信封信息提取系统

工厂环境下信封背面信息的自动化提取与结构化录入工具。

功能特性

• 自动识别信封图片中的文字信息
• 结构化提取：编号、邮编、地址、联系人、电话
• 支持批量处理，结果导出为 Excel
• 提供桌面应用，支持摄像头实时拍照识别

系统要求

项目	最低配置	推荐配置
CPU	4 核	8 核
内存	4 GB	8 GB
硬盘	2 GB	5 GB
系统	Ubuntu 20.04 / Windows 10	Ubuntu 22.04
Python	3.8	3.10

快速开始

1. 安装依赖

# Ubuntu 需要安装系统依赖
sudo apt-get install -y libgl1-mesa-glx libglib2.0-0

# 安装 Python 依赖
pip install -r requirements.txt

2. 运行方式

命令行批处理

# 将图片放入 data/input/ 目录
python src/main.py

# 结果保存在 data/output/result.xlsx

桌面应用

python src/desktop.py

# 启动 PyQt6 窗口，可选择摄像头实时拍照识别

---

Windows 桌面离线版（zip 目录包）

本项目桌面版入口为 src/desktop.py（PyQt6 + OpenCV），适合现场工位离线使用。

1. 准备离线模型（在有网机器执行一次）

pip install -r requirements.txt
python scripts/prepare_models.py --models-dir models

执行完成后会生成 models/whl/... 目录结构；该 models/ 目录需要与最终的 exe 同级分发。

2. Windows 打包（建议使用 PyInstaller 的 onedir）

请在 Windows 机器上构建 Windows 包（不要跨平台交叉打包）。

pip install -r requirements.txt
pip install pyinstaller

pyinstaller --noconfirm --clean --windowed --onedir `
  --name "post-ocr-desktop" `
  --paths "src" `
  --collect-all "Cython" `
  --collect-all "paddleocr" `
  --collect-all "paddle" `
  --add-data "models;models" `
  "src/desktop.py"

打包完成后，将 dist\post-ocr-desktop\ 整个目录压缩为 zip 交付即可。

注意：

• 本项目默认使用 PaddleOCR 2.10.0（PP-OCRv4 中文）离线模型目录结构
• 若 models/ 缺失，程序会直接报错提示，避免触发联网下载

目录结构

post-ocr/
├── data/
│   ├── input/          # 原始图片存放处
│   └── output/         # 结果 Excel 及处理日志
├── src/
│   ├── main.py         # 命令行入口
│   ├── desktop.py      # 桌面应用入口
│   └── processor.py    # 核心处理逻辑
├── requirements.txt
└── README.md

技术栈

• OCR 引擎: PaddleOCR 2.10 (PP-OCRv4)
• 桌面框架: PyQt6
• 数据处理: Pandas

常见问题

Q: 识别准确率不高怎么办？

• 确保图片清晰、光线充足
• 避免图片倾斜或模糊
• 手写字体识别率较低，建议使用印刷体

Q: 处理速度慢？

• 首次运行需下载模型（约 200MB）
• 有 GPU 可安装 paddlepaddle-gpu 加速
• 批量处理时建议使用命令行模式