# mica-ppocr **Repository Path**: cng1985/mica-ppocr ## Basic Information - **Project Name**: mica-ppocr - **Description**: PP-OCRv6 离线纯 Java ocr 图片识别！ - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: https://www.dreamlu.net - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 34 - **Created**: 2026-08-14 - **Last Updated**: 2026-08-14 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # mica-ppocr（Java 图片 OCR 识别） [![Java CI](https://github.com/lets-mica/mica-ppocr/actions/workflows/test-and-build.yml/badge.svg)](https://github.com/lets-mica/mica-ppocr/actions/workflows/test-and-build.yml) ![JAVA 17](https://img.shields.io/badge/JDK-17+-brightgreen.svg) [![Mica Maven release](https://img.shields.io/maven-central/v/net.dreamlu/mica-ppocr-core.svg?style=flat-square)](https://central.sonatype.com/artifact/net.dreamlu/mica-ppocr-core/versions) ![Mica Maven SNAPSHOT](https://img.shields.io/maven-metadata/v?metadataUrl=https://central.sonatype.com/repository/maven-snapshots/net/dreamlu/mica-ppocr-core/maven-metadata.xml) > - PP-OCRv6 文字检测 + 识别的 **Java 17** 实现，纯 ONNX Runtime 推理， > - **零 PaddlePaddle 依赖**。完整复现预处理 / 后处理（DB 后处理、CTC 解码、 > - pyclipper 等价的多边形 unclip。 > - doc_ori 文档方向分类模型，支持（4 类：0°/90°/180°/270°）在检测前对整图做方向校正，避免用户侧倒拍/横拍导致识别失败。 移植自 [`AIwork4me/ppocrv6_onnx`](https://github.com/AIwork4me/ppocrv6_onnx) 的 `ppocrv6_onnx.py` 单文件参考实现，**与 Python 版本保持 bit-exact**（默认 CPU 单线程）。 [✨✨✨推广：**BladeX 物联网平台**✨✨✨iot.bladex.cn](https://iot.bladex.cn?from=mica-mqtt) --- ## 1. 环境要求 | 组件 | 版本 | 说明 | |------|------|---------------------------| | JDK | 17+ | java 环境 | | ONNX Runtime | 1.18.0 | 此版本内置的原生库可兼容更多操作系统版本 | | OpenCV | 4.10.0-0 | 含 Windows/Linux/macOS 原生库 | | JTS | 1.20.0 | 多边形偏移（pyclipper 等价物） | ## 2. 模型目录 下载 PP-OCRv6 官方 ONNX 模型（det + rec），放到 `models/ppocr-v6/{tier}/` 目录： | 档次 | det 模型 | rec 模型 | 字符表 | 定位 | |------|----------|----------|--------|------| | `tiny` | 1.7 MB | 4.3 MB | 约 2855 字符 | 轻量优先，速度快，精度一般 | | `small` | 9.4 MB | 20.2 MB | 约 2855 字符 | 速度与精度均衡，推荐默认 | | `medium` | 59.2 MB | 73.0 MB | 约 7180 字符 | 精度优先，覆盖更全字符集 | > `medium` 的 det/rec 模型为 `.onnx.zip`，需解压后使用。 **可选**：文档方向分类模型 `models/ppocr-v6/doc_ori/doc_ori.onnx`，`PP-LCNet_x1_0_doc_ori` 的 ONNX 导出，6.47 MB。 ![模型评分](docs/images/v6acc_opt.png) ## 3. 快速开始 先准备模型（详见 §2 模型目录），再选下面任一入口。 ### 3.1 Spring Boot 入口（Controller 直用） ```java @Autowired private PPOcrTemplate ppocr; @PostMapping("/ocr/vehicle") public VehicleLicenseResult vehicle(@RequestParam MultipartFile file) throws IOException { return ppocr.parseVehicleLicense(file.getBytes()); // 一行：检测 → 识别 → 结构化 } ``` 完整 API、调参与进阶用法见 §4 / §5 / §6。 ### 3.2 本地 main 调试 每个解析器都提供了对应的 `XxxMain` 调试入口（如 [VehicleLicenseMain](mica-ppocr-structured/src/test/java/net/dreamlu/mica/ai/ppocr/structured/parser/vehicle/VehicleLicenseMain.java)），**直接运行 main 方法**即可做 OCR 推理 + 结构化解析。修改源码顶部的常量即可切换图片： ```java private static final String TIER = "tiny"; // tiny / small / medium private static final String IMAGE_PATH = "test_images/vehicle/vehicle1.png"; // 待推理图片 private static final String VIS_PATH = "test_images/vehicle/vis.png"; // 可视化输出；传 null 跳过 ``` 以 `test_images/vehicle/vehicle1.png` 为例（模型档次 `tiny`）： | 输入图片 | 识别结果可视化 | |---------|---------------| | ![vehicle1](test_images/vehicle/vehicle1.png) | ![vis](test_images/vehicle/vis.png) | ```text --- 行驶证结构化解析 --- plateNo: 鲁GH9P12 owner: 盛瑞传动股份有限公司 vehicleType: 小型普通客车 vin: LJ8F3D5H910700001 issueDate: 2018-02-24 ``` > 注意：测试的行驶证来源于网络，如有侵权，请联系删除。 --- ## 4. 核心引擎（mica-ppocr-core） 引入依赖： ```xml net.dreamlu mica-ppocr-core ${mica.ppocr.version} ``` 核心 API：[`PPOcrV6Engine`](mica-ppocr-core/src/main/java/net/dreamlu/mica/ai/ppocr/engine/PPOcrV6Engine.java)，实现 `Closeable`，推荐 try-with-resources。 ### 4.1 公开方法 公开入口只暴露 `String` / `File` / `Path` / `byte[]` 4 种入参，内部自动完成 OpenCV `Mat` 的解码与 release，**调用方无需关心 native 内存**： - `run(...)` — 完整 OCR：检测 → 排序 → 裁剪 → 识别 - `detect(...)` — 仅检测，返回 boxes + scores > - `Path` 重载兼容非默认文件系统（如 ZIP / JIMFS / 内存 FS）：优先走 native 文件读取，不支持的 FileSystem 自动退回 `Files.readAllBytes`。 > - 确需复用已加载 `Mat` 的高级场景（如同一图跑多次推理），可使用 `runMat(Mat)` / `detectMat(Mat)` / `recognizeMat(List)`（`Mat` 的 release 由调用方负责）。 ### 4.2 完整示例 ```java public class Demo { public static void main(String[] args) { OpenCV.loadLocally(); // 首次启动时加载 native 库 PPOcrV6Config config = PPOcrV6Config.builder() .detModelPath("models/ppocr-v6/tiny/det.onnx") .recModelPath("models/ppocr-v6/tiny/rec.onnx") .recCharDictPath("models/ppocr-v6/tiny/dict.txt") .useDocOrientationClassify(true) // 可选：整图方向分类 .docOrientationModelPath("models/ppocr-v6/doc_ori/doc_ori.onnx") // 开启后必填 .docOrientationThresh(0.3f) // < 此值视为 0°；默认 0.3 .build(); try (PPOcrV6Engine engine = new PPOcrV6Engine(config)) { List results = engine.run("test_images/vehicle/vehicle1.png"); for (PPOcrV6Result r : results) { System.out.printf("%s (%.3f)%n", r.text(), r.score()); } } } } ``` ### 4.3 调参（PPOcrV6Config） DB 阈值、识别批大小、ORT 线程数、GPU 加速等全部走 [`PPOcrV6Config`](mica-ppocr-core/src/main/java/net/dreamlu/mica/ai/ppocr/config/PPOcrV6Config.java) 的 Lombok `@Builder`。常用项见 §6.2 的 `application.yml`，字段一一对应（kebab-case ↔ camelCase）。 ### 4.4 文档方向分类（use_doc_orientation_classify） 支持（4 类：0°/90°/180°/270°）在检测前对整图做方向校正，避免用户侧倒拍/横拍导致识别失败。 - **模型**：shape = `[1, 3, 224, 224]`，输出 `[1, 4]`（softmax + argmax）。可从 [ModelScope `farming789/pp-lcnet-doc-ori`](https://www.modelscope.cn/models/farming789/pp-lcnet-doc-ori) 直接下载 `model.onnx`，零 Paddle 依赖。 - **性能与代价**：CPU 单图多 ~3 ms；内存多 ~30 MB（加载第三个 ONNX session）。 - **默认行为**：关闭（`useDocOrientationClassify=false`），与原版完全 bit-exact，不影响现有调用。 --- ## 5. 结构化解析（mica-ppocr-structured） 引入依赖（Starter 已传递依赖，使用 §6 Spring Boot 时无需再写）： ```xml net.dreamlu mica-ppocr-structured ${mica.ppocr.version} ``` ### 5.1 已实现的解析器 | 解析器 | 解析类 | 结果类型 | |--------|--------|----------| | 行驶证 | `VehicleLicenseParser` | `VehicleLicenseResult` | | 身份证（正反面自动判定） | `IdCardParser` | `IdCardResult` | | 银行卡 | `BankCardParser` | `BankCardResult` | | 机动车驾驶证 | `DriverLicenseParser` | `DriverLicenseResult` | | 营业执照 | `BusinessLicenseParser` | `BusinessLicenseResult` | | 增值税发票 | `InvoiceParser` | `InvoiceResult` | 每个解析器都提供**静态 `parse(List)`**（拿到 OCR 结果后直接调）和 **SPI `parseResults(...)`**（与 `BaseStructuredParser` 接口对齐，便于自定义）两种调用形式。 ### 5.2 结果结构（BaseStructuredResult） 所有结构化结果统一继承 [`BaseStructuredResult`](mica-ppocr-structured/src/main/java/net/dreamlu/mica/ai/ppocr/structured/parser/core/BaseStructuredResult.java)，带两个**可视化友好的通用字段**： | 字段 | 类型 | 说明 | |------|------|------| | `rawResults` | `List` | 完整原始 OCR 结果（每个文字框的文本/置信度/四角坐标），可直接在页面上绘制全部文字框 | | `fieldBoxes` | `Map>` | 字段名 → 该字段对应的 OCR 框坐标列表（一个字段可能跨多个框），方便高亮"这个字段来自画面哪几块" | > 仅行驶证完整填充 `fieldBoxes`；其他解析器只保证 `rawResults` 填充。 ### 5.4 自定义解析器 通用能力下沉到 [`LabelMatcher`](mica-ppocr-structured/src/main/java/net/dreamlu/mica/ai/ppocr/structured/parser/core/LabelMatcher.java)：标签定位 + 位置匹配 + 正则兜底 + 版面布局兜底，并提供 `WithBox` 系列重载（返回 `LabeledMatch(value, box)`，便于解析器回填 `fieldBoxes`）。实现 [`BaseStructuredParser`](mica-ppocr-structured/src/main/java/net/dreamlu/mica/ai/ppocr/structured/parser/core/BaseStructuredParser.java) 接口即可挂载到 `PPOcrTemplate.parse(..., parser)` 上（见 §6.3）。 --- ## 6. Spring Boot Starter 引入依赖（自动传递 `mica-ppocr-core` + `mica-ppocr-structured`）： ```xml net.dreamlu mica-ppocr-spring-boot-starter ${mica.ppocr.version} ``` ### 6.1 完整配置 ```yaml mica: ai: ppocr: # ===== 开关：设为 false 时整个 Starter 不注入任何 Bean ===== # enabled: true # 默认 true # ===== 必填：三个模型文件路径 ===== det-model-path: models/ppocr-v6/tiny/det.onnx # 检测模型 rec-model-path: models/ppocr-v6/tiny/rec.onnx # 识别模型 rec-char-dict-path: models/ppocr-v6/tiny/dict.txt # 识别字符字典 # ===== 检测（DB 后处理）参数 ===== # det-limit-side-len: 64 # 检测图像短边限制 # det-limit-type: min # 限制类型：min / max # det-max-side-limit: 4000 # 检测最大边长限制 # det-thresh: 0.3 # 检测像素阈值 # det-box-thresh: 0.6 # 检测框阈值 # det-unclip-ratio: 1.5 # 多边形 unclip 比例 # ===== 识别参数 ===== # rec-image-shape: [3, 48, 320] # 识别输入 shape [C, H, W] # rec-batch-size: 6 # 识别批处理大小 # ===== 可选：文档方向分类（PP-LCNet_x1_0_doc_ori）===== # use-doc-orientation-classify: false # 是否启用整图 4 方向分类 + 自动旋转 # doc-orientation-model-path: models/ppocr-v6/doc_ori/doc_ori.onnx # 启用时必填 # doc-orientation-thresh: 0.3 # 置信度阈值 < 此值视为 0°；实测 0.3 比 0.5 更稳 # ===== 性能 / 运行模式 ===== # prefer-accelerator: false # 是否优先 GPU（默认 false 强制 CPU，保证 bit-exact） # intra-op-num-threads: 1 # ONNX 内部线程数 # inter-op-num-threads: 1 # ONNX 交互线程数 ``` ### 6.2 PPOcrTemplate API 直接注入 [`PPOcrTemplate`](mica-ppocr-spring-boot-starter/src/main/java/net/dreamlu/mica/ai/ppocr/autoconfigure/PPOcrTemplate.java) 即可使用，内部已持有 Engine + 6 个证件解析器，无需手工装配。 **每个方法提供 5 种入参重载**：`String` 路径 / `File` / `Path` / `byte[]` / `InputStream`，典型场景： | 入参 | 场景 | |------|------| | `String` | 本地文件路径 | | `File` | `File` 对象 | | `Path` | 非默认文件系统（ZIP / JIMFS / 内存 FS） | | `byte[]` | Spring `MultipartFile.getBytes()` | | `InputStream` | URL / S3 / HTTP 下载流 | 方法清单（每行都是 **× 5 种入参**）： | 方法 | 返回类型 | 说明 | |------|----------|------| | `run(...)` | `List` | 纯 OCR 识别（返回散落文字框） | | `parse(..., parser)` | `R` | 通用结构化解析（传入自定义解析器，见 §5.4） | | `parseVehicleLicense(...)` | `VehicleLicenseResult` | 行驶证 | | `parseIdCard(...)` | `IdCardResult` | 身份证（正反面自动判定） | | `parseBankCard(...)` | `BankCardResult` | 银行卡 | | `parseDriverLicense(...)` | `DriverLicenseResult` | 驾驶证 | | `parseBusinessLicense(...)` | `BusinessLicenseResult` | 营业执照 | | `parseInvoice(...)` | `InvoiceResult` | 增值税发票 | ### 6.3 典型用法 ```java @Service public class OcrService { @Autowired private PPOcrTemplate ppocr; // Spring Boot 上传（最常用） public VehicleLicenseResult recognizeVehicle(MultipartFile file) throws IOException { return ppocr.parseVehicleLicense(file.getBytes()); } // 网络流 / S3 下载流 public DriverLicenseResult recognizeDriver(URL url) throws IOException { try (InputStream in = url.openStream()) { return ppocr.parseDriverLicense(in); } } // 自定义解析器场景（任何入参都支持） public R recognize(String imagePath, BaseStructuredParser parser) { return ppocr.parse(imagePath, parser); } } ``` ### 6.4 可视化（rawResults + fieldBoxes） ```java VehicleLicenseResult r = ppocr.parseVehicleLicense(file.getBytes()); // 画所有文字框（绿线） for (PPOcrV6Result ocr : r.getRawResults()) { drawPolyline(ocr.box(), Color.GREEN); } // 高亮车牌字段（红线） List plateBoxes = r.getFieldBoxes().get("plateNo"); if (plateBoxes != null) { for (int[][] box : plateBoxes) drawPolyline(box, Color.RED); } ``` ### 6.5 配置覆盖（环境变量 / 配置中心） 业务方可通过 `PPOCRPropertiesCustomizer` 对配置做旁路覆盖，常用于按环境切换 `tiny / small / medium`： ```java @Bean public PPOCRPropertiesCustomizer tierEnvCustomizer() { return builder -> { String tier = System.getenv("PPOCR_TIER"); if (tier != null) { builder.detModelPath("models/ppocr-v6/" + tier + "/det.onnx") .recModelPath("models/ppocr-v6/" + tier + "/rec.onnx") .recCharDictPath("models/ppocr-v6/" + tier + "/dict.txt"); } }; } ``` ## 7. 许可证 Apache License Version 2.0 ## 8. 微信 ![如梦技术](docs/images/dreamlu-weixin.jpg) **JAVA架构日记**，精彩内容每日推荐！