Skip to main content

文本检测与识别-PaddleOCR

本示例基于 hbm_runtime 推理引擎运行 PaddleOCR 模型进行文本检测与识别，支持中文场景的 OCR 识别与可视化，本示例代码位于/app/pydev_demo/08_OCR_sample/01_paddleOCR/目录下，本示例代码位于/app/pydev_demo/02_detection_sample/02_ultralytics_yolo11/ 目录下。

模型说明​

  • 简介：

    本示例实现了基于 PaddleOCR v3 的中文文字检测与识别（两阶段 OCR）任务。整体流程包括检测文字区域（检测模型）与逐区域识别文字内容（识别模型）。

  • HBM 模型名称：

  • 检测模型（Detection）：cn_PP-OCRv3_det_infer-deploy_640x640_nv12.hbm

  • 识别模型（Recognition）：cn_PP-OCRv3_rec_infer-deploy_48x320_rgb.hbm

  • 输入格式：

    • 检测模型：BGR 图像 → resize 到 640×640，转换为 NV12 格式（Y、UV 分离）

    • 识别模型：旋转裁剪后的 BGR 文本块图像 → resize 到 48×320，归一化、转为 RGB 格式

  • 输出：

    • 检测模型：分割概率图（1×1×H×W），后处理得到文本框坐标

    • 识别模型：字符 token 的 logits，CTC 解码后得到识别文本字符串

  • 模型下载地址（程序自动下载）：

    # 检测模型
    https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_s100/paddle_ocr/cn_PP-OCRv3_det_infer-deploy_640x640_nv12.hbm
    # 识别模型
    https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_s100/paddle_ocr/cn_PP-OCRv3_rec_infer-deploy_48x320_rgb.hbm

功能说明​

  • 模型加载

    使用 hbm_runtime 分别加载文字检测与识别模型，并解析输入输出名称和形状信息，支持设置推理优先级与 BPU 核绑定。

  • 输入预处理

    • 检测模型：将原图 resize 到 640×640，并转换为 NV12 格式（用于 BPU 推理）。

    • 识别模型：将每个旋转裁剪后的文本块 resize 到 48×320，转为 RGB 格式并归一化，最终转为 NCHW 结构。

  • 推理执行

    调用 .run() 方法进行前向推理，输出包括概率图（检测）与 logits（识别）。

  • 结果后处理

    • 检测模型：

      • 对概率图二值化（使用设定阈值）

      • 查找文本区域轮廓并扩张

      • 提取旋转框并裁剪图像区域

    • 识别模型：

      • 使用 CTCLabelDecode 对 logits 解码，映射为文字字符串

    最终将识别结果以红色文字标注在空白图中，与原图拼接可视化。

环境依赖​

  • 确保安装了pydev中的环境依赖 
    pip install -r ../../requirements.txt
  • 安装OCR处理所需的包 
    pip install pyclipper==1.3.0.post6 Pillow==9.0.1 paddlepaddle

目录结构​

.
├── FangSong.ttf                # 中文显示用字体
├── paddle_ocr.py               # 主程序，完成文本检测与识别
├── postprocess/                # 后处理逻辑（排序、合并、解码等）
└── README.md                   # 使用说明

参数说明​

参数名默认值说明
--det-model-path/opt/hobot/model/s100/basic/cn_PP-OCRv3_det_infer-deploy_640x640_nv12.hbm文本检测模型路径
--rec-model-path/opt/hobot/model/s100/basic/cn_PP-OCRv3_rec_infer-deploy_48x320_rgb.hbm文本识别模型路径
--priority0模型推理优先级，数值越大优先级越高
--bpu-cores[0]指定运行推理的 BPU 核心索引
--test-img/app/res/assets/gt_2322.jpg输入图像路径
--label-file/app/res/labels/ppocr_keys_v1.txt文本识别所需标签文件路径
--img-save-pathresult.jpg推理结果图像的保存路径
--threshold0.5文本区域二值化的阈值
--ratio-prime2.7文本框膨胀系数，用于检测框的形态调整

快速运行​

  • 运行模型

    • 使用默认参数 
      python paddle_ocr.py
    • 指定参数运行 
      python paddle_ocr.py \
      --det-model-path /opt/hobot/model/s100/basic/cn_PP-OCRv3_det_infer-deploy_640x640_nv12.hbm \
      --rec-model-path /opt/hobot/model/s100/basic/cn_PP-OCRv3_rec_infer-deploy_48x320_rgb.hbm \
      --test-img /app/res/assets/gt_2322.jpg \
      --label-file /app/res/labels/ppocr_keys_v1.txt \
      --img-save-path result.jpg \
      --priority 0 \
      --bpu-cores 0 \
      --threshold 0.5 \
      --ratio-prime 2.7

  • 查看结果

    运行成功后，会将结果绘制在原图上，并保存到 --img-save-path 指定路径

    [Saved] Result saved to: result.jpg

注意事项​

  • 若指定模型路径不存在，程序将尝试自动下载模型。
Last updated on