ocr.ocr(img_path, cls=True)
# 输出结果
for line in result:
    print(line[0])  # 坐标与文本
    print(line[1][0])  # 置信度

参数说明：

• use_angle_cls：是否启用方向分类（适用于倾斜文本）
• lang：语言包（支持中、英、法、德等80+语言）
• det_db_thresh：文本检测阈值（默认0.3）

3.2 批量处理与性能优化

处理多张图片时，可使用生成器或多线程：

import glob
from paddleocr import PaddleOCR
ocr = PaddleOCR()
img_paths = glob.glob("images/*.jpg")
for img_path in img_paths:
    result = ocr.ocr(img_path)
    # 保存结果至JSON

性能优化技巧：

1. GPU加速：确保paddlepaddle-gpu安装正确，通过CUDA_VISIBLE_DEVICES指定显卡。
2. 批处理：修改PaddleOCR源码支持批量输入（需自定义DataLoader）。
3. 模型量化：使用paddle.jit.save将模型转为静态图，减少推理时间。

3.3 自定义模型训练

若需训练自有数据集，需准备标注文件（格式为img_name [{"transcription": "文本", "points": [[x1,y1],...]}]），然后运行：

python tools/train.py -c configs/rec/ch_PP-OCRv4_rec.yml

关键配置：

• Global.train_dataset.name：数据集名称
• Global.eval_dataset.name：验证集名称
• Optimizer.lr.name：学习率策略（推荐CosineDecay）

四、实战案例：发票信息提取

4.1 场景描述

从增值税发票中提取开票日期、金额、购买方名称等关键字段。

4.2 实现步骤

1. 数据标注：使用LabelImg或PPOCRLabel标注工具标注发票关键区域。
2. 模型微调：基于PP-OCRv4模型，在发票数据集上训练10个epoch。
3. 后处理规则：通过正则表达式匹配金额、日期等模式。
   ```python
   import re
   from paddleocr import PaddleOCR

ocr = PaddleOCR(rec_model_dir=”./custom_rec_model”)
img_path = “invoice.jpg”
result = ocr.ocr(img_path)

提取金额（假设金额在第二行）

amount_line = result[1][0]
amount = re.search(r”\d+.\d{2}”, amount_line).group()
print(f”金额: {amount}”)

### 4.3 部署方案
- **服务化**：使用FastAPI封装OCR接口：
```python
from fastapi import FastAPI
from paddleocr import PaddleOCR
app = FastAPI()
ocr = PaddleOCR()
@app.post("/ocr")
async def ocr_api(img_bytes: bytes):
    import io
    from PIL import Image
    img = Image.open(io.BytesIO(img_bytes))
    result = ocr.ocr(img)
    return {"result": result}

• 容器化：通过Docker部署，确保环境一致性：

  FROM python:3.8
  RUN pip install paddleocr fastapi uvicorn
  COPY . /app
  WORKDIR /app
  CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

五、常见问题与解决方案

5.1 安装失败

• 错误：ModuleNotFoundError: No module named 'paddle'
  • 原因：PaddlePaddle未正确安装。
  • 解决：重新安装对应版本的PaddlePaddle，确保CUDA环境匹配。

5.2 识别率低

• 优化方向：
  1. 调整det_db_thresh和rec_batch_num参数。
  2. 增加训练数据量，或使用数据增强（如随机旋转、缩放）。
  3. 尝试更先进的模型（如PP-OCRv4）。

5.3 GPU利用率低

• 检查项：
  • nvidia-smi查看GPU是否被占用。
  • 确保paddlepaddle-gpu版本与CUDA匹配。
  • 增加rec_batch_num以提升批处理效率。

六、总结与扩展

Paddle OCR凭借其高精度、多语言支持、易用性，已成为OCR领域的热门工具。本文从环境配置到实战部署，覆盖了全流程关键步骤。对于企业用户，建议结合自有数据微调模型，并通过容器化实现规模化部署。未来，可探索结合NLP技术实现发票自动审核、合同关键信息抽取等高级功能。