關(guān)于 PaddleOCRSharp

PaddleOCRSharp 是百度飛槳封裝的.NET版本 OCR dll 類庫，OCR（Optical Character Recognition）工具可以將圖像文件中的文本內(nèi)容進行識別，轉(zhuǎn)換成可編輯的文本格式。從而進一步進行編輯、存儲和分析。

在實際的使用中，這款工具類庫的確很優(yōu)秀，無論從識別時間還是識別率來說，比較平衡比較令人滿意。

應(yīng)用范例演示

這是我們在實際應(yīng)用中開發(fā)的一款工具，基于 Windows WinForm 模式，用于識別客戶提供的電子檔案中的文字，并進行文字識別存儲及后續(xù)的管理。其主界面運行如下：

如圖，工具程序在導(dǎo)入前提供了一些選項，包括：

（1）導(dǎo)入類型為圖片數(shù)據(jù)和個人信息（這包括了導(dǎo)入文本到數(shù)據(jù)庫的選項）

（2）跳過OCR識別功能，是為了直接導(dǎo)入圖片到數(shù)據(jù)庫，這里我們需要勾選掉以進行測試

（3）對已導(dǎo)入數(shù)據(jù)執(zhí)行更新操作，這個選項是純數(shù)據(jù)庫更新操作

（4）不輸出導(dǎo)出報告，是為了減少內(nèi)存占用量，提升性能

快捷設(shè)置可以提供自動設(shè)置4個選項的目的。

工具程序提供了全目錄全文件分析和單目錄分析，全目錄會遍歷該目錄下所有的電子圖片進行識別操作，這里我們選擇的是單目錄文件分析（即選擇一個目錄，只查找該目錄下所有的圖片文件），并將最終的分析結(jié)果顯示在報告框中。

在實際的運行應(yīng)用中，我們的檔案有共計幾千萬份圖片，由于環(huán)境及硬件要求，僅提供了三臺配置雷人的臺式機，發(fā)現(xiàn)運行幾小時后，PaddleOCRSharp.dll 運行崩潰報錯，如下圖：

因此需要對程序進行一些改進。

?范例運行環(huán)境

操作系統(tǒng)： Windows Server 2019 DataCenter

PaddleOCRSharp版本：2.2.0.0

數(shù)據(jù)庫：Microsoft SQL Server 2016

.net版本： .netFramework4.0 或以上

開發(fā)工具：VS2019  C#

疲勞測試

添加組件庫

打 VS2019 創(chuàng)建 WinForm 應(yīng)用，在解決方案資源管理器中添加引用，成功后如下圖：

 添加 using PaddleOCRSharp; 引用，示例如下：

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using PaddleOCRSharp;
using System.IO;
using System.Collections;
using System.Data.SqlClient;
using System.Diagnostics;
using System.Security.Cryptography;

方法設(shè)計 

首先在 WinForm （實例假設(shè)為 Form1)，中初化如下變量，代碼如下：

OCRModelConfig config = null;
OCRParameter oCRParameter = new OCRParameter();
PaddleOCREngine engi = null;
OCRResult ocrResult = new OCRResult();

說明表如下： 

初始化對象是疲勞測試的關(guān)鍵設(shè)計，如果每次都 new 一個對象，系統(tǒng)運行一段時間后就會崩潰。

paddleOCR方法實現(xiàn)對于路徑圖片的文字識別提取，代碼如下：

string paddleOCR(string imagepath)
{
            var imagebyte = File.ReadAllBytes(imagepath);
            
 
            oCRParameter.cpu_math_library_num_threads = 10;// 預(yù)測并發(fā)線程數(shù)
            oCRParameter.enable_mkldnn = false; // web部署該值建議設(shè)置為0，否則出錯，內(nèi)存如果使用很大，建議該值也設(shè)置為0.
            oCRParameter.cls = false; // 是否執(zhí)行文字方向分類；默認false
            oCRParameter.use_angle_cls = false; // 是否開啟方向檢測，用于檢測識別180旋轉(zhuǎn)
            oCRParameter.det_db_score_mode = false; // 是否使用多段線，即文字區(qū)域是用多段線還是用矩形
            oCRParameter.det_db_unclip_ratio = 1.6f;
            
 
            engi = new PaddleOCREngine(config, oCRParameter);
 
            ocrResult = engi.DetectText(imagebyte);
 
            engi.Dispose();
 
            if (ocrResult != null)
            {
                return ocrResult.Text;
            }
            
            return "";
}

paddleOCR方法僅需要提供一個圖片完整路徑參數(shù)即可，方法中的參數(shù)對象需要說明一下，見下表：

調(diào)用示例 

在Form上假設(shè)有按鈕 Button1，則其點擊事件的調(diào)用代碼示例如下：

private void Button1_Click(object sender, EventArgs e)
{
 
 
   OpenFileDialog ofd = new OpenFileDialog();
   ofd.Filter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
   if (ofd.ShowDialog() != DialogResult.OK) return;
   string rv2 = paddleOCR(ofd.FileName);
   MessageBox.Show("共識別提取了"+rv2.Length.ToString()+"個文字\r\n"+ rv2, "識別結(jié)果");
   return;
}

小結(jié)

在實際的運行中，三臺機器同時運行，有兩臺機器運行了7天以上暫無報錯，一臺運行了5天左右報錯，唯一的區(qū)別在于報錯機器的顯卡配置較低，不同于其它兩臺機器?？傮w來說對于幾個小時就會出錯，提升了不少，也給我們監(jiān)控運行狀況提供了空間。

本實例是根據(jù)客戶提供的電子圖片類型、目錄結(jié)構(gòu)、JSON配置文件進行的定制開發(fā)，在實際應(yīng)用我們要根據(jù)情況進行參數(shù)的設(shè)置和設(shè)計的調(diào)整，在測試中我們發(fā)現(xiàn)通過本實例的參數(shù)設(shè)置可以多識別出一些文字，而且識別率還是比較準確的。 

到此這篇關(guān)于C# PaddleOCRSharp OCR進行疲勞測試的文章就介紹到這了,更多相關(guān)C# OCR疲勞測試內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論