前言

PaddleOCR是百度开源的一款基于深度学习的OCR工具库，支持多种语言的文本检测与识别。对于需要在CentOS服务器上部署OCR服务的开发者来说，掌握完整的安装与部署流程至关重要。本文将详细介绍在CentOS系统下从零开始安装和部署PaddleOCR的全过程，帮助读者快速上手。

一、环境准备

1.1 系统要求

• CentOS 7或更高版本（推荐CentOS 7.6+）
• 至少4GB内存（推荐8GB+）
• 至少20GB可用磁盘空间
• 具备root权限或sudo权限

1.2 安装必要工具

# 更新系统软件包
sudo yum update -y
# 安装开发工具组
sudo yum groupinstall "Development Tools" -y
# 安装wget和curl
sudo yum install wget curl -y

1.3 安装Python环境

PaddleOCR推荐使用Python 3.7或更高版本。CentOS 7默认Python版本较低，建议通过以下方式安装新版Python：

# 安装依赖库
sudo yum install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel libffi-devel -y
# 下载Python 3.8安装包
wget https://www.python.org/ftp/python/3.8.12/Python-3.8.12.tar.xz
# 解压并安装
tar -xf Python-3.8.12.tar.xz
cd Python-3.8.12
./configure --enable-optimizations
make -j$(nproc)
sudo make altinstall
# 验证安装
python3.8 --version

1.4 安装pip

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python3.8 get-pip.py

二、安装PaddlePaddle框架

PaddleOCR基于PaddlePaddle深度学习框架，需要先安装PaddlePaddle。

2.1 确定安装版本

访问PaddlePaddle安装指南，根据您的系统环境选择合适的安装命令。

2.2 CPU版本安装（推荐测试环境）

python3.8 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

2.3 GPU版本安装（如需GPU支持）

如果您的服务器有NVIDIA GPU，可以安装GPU版本以获得更好性能：

# 首先安装CUDA和cuDNN（需根据GPU型号选择版本）
# 这里以CUDA 10.2和cuDNN 8.0为例
sudo yum install -y gcc-c++ make
wget https://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/cuda-repo-rhel7-10.2.89-1.x86_64.rpm
sudo rpm -ivh cuda-repo-rhel7-10.2.89-1.x86_64.rpm
sudo yum clean all
sudo yum install -y cuda-10-2
# 安装cuDNN
# 需要从NVIDIA官网下载cuDNN包后上传到服务器
# 假设已下载cudnn-10.2-linux-x64-v8.0.5.39.tgz
tar -xzvf cudnn-10.2-linux-x64-v8.0.5.39.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
# 安装GPU版PaddlePaddle
python3.8 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

2.4 验证安装

python3.8 -c "import paddle; paddle.utils.run_check()"

如果看到”PaddlePaddle is installed successfully!”的提示，说明安装成功。

三、安装PaddleOCR

3.1 克隆PaddleOCR仓库

git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR

3.2 安装依赖库

python3.8 -m pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple

3.3 下载预训练模型

PaddleOCR提供了多种预训练模型，可以根据需求下载：

# 下载中文OCR模型（检测+识别）
mkdir -p inference
cd inference
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
# 解压模型
for file in *.tar; do tar -xf $file; done
cd ..

四、运行PaddleOCR

4.1 测试图片识别

# 使用默认配置运行
python3.8 tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml \
    -o Global.pretrained_model=inference/ch_ppocr_mobile_v2.0_rec_infer/model \
    Global.infer_img=doc/imgs_words/ch/word_1.jpg

4.2 完整OCR流程（检测+识别）

# 复制示例配置文件
cp configs/ppocr/ppocr_mobile_v2.0_det_rec.yml ./my_config.yml
# 修改配置文件中的模型路径（可选）
# 使用vim或nano编辑my_config.yml
# 修改以下部分：
#   DetModelDir: ./inference/ch_ppocr_mobile_v2.0_det_infer
#   RecModelDir: ./inference/ch_ppocr_mobile_v2.0_rec_infer
# 运行完整OCR
python3.8 tools/infer_ppocr.py -c my_config.yml \
    --image_dir=doc/imgs_words/ch/word_1.jpg \
    --det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \
    --rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer

五、部署为Web服务

5.1 安装FastAPI和Uvicorn

python3.8 -m pip install fastapi uvicorn python-multipart -i https://mirror.baidu.com/pypi/simple

5.2 创建Web服务

在PaddleOCR目录下创建app.py文件：

from fastapi import FastAPI, UploadFile, File
from paddleocr import PaddleOCR
import cv2
import numpy as np
import io
app = FastAPI()
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
@app.post("/ocr/")
async def ocr_endpoint(file: UploadFile = File(...)):
    # 读取上传的图片
    contents = await file.read()
    nparr = np.frombuffer(contents, np.uint8)
    img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
    # 执行OCR
    result = ocr.ocr(img, cls=True)
    # 格式化结果
    output = []
    for line in result:
        for word_info in line:
            word = word_info[1][0]
            confidence = word_info[1][1]
            output.append({"word": word, "confidence": float(confidence)})
    return {"result": output}

5.3 启动Web服务

uvicorn app:app --host 0.0.0.0 --port 8000

5.4 测试Web服务

使用curl测试：

curl -X POST -F "file=@doc/imgs_words/ch/word_1.jpg" http://localhost:8000/ocr/

六、常见问题解决

6.1 内存不足问题

如果遇到内存不足错误，可以：

1. 减少batch size（修改配置文件中的Global.batch_size_per_card）
2. 使用更小的模型（如ch_ppocr_mobile_v2.0）
3. 增加服务器内存

6.2 依赖冲突问题

如果遇到依赖冲突，可以：

# 创建虚拟环境（推荐）
python3.8 -m venv paddle_env
source paddle_env/bin/activate
pip install -r requirements.txt

6.3 GPU不可用问题

确保：

1. 已正确安装CUDA和cuDNN
2. NVIDIA驱动已安装
3. 使用nvidia-smi命令可以查看GPU状态
4. 安装的是GPU版本的PaddlePaddle

七、性能优化建议

1. 模型选择：根据需求选择合适的模型

   • 移动端/轻量级：ch_ppocr_mobile_v2.0
   • 服务器端/高精度：ch_ppocr_server_v2.0

2. 批量处理：对于大量图片，可以实现批量处理接口

3. 多进程处理：使用Gunicorn启动多个Uvicorn进程

4. 模型量化：考虑使用量化后的模型减少内存占用

八、总结

通过以上步骤，您已经成功在CentOS系统上完成了PaddleOCR的安装与部署。从环境准备、框架安装到模型下载和Web服务部署，本文提供了完整的操作指南。对于生产环境部署，建议进一步考虑：

1. 使用Nginx作为反向代理
2. 实现日志记录和监控
3. 添加认证和限流机制
4. 考虑容器化部署（如Docker）

PaddleOCR作为一款优秀的开源OCR工具，其丰富的功能和良好的性能可以满足大多数OCR场景的需求。希望本文能帮助您快速上手PaddleOCR的部署工作。