From 647a04d1327ef31f47ecd2e32d729001b74925ab Mon Sep 17 00:00:00 2001 From: root Date: Thu, 12 Feb 2026 07:19:06 +0000 Subject: [PATCH] =?UTF-8?q?feat:=20=E6=B7=BB=E5=8A=A0=20Web=20=E7=95=8C?= =?UTF-8?q?=E9=9D=A2=E5=92=8C=E9=A1=B9=E7=9B=AE=E6=96=87=E6=A1=A3?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 新增功能： - 添加 Streamlit Web 界面 (src/app.py)，支持批量上传和在线预览 - 添加 README.md，包含项目介绍、部署方案和配置要求 依赖更新： - 锁定 PaddleOCR 2.x 版本以确保稳定性 - 新增 streamlit 依赖 部署方案： - 内网服务器部署 - Docker 容器化部署 - systemd 系统服务 Co-Authored-By: Claude Opus 4.5 --- README.md | 146 +++++++++++++++++++++++++++++++++++++++++++++++ requirements.txt | 5 +- src/app.py | 88 ++++++++++++++++++++++++++++ 3 files changed, 237 insertions(+), 2 deletions(-) create mode 100644 README.md create mode 100644 src/app.py diff --git a/README.md b/README.md new file mode 100644 index 0000000..2a28e97 --- /dev/null +++ b/README.md @@ -0,0 +1,146 @@ +# 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 Web 界面，操作简单 + +## 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 + +```bash +# 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** +```bash +# 将图片放入 data/input/ 目录 +python src/main.py + +# 结果保存在 data/output/result.xlsx +``` + +**Web 界面** +```bash +streamlit run src/app.py --server.port 8501 + +# 浏览器访问 http://localhost:8501 +``` + +## 部署方案 + +### 方案一：内网服务器部署（推荐） + +适合多人使用，有内网环境的工厂。 + +```bash +# 启动服务（监听所有网卡） +streamlit run src/app.py --server.address 0.0.0.0 --server.port 8501 + +# 工人通过浏览器访问: http://服务器IP:8501 +``` + +### 方案二：Docker 容器化部署 + +适合需要隔离环境或快速部署的场景。 + +```bash +# 构建镜像 +docker build -t envelope-ocr . + +# 运行容器 +docker run -d -p 8501:8501 --name envelope-ocr envelope-ocr +``` + +Dockerfile: +```dockerfile +FROM python:3.10-slim +RUN apt-get update && apt-get install -y libgl1-mesa-glx libglib2.0-0 && rm -rf /var/lib/apt/lists/* +WORKDIR /app +COPY . . +RUN pip install --no-cache-dir -r requirements.txt +EXPOSE 8501 +CMD ["streamlit", "run", "src/app.py", "--server.address", "0.0.0.0"] +``` + +### 方案三：系统服务（开机自启） + +适合长期稳定运行的生产环境。 + +创建服务文件 `/etc/systemd/system/envelope-ocr.service`: +```ini +[Unit] +Description=Envelope OCR Service +After=network.target + +[Service] +User=www-data +WorkingDirectory=/opt/post-ocr +ExecStart=/usr/bin/streamlit run src/app.py --server.address 0.0.0.0 --server.port 8501 +Restart=always +RestartSec=5 + +[Install] +WantedBy=multi-user.target +``` + +启用服务: +```bash +sudo systemctl daemon-reload +sudo systemctl enable envelope-ocr +sudo systemctl start envelope-ocr +``` + +## 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 +│ ├── app.py # Web 界面 +│ └── processor.py # 核心处理逻辑 +├── requirements.txt +└── README.md +``` + +## 技术栈 + +- OCR 引擎: PaddleOCR 2.10 (PP-OCRv4) +- Web 框架: Streamlit +- 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 diff --git a/requirements.txt b/requirements.txt index 28c8beb..feb491a 100644 --- a/requirements.txt +++ b/requirements.txt @@ -1,6 +1,7 @@ -paddleocr -paddlepaddle +paddleocr>=2.6,<3 +paddlepaddle>=2.5,<3 pandas openpyxl pydantic tqdm +streamlit diff --git a/src/app.py b/src/app.py new file mode 100644 index 0000000..63eeee5 --- /dev/null +++ b/src/app.py @@ -0,0 +1,88 @@ +import os +import tempfile +import pandas as pd +import streamlit as st +from paddleocr import PaddleOCR +from processor import extract_info, save_to_excel + +os.environ["PADDLE_PDX_DISABLE_MODEL_SOURCE_CHECK"] = "True" + +st.set_page_config(page_title="信封信息提取系统", page_icon="📮", layout="wide") +st.title("📮 信封信息提取系统") + + +@st.cache_resource +def load_ocr(): + return PaddleOCR(use_textline_orientation=True, lang="ch", show_log=False) + + +ocr = load_ocr() + + +def process_image(image_file): + """处理单张图片""" + with tempfile.NamedTemporaryFile(delete=False, suffix=".jpg") as tmp: + tmp.write(image_file.getvalue()) + tmp_path = tmp.name + + try: + result = ocr.ocr(tmp_path, cls=False) + ocr_texts = [] + if result and result[0]: + for line in result[0]: + if line and len(line) >= 2: + ocr_texts.append(line[1][0]) + return extract_info(ocr_texts), ocr_texts + finally: + os.unlink(tmp_path) + + +# 文件上传 +uploaded_files = st.file_uploader( + "上传信封图片（支持批量）", + type=["jpg", "jpeg", "png", "bmp"], + accept_multiple_files=True, +) + +if uploaded_files: + all_records = [] + + progress = st.progress(0) + status = st.empty() + + for i, file in enumerate(uploaded_files): + status.text(f"正在处理: {file.name}") + record, raw_texts = process_image(file) + record["文件名"] = file.name + all_records.append(record) + progress.progress((i + 1) / len(uploaded_files)) + + status.text("处理完成！") + + # 显示结果表格 + df = pd.DataFrame(all_records) + cols = ["文件名", "编号", "邮编", "地址", "联系人/单位名", "电话"] + df = df.reindex(columns=cols) + + st.subheader("📋 提取结果") + st.dataframe(df, use_container_width=True) + + # 下载按钮 + output_path = tempfile.mktemp(suffix=".xlsx") + df.to_excel(output_path, index=False) + with open(output_path, "rb") as f: + st.download_button( + label="📥 下载 Excel", + data=f, + file_name="信封提取结果.xlsx", + mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet", + ) + os.unlink(output_path) + + # 预览图片和识别详情 + with st.expander("🔍 查看识别详情"): + cols = st.columns(min(3, len(uploaded_files))) + for i, file in enumerate(uploaded_files): + with cols[i % 3]: + st.image(file, caption=file.name, use_container_width=True) + st.json(all_records[i])