介绍了一个基于CRNN模型的轻量级OCR解决方案，支持WebUI和API两种模式，适用于发票、证件等多种场景的文字识别。具备图像预处理、高精度识别及本地化部署等特点。
在数字化转型加速的今天，OCR（光学字符识别）文字识别已成为文档自动化、信息提取和智能录入的核心技术。无论是发票扫描、证件识别还是街道路牌解析，OCR 都扮演着'视觉翻译官'的角色。然而，传统 OCR 方案往往依赖复杂的部署流程或昂贵的 GPU 资源，限制了其在中小项目中的普及。
本镜像基于 ModelScope 经典的 CRNN（Convolutional Recurrent Neural Network）模型构建，专为轻量级、高精度通用 OCR 场景设计。相比普通轻量模型，CRNN 通过'卷积 + 循环 + CTC 损失'三重机制，在处理复杂背景干扰、低分辨率图像以及中文手写体等挑战性任务时表现出更强的鲁棒性和准确率，是工业界广泛采用的端到端文本识别架构。
💡 核心亮点：
本项目以容器化方式封装，开箱即用。只需在支持 Docker 的平台（如阿里云 PAI、ModelScope Studio 或本地环境）拉取并运行镜像：
docker run -p 5000:5000 crnn-ocr-webui:latest
服务默认监听 5000 端口。启动成功后，可通过平台提供的 HTTP 访问按钮进入 WebUI 界面。
打开浏览器访问服务地址后，您将看到简洁直观的操作界面。点击左侧区域的'上传图片'按钮，支持常见格式如 JPG、PNG、BMP，适用于以下典型场景：
上传完成后，点击主操作区的 '开始高精度识别' 按钮。系统将自动执行以下流程：
识别完成后，右侧列表将逐条展示识别出的文字内容，并附带置信度评分（Confidence Score），便于人工复核。例如：
| 文本 | 置信度 |
|---|---|
| 北京市朝阳区建国门外大街1号 | 0.98 |
| 发票代码：110023456789 | 0.96 |
| 金额：¥3,860.00 | 0.94 |
所有结果均可一键复制，方便后续导入 Excel 或数据库。
CRNN（Convolutional Recurrent Neural Network）是一种专为序列识别设计的端到端神经网络结构，特别适用于不定长文本识别任务。它由三部分组成：
这种结构避免了传统 OCR 中'先检测再识别'的复杂流水线，直接从原始图像映射到字符序列，极大提升了效率与泛化能力。
中文 OCR 的难点在于：
而 CRNN 的优势体现在：
因此，在面对中文手写体、艺术字或模糊印刷体时，CRNN 显著优于纯 CNN 或模板匹配方法。
为了进一步提升识别稳定性，系统集成了多项 OpenCV 图像增强技术，全部在 CPU 上高效运行：
import cv2
import numpy as np
def preprocess_image(image_path, target_size=(100, 32)):
# 读取图像
img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
# 自动对比度增强（CLAHE）
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
img = clahe.apply(img)
# 尺寸归一化（保持宽高比，补白填充）
h, w = img.shape
ratio = float(h) / target_size[1]
new_w = int(w / ratio)
resized = cv2.resize(img, (new_w, target_size[1]), interpolation=cv2.INTER_CUBIC)
# 补白至目标宽度
pad_width = max(target_size[0] - new_w, 0)
padded = np.pad(resized, ((0,0), (0,pad_width)), 'constant', constant_values=255)
# 归一化像素值 [0, 1]
normalized = padded.astype(np.float32) / 255.0
return normalized.reshape(1, 32, 100, 1) # 扩展 batch 和 channel 维度
📌 关键点说明：
该预处理链路已嵌入 Flask 后端，用户无需手动调参即可获得清晰输入。
除了图形化操作外，系统还暴露了标准的 RESTful API 接口，便于集成到其他系统中。
| 接口 | 方法 | 功能 |
|---|---|---|
/api/ocr | POST | 提交图片进行 OCR 识别 |
/api/health | GET | 健康检查，返回服务状态 |
import requests
# 准备图片文件
files = {'image': open('invoice.jpg', 'rb')}
# 发起请求
response = requests.post('http://localhost:5000/api/ocr', files=files)
# 解析结果
if response.status_code == 200:
result = response.json()
for item in result['text']:
print(f"文本: {item['text']}, 置信度: {item['confidence']:.2f}")
else:
print("识别失败:", response.text)
返回示例 JSON：
{
"success": true,
"text": [
{"text": "北京市海淀区中关村大街1号", "confidence": 0.97},
{"text": "日期：2024年3月15日", "confidence": 0.95},
{"text": "总计金额：¥1,280.00", "confidence": 0.93}
],
"processing_time": 0.87
}
✅ 实践建议：
尽管 CRNN 已针对 CPU 做了充分优化，但在实际部署中仍需注意以下几点：
虽然当前版本为单图推理设计，但可通过修改后端支持小批量并发处理。例如设置最大 batch size=4，利用 CPU 多线程并行加载与推理，提升吞吐量。
对于特定领域（如医疗、金融票据），可引入词典约束解码过程，强制模型只输出合法术语，显著降低错误率。
建议开启日志记录，收集每张图片的处理耗时、置信度分布和失败原因，用于后续模型迭代与服务质量评估。
import logging
logging.basicConfig(filename='ocr_service.log', level=logging.INFO)
@app.route('/api/ocr', methods=['POST'])
def ocr_api():
start_time = time.time()
try:
# ... 识别逻辑 ...
processing_time = time.time() - start_time
logging.info(f"Success | {filename} | Time: {processing_time:.2f}s | Confidence: {avg_conf:.2f}")
return jsonify(result)
except Exception as e:
logging.error(f"Error | {filename} | {str(e)}")
return jsonify({"error": str(e)}), 500
| 特性 | 本方案（CRNN + WebUI） | Tesseract OCR | 商业 API（百度/阿里云） |
|---|---|---|---|
| 中文识别准确率 | ★★★★☆ | ★★☆☆☆ | ★★★★★ |
| 是否需要 GPU | ❌（纯 CPU 可运行） | ❌ | ✅（服务端依赖） |
| 部署复杂度 | ⭐ 极简（Docker 一键启动） | ⭐⭐（需配置语言包） | ⭐⭐⭐（需密钥认证） |
| 成本 | 免费开源 | 免费 | 按调用量计费 |
| 数据隐私 | 完全本地化 | 本地处理 | 上传至云端 |
| 支持 WebUI | ✅ 内置可视化界面 | ❌ | ❌ |
| 提供 API | ✅ 标准 REST 接口 | ❌（需自行封装） | ✅ |
📌 选型建议：
本项目定位为一款 '轻量级、高可用、免代码' 的通用 OCR 解决方案，特别适合以下人群：
✨ 核心价值总结：
如果您希望深入掌握该技术栈，推荐以下进阶路径：
现在就启动镜像，体验'一拖一拽'完成专业级 OCR 识别的便捷吧！
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online