647a04d132
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 <noreply@anthropic.com>
147 lines
3.2 KiB
Markdown
147 lines
3.2 KiB
Markdown
# 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
|