CV / PPOCR

PPOCR

Detects text polygons, rectifies each region, recognizes the text, and returns coordinates and confidence.

7 descargas

Precisión

RKNN

Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.

Plataforma

Motor de inferencia

Primeros pasos

Desplegar

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppocr:latest \
  python web_service.py --platform rk3576 --model_dir /app/model --host 0.0.0.0 --port 8000

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "ppocr-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "ppocr-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Detalles del modelo

PPOCR en reComputer RK3576 y RK3588

Este servicio OCR de extremo a extremo procede de reComputer-RK-CV. Detecta polígonos de texto, los ordena según el orden de lectura, rectifica cada recorte en perspectiva y reconoce cada línea.

Información del modelo

Componente	Archivo
Detector de texto	`model/ppocr_det.rknn`
Reconocedor de texto	`model/ppocr_rec.rknn`
Diccionario de caracteres	`model/ppocr_keys_v1.txt`
Fuente de anotación	`model/simfang.ttf`
Salida	Texto, confianza, coordenadas del cuadrilátero, recortes y latencia

PPOCR solo admite imágenes fijas. El servicio upstream no incluye deliberadamente controles de cámara, vídeo local ni análisis MP4.

Ejecutar el servicio

RK3576

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppocr:latest \
  python web_service.py --platform rk3576 --model_dir /app/model \
  --host 0.0.0.0 --port 8000

RK3588

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-ppocr:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --host 0.0.0.0 --port 8000

Abra http://<BOARD_IP>:8000 o /docs.

Argumentos de inicio

Argumento	Predeterminado	Descripción
`--platform`	Obligatorio	`rk3576` o `rk3588`.
`--model_dir`	`model`	Modelos, diccionario, fuente e imagen de muestra.
`--image`	Ninguno	Imagen fija analizada antes de iniciar el servidor.
`--output`	Ninguno	Ruta JPG/PNG anotada para `--image`.
`--no_server`	Desactivado	Salir después de procesar `--image`.
`--host` / `--port`	`0.0.0.0` / `8000`	Dirección y puerto del servicio.

Para analizar una imagen montada, guardar la anotación, imprimir JSON y salir:

bash

python web_service.py --platform rk3576 --model_dir model \
  --image /data/document.jpg --output /data/document_result.jpg --no_server

REST API

Endpoint: POST /api/models/ppocr/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/ppocr/predict" \
  -F "file=@document.jpg" -F "drop_score=0.5" \
  -F "include_crops=false"

Los campos opcionales son det_threshold, box_threshold, unclip_ratio, drop_score, max_results e include_crops. Otros endpoints ofrecen estado, configuración, último resultado estructurado, último JPEG anotado y documentación OpenAPI interactiva.

Campo	Predeterminado	Descripción
`det_threshold`	`0.3`	Umbral de detección del mapa de píxeles, de 0 a 1.
`box_threshold`	`0.6`	Puntuación mínima de cuadro de texto DB.
`unclip_ratio`	`1.5`	Relación de expansión del polígono, de 0.1 a 5.
`drop_score`	`0.5`	Confianza mínima de reconocimiento incluida en el texto combinado.
`max_results`	`100`	Número máximo de regiones enviadas al reconocimiento.
`include_crops`	`false`	Incluir recortes JPEG base64 en las líneas de resultado.

Campos importantes de respuesta:

json

{
  "success": true,
  "model": "ppocr",
  "result": {
    "text": "Recognized first line\nRecognized second line",
    "lines": [
      {
        "index": 1,
        "text": "Recognized first line",
        "confidence": 0.9621,
        "accepted": true,
        "box": [[42, 31], [286, 29], [287, 72], [43, 74]]
      }
    ],
    "count": 2,
    "timing_ms": {"detection": 54.2, "recognition": 71.4, "total": 129.8}
  }
}

La calidad de detección afecta directamente al reconocimiento. El texto muy pequeño, borroso, curvado, vertical, de bajo contraste o muy girado puede omitirse, y la heurística simple de orden de lectura puede no ser adecuada para documentos complejos de varias columnas. include_crops=true aumenta el tamaño de la respuesta y está pensado principalmente para el panel web de resultados. Detector y reconocedor son etapas del pipeline y deben ser compatibles con el diccionario de caracteres y la lógica de recorte en perspectiva.

Compilar localmente

bash

docker build -f docker/rk3576/ppocr.dockerfile \
  -t rk3576-ppocr:local src/rk3576_ppocr

docker build -f docker/rk3588/ppocr.dockerfile \
  -t rk3588-ppocr:local src/rk3588_ppocr

Entradas y salidas

Input: still image. Output: ordered text lines, confidence scores, quadrilaterals, and annotated image.