C# PaddleOCRSharp OCR进行疲劳测试

目录

• 关于 PaddleOCRSharp
• 应用范例演示
• ​范例运行环境
• 疲劳测试
• 添加组件库
• 方法设计 
• 调用示例 
• 小结

关于 PaddleOCRSharp

PaddleOCRSharp 是百度飞桨封装的.NET版本 OCR dll 类库，OCR（Optical Character Recognition）工具可以将图像文件中的文本内容进行识别，转换成可编辑的文本格式。从而进一步进行编辑、存储和分析。

在实际的使用中，这款工具类库的确很优秀，无论从识别时间还是识别率来说，比较平衡比较令人满意。

应用范例演示

这是我们在实际应用中开发的一款工具，基于 Windows WinForm 模式，用于识别客户提供的电子档案中的文字，并进行文字识别存储及后续的管理。其主界面运行如下：

如图，工具程序在导入前提供了一些选项，包括：

（1）导入类型为图片数据和个人信息（这包括了导入文本到数据库的选项）

（2）跳过OCR识别功能，是为了直接导入图片到数据库，这里我们需要勾选掉以进行测试

（3）对已导入数据执行更新操作，这个选项是纯数据库更新操作

（4）不输出导出报告，是为了减少内存占用量，提升性能

快捷设置可以提供自动设置4个选项的目的。

工具程序提供了全目录全文件分析和单目录分析，全目录会遍历该目录下所有的电子图片进行识别操作，这里我们选择的是单目录文件分析（即选择一个目录，只查找该目录下所有的图片文件），并将最php终的分析结果显示在报告框中。

在实际的运行应用中，我们的档案有共计几千万份图片，由于环境及硬件要求，仅提供了三台配置雷人的台式机，发现运行几小时后，PaddleOCRSharp.dll 运行崩溃报错，如下图：

因此需要对程序进行一些改进。

​范例运行环境

操作系统： Windows Server 2019 DataCenter

PaddleOCRSharp版本：2.2.0.0

数据库：Microsoft SQL Server 2016

.net版本： .netFramework4.0 或以上

开发工具：VS2019  C#

疲劳测试

添加组件库

打 VS2019 创建 WinForm 应用，在解决方案资源管理器中添加引用，成功后如下图：

 添加 using PaddleOCRSharp; 引用，示例如下：

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using PaddleOCRSharp;
using System.IO;
using System.Collections;
using System.Data.SqlClient;
using System.Diagnostics;
using System.Security.Cryptography;

方法设计 

首先在 WinForm （实例假设为 Form1)，中初化如下变量，代码如下：

OCRModelConfig config = null;
OCRParameter oCRParame编程ter = new OCRParameter();
PaddleOCREngine engi = null;
OCRResult ocrResult = new OCRResult();

说明表如下： 

序号	参数名	类型	说明
1	config	OCRModelConfig	OCR模型的配置对象
2	oCRParameter	OCRParameter	OCR模型的识别参数对象
3	engi	PaddleOCREngine	OCR模型的识别引擎对象
4	ocrResult	OCRResult	OCR模型的识别结果对象

javascript

初始化对象是疲劳测试的关键设计，如果每次都 new 一个对象，系统运行一段时间后就会崩溃。

paddleOCR方法实现对于路径图片的文字识别提取，代码如下：

string paddleOCR(string imagepath)
{
            var imagebyte = File.ReadAllBytes(imagepath);
            
 
            oCRParameter.cpu_math_library_num_threads = 10;// 预测并发线程数
            oCRParameter.enable_mkldnn = false; // web部署该值建议设置为0，否则出错，内存如果使用很大，建议该值也设置为0.
            oCRParameter.cls = false; // 是否执行文字方向分类；默认false
            oCRParameter.use_angle_cls = false; // 是否开启方向检测，用于检测识别180旋转
            oCRParameter.det_db_score_mode = false; // 是否使用多段线，即文字区域是用多段线还是用矩形
            oCRParameter.det_db_unclip_ratio = 1.6f;
            
 
            engi = new PaddleOCREngine(config, oCRParameter);
 
            ocrResult = engi.DetectText(imagebyte);
 
            engi.Dispose();
 
            if (ocrResult != null)
            {
                return ocrResult.Text;
            }
            
            return "";
}

paddleOCR方法仅需要提供一个图片完整路径参数即可，方法中的参数对象需要说明一下，见下表：

序号	参数名	说明
1	cpu_math_library_num_threads	CPU预测时的线程数，在机器核数充足的情况下，该值越大，预测速度越快；在我们应用里设置为10
2	enable_mkldnn	即是否使用mkldnn库， web部署该值建议设置为false，否则出错，内存如果使用很大，建议该值也设置为false，在这里我们设置为false
3	cls	是否执行文字方向分类，在这里我们设置为false
4	use_angle_cls	是否开启方向检测，用于检测识别180旋转，在这里我们设置为false
5	det_db_score_mode	是否使用多段线，即文字区域是用多段线还是用矩形，在这里我们设置为false
6	det_db_unclip_ratio	表示文本框的紧致程度，越小则文本框更靠近文本,在这里我们使用了默认值 1.6f

调用示例 

在Form上假设有按钮 Button1，则其点击事件的调用代码示例如下：

private void Button1_Click(object sender, EventArgs e)
{
 
 
   OpenFileDialog ofd = new OpenFileDialog();
   ofd.Filter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
   if (ofd.ShowDialog() != DialogResult.OK) return;
   string rv2 = paddleOpythonCR(ofd.FileName);
   MessageBox.Show("共识别提取了"+rv2.Length.ToString()+"个文字\r编程客栈\n"+ rv2, "识别结果");
   return;
}

小结

在实际的运行中，三台机器同时运行，有两台机器运行了7天以上暂无报错，一台运行了5天左右报错，唯一的区别在于报错机器的显卡配置较低，不同于其它两台机器。总体来说对于几个小时就会出错，提升了不少，也给我们监控运行状况提供了空间。

本实例是根据客户提供的电子图片类型、目录结构、jsON配置文件进行的定制开发，在实际应用我们要根据情况进行参数的设置和设计的调整，在测试中我们发现通过本实例的参数设置可以多识别出一些文字，而且识别率还是比较准确的。 

到此这篇关于C# PaddleOCRSharp OCR进行疲劳测试的文章就介绍到这了,更多相关C# OCR疲劳测试内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)！