3772998137
GUI.html 里有一句硬语法错误:
progressFill?.style.width = '100%';
可选链不能做赋值目标,整个 <script> 块解析失败——页面加载看着正常,但所有按钮
都没反应,浏览器只在控制台报一条错,极容易被误判成「服务连不上」。
改成 if (progressFill) ...,并用 node --check 加了回归测试。
网页端调接口是跨域请求,而服务端没开 CORS:/api/v1/i2t 发 JSON 会先发预检
OPTIONS,直接失败;上传虽然能发出去,但响应读不到。加了 CORSMiddleware,
来源由 cors_allow_origins 配置(默认 ["*"],[] 可关)。命令行脚本不受影响,
所以这个坑只在网页端暴露。
顺带修掉 GUI 里几处:
· 安静模式下没有进度条,onProgress 会拿 undefined 赋值
· 字段渲染用 innerHTML 拼值——OCR 结果来自用户上传的图片,内容不可信,改 textContent
· 置信度/超时输入框清空时 parseFloat 得到 NaN,会让服务端返回 422,加回退值
· 处理完重置 fileInput.value,否则再选同一个文件不触发 change
· 页面经 http(s) 打开时,服务地址默认填 location.origin(同源,免配)
测试:新增 CORS 预检/关闭两条用例,以及 GUI.html 的 JS 语法检查(用 node,
没装 node 则跳过)。101 passed, 1 skipped。
Co-Authored-By: Claude Code <noreply@anthropic.com>
264 lines
14 KiB
YAML
264 lines
14 KiB
YAML
# OCR Server 配置文件。修改后重启服务生效。
|
||
host: 127.0.0.1
|
||
port: 8000
|
||
|
||
# 支持绝对路径或相对项目根目录的路径。
|
||
upload_dir: data/uploads
|
||
model_dir: models
|
||
|
||
# 模型缺失时自动下载到 model_dir/official_models/。
|
||
# 检测与识别可以独立指定,允许跨代际混用(本项目实测有效)。
|
||
#
|
||
# 【当前推荐组合】v5 检测 + 移动端识别:保住召回,识别快约 8 倍。
|
||
# 1.png(1920x1080) 实测:729s -> 91s,框数同为 339,字符数 1747 -> 1746。
|
||
# 文本级对比:移动端识别在两处反而更准(date->DATE、前1O分钟->前10分钟)。
|
||
det_model_name: PP-OCRv5_server_det
|
||
rec_model_name: PP-OCRv4_mobile_rec
|
||
|
||
# 其他可选组合:
|
||
# 精度优先(最慢):det=PP-OCRv5_server_det + rec=PP-OCRv5_server_rec
|
||
# 速度优先(会丢字):det=PP-OCRv4_mobile_det + rec=PP-OCRv4_mobile_rec
|
||
# ⚠️ PP-OCRv4_mobile_det 检测不出密集小字:1.png 只检出 46 框(v5 为 339 框),
|
||
# 字符数只剩约 10%。仅适合文本稀疏的图片(票据/证件/少数字段)。
|
||
|
||
# ── 交付包预置的模型 ─────────────────────────────────────────
|
||
# scripts/download_models.py 会把下面八套(v4/v5 × 服务端/移动端 × 检测/识别)
|
||
# 全部下载到 model_dir/official_models/,共约 398MB。
|
||
# 交付后断网也能直接改模型名切换,不必重新下载。
|
||
#
|
||
# 检测 识别
|
||
# PP-OCRv5_server_det 85MB PP-OCRv5_server_rec 82MB
|
||
# PP-OCRv5_mobile_det 5MB PP-OCRv5_mobile_rec 17MB
|
||
# PP-OCRv4_server_det 109MB PP-OCRv4_server_rec 87MB
|
||
# PP-OCRv4_mobile_det 5MB PP-OCRv4_mobile_rec 11MB
|
||
#
|
||
# 怎么选(按客户机器分档):
|
||
# 低配 CPU(4 核以下/内存吃紧):PP-OCRv5_mobile_det + PP-OCRv4_mobile_rec
|
||
# 常规 CPU(本机默认) :PP-OCRv5_server_det + PP-OCRv4_mobile_rec
|
||
# 有 GPU :PP-OCRv5_server_det + PP-OCRv5_server_rec + use_tensorrt
|
||
# 要最高精度、不在乎速度 :PP-OCRv5_server_det + PP-OCRv5_server_rec
|
||
#
|
||
# ⚠️ PP-OCRv4_mobile_det 在密集文本上会大面积漏检:1.png 只检出 46 框(v5 为 339 框),
|
||
# 字符数只剩约 10%。预置它是为了完整性,别用在表格/文档类图片上。
|
||
# ⚠️ 换组合前先用真实图片对比「字符数」,不要只看速度(见 README)。
|
||
|
||
# 每个线程会独立占用一份 OCR 模型内存(实测每多一个 worker 约 +105MB)。
|
||
# 识别推理本身接近单线程,所以并发上传时加大 worker 数可以得到接近线性的吞吐提升。
|
||
ocr_workers: 1
|
||
|
||
# ── 推理设备 ──────────────────────────────────────────────────
|
||
# 取值:cpu / gpu / gpu:0 / auto / npu 等,具体可用性取决于 PaddlePaddle 编译版本。
|
||
#
|
||
# auto = 启动时探测有没有可用的 CUDA 设备,有就用 GPU、没有就用 CPU,
|
||
# 日志里会明确打出实际选了什么(INFO 级)。适合同一份配置在不同客户机
|
||
# 之间搬运:不用为了换机器改这一行。GPU 版分发包默认就是 auto。
|
||
# cpu = 固定用 CPU,永远不碰 GPU。
|
||
# gpu = 固定用 GPU(gpu:1 指定第 2 块卡)。如果这台机器不保证有卡,别用它。
|
||
#
|
||
# ⚠️ 光把这里改成 gpu 是启不了 GPU 的。PyPI 上的 paddlepaddle 是纯 CPU 版,
|
||
# 必须安装与本机 CUDA 匹配的 paddlepaddle-gpu(版本同样要固定 3.2.x,
|
||
# 原因见文件末尾 enable_mkldnn 的说明)。
|
||
# 详见 README「CPU / GPU 切换」。
|
||
#
|
||
# 兜底行为:配置了 gpu 但 GPU 不可用时,启动会打印中文警告并自动回落 CPU,
|
||
# 不会让服务起不来(装的是纯 CPU 版,或装了 GPU 版但机器没有可用 N 卡/驱动,
|
||
# 两种情况都能兜住)。上线前请确认日志里「加载 OCR 引擎」那一行打印的
|
||
# device 是不是你期望的。
|
||
#
|
||
# 交付时 CPU / GPU 是两个产物(原因和打包命令见 README「CPU / GPU 切换」):
|
||
# CPU 包 -> dist\ ,本项为 cpu
|
||
# GPU 包 -> dist-gpu\ ,打包脚本已自动把本项写成 gpu
|
||
device: auto
|
||
|
||
# 是否启用 TensorRT(只在 device=gpu 时生效;device=cpu 时会打印警告并忽略)。
|
||
# 开启后可显著加速,但首次推理会花时间做引擎构建/调优,且换机器要重建。
|
||
use_tensorrt: false
|
||
|
||
# 推理精度:fp32 / fp16。fp16 只在 GPU(尤其 TensorRT)上生效,CPU 下无影响。
|
||
# fp16 更快、显存占用更低,但精度可能略降,上线前请用真实图片核对字符数。
|
||
precision: fp32
|
||
|
||
# 是否启用 CINN 编译器(面向国产加速卡等场景,普通 CPU/GPU 保持 false 即可)。
|
||
enable_cinn: false
|
||
|
||
lang: ch
|
||
|
||
# 识别速度/精度参数。
|
||
# ⚠️ 这个参数对密集图片极其敏感,不要随意调小。1.png(1920x1080) 实测:
|
||
# side=640 -> 检出 339 框 / 1746 字符
|
||
# side=512 -> 检出 33 框 / 177 字符 (只剩 10%)
|
||
# side=320 -> 检出 0 框 / 0 字符 (完全失效)
|
||
# 原因:分辨率下采样后小字高度不足,检测模型看不见。这是断崖式失效,不是平滑降精度。
|
||
# 结论:大图保持 640 或更高;480/512 只适合小尺寸、大字号的图片。
|
||
#
|
||
# 往上调则是拿速度换召回(1.png 实测,v5 server det + v4 mobile rec):
|
||
# side=1024 -> 检 428 框 / 2240 字符,约 19s ← 当前值
|
||
# side= 768 -> 检 405 框 / 2191 字符,约 16s
|
||
# side= 640 -> 检 339 框 / 1746 字符,约 11s (字符数少 22%)
|
||
# 也就是说 1024 比 640 多召回约 28% 的字符,代价是慢 8 秒左右。
|
||
# 低配客户机可以降到 768 折中;只要速度就 640,但要接受漏字。
|
||
text_det_limit_side_len: 1024
|
||
# 检测缩放类型
|
||
text_det_limit_type: max
|
||
# 固定检测输入尺寸,形如 [3, 960, 960]。null = 用上面的 limit_side_len 动态缩放。
|
||
# 一般不用动;只有在需要可复现的固定算力占用时才设。
|
||
text_det_input_shape: null
|
||
# 检测阈值
|
||
text_det_thresh: 0.3
|
||
text_det_box_thresh: 0.6
|
||
text_det_unclip_ratio: 1.5
|
||
# 识别置信度阈值
|
||
text_rec_score_thresh: 0.0
|
||
# 固定识别输入尺寸,形如 [3, 48, 320]。null = 按文本框宽高比动态填充(推荐)。
|
||
text_rec_input_shape: null
|
||
# 识别批量大小。框越多收益越大,是性价比最高的旋钮。
|
||
# 1.png(1920x1080) 实测:
|
||
# side=1024:batch=8 -> 23.87s / 2240 字符,batch=32 -> 19.03s / 2241 字符
|
||
# side= 640:batch=8 -> 19.87s,batch=32 -> 11.22s(框数同为 339)
|
||
# 结论:调到 32 就能拿到大部分收益;再往上收益饱和(48 反而略慢,属噪声)。
|
||
#
|
||
# ⚠️ 批次大小会轻微影响识别结果(不是逐字节一致)。1.png 上 2240 -> 2241 字符,
|
||
# 官方样例图上 253 -> 250,差异只出现在英文分词空格和个别低置信字符上。
|
||
# 框数(segments)完全一致。要切换 batch 请先核对真实图片的字符数。
|
||
# 批量越大峰值内存越高,低配机器(内存 < 4GB)建议用 16。
|
||
text_recognition_batch_size: 32
|
||
|
||
# CPU 推理线程数(Paddle 的 cpu_math_library_num_threads)。
|
||
# 取值为正整数,或 max(吃满所有逻辑核心,20 逻辑核机器上解析为 20)。
|
||
#
|
||
# 实测结论:开启 oneDNN 之后这个参数几乎不影响耗时。官方样例图(896x528)实测:
|
||
# 1 -> 7.25s 4 -> 6.82s 8 -> 7.22s 14 -> 7.29s 20 -> 7.25s
|
||
# 差异都在测量噪声内。也就是说识别推理已经跑在多线程上,再加线程不再获益。
|
||
# 保持 1 即可,省下来的核留给 ocr_workers 或同机其它服务。
|
||
# (README 里「建议调到 max」是 oneDNN 之前的结论,已过期。)
|
||
cpu_threads: 1
|
||
|
||
# 是否启用 oneDNN(MKLDNN)CPU 加速。
|
||
# true = 启用,CPU 推理明显更快(1.png 实测 148.12s -> 30.95s,快 4.8 倍),
|
||
# 且输出逐字节一致(md5 相同),不影响精度。
|
||
# false = 关闭。
|
||
# ⚠️ 依赖 PaddlePaddle 版本:3.3.x 的 PIR + oneDNN 组合有缺陷,启用后推理会抛
|
||
# NotImplementedError(ConvertPirAttribute2RuntimeAttribute not support)。
|
||
# 本项目已在 pyproject.toml 固定 paddlepaddle>=3.2,<3.3,请勿手动升到 3.3.x。
|
||
# ⚠️ 注意:oneDNN 本身不影响识别结果,但 PaddlePaddle 版本差异会影响检测输出
|
||
# (同图同参数:3.3.1 检出 339 框,3.2.2 检出 452 框),上线前请用真实数据核对。
|
||
enable_mkldnn: true
|
||
|
||
# oneDNN 算子缓存容量,只在 enable_mkldnn: true 时生效,一般不用动。
|
||
mkldnn_cache_capacity: 10
|
||
|
||
# 日志级别:DEBUG / INFO / WARNING / ERROR
|
||
log_level: INFO
|
||
|
||
# 允许跨域访问的来源(CORS)。只影响浏览器里的网页客户端,
|
||
# 命令行脚本和系统对接不受影响。
|
||
# ["*"] 任意来源都可以调(默认)。scripts/GUI.html 双击打开就能用。
|
||
# ["http://localhost:5173"] 只放行指定来源
|
||
# [] 完全关闭
|
||
# ⚠️ 服务默认只监听 127.0.0.1,风险有限;但如果把 host 改成 0.0.0.0 暴露到局域网,
|
||
# 建议这里收紧成具体来源,否则任意网页都能借用户的浏览器调这个接口。
|
||
cors_allow_origins: ["*"]
|
||
|
||
# ── 字段提取预设 ──────────────────────────────────────────────
|
||
# 识别完成后按键值抽取,结果放在响应的 data.fields 里。
|
||
#
|
||
# 匹配规则:标签 + 分隔符 + 值。值的结束位置 = 下一个标签 / 换行 / 文本结尾。
|
||
# · 标签内部可以有空格:配置「姓名」也能匹配 OCR 识别出的「姓 名」「床 号」
|
||
# · 同一行多个字段会各自切分:
|
||
# 「检查号:26100830064姓名:万镭」→ 同时抽出 检查号 与 姓名
|
||
# · 自动清洗:去掉零宽字符、首尾空白、残留标点(如结尾的「;」)
|
||
#
|
||
# 字段说明:
|
||
# name : 输出用的字段名,同时作为默认标签
|
||
# aliases : 其他标签写法,可选
|
||
# compact : true 时删除值内部所有空白,例如「43 岁」->「43岁」
|
||
# pattern : 值内容正则。从值起始处匹配,只取匹配到的部分;不匹配则不算命中。
|
||
# 边界「含」匹配内容,例如 '\d+岁' 会得到「43岁」。
|
||
# 这是防止值粘连到下一个字段最有效的手段。
|
||
# end_pattern : 结束正则。值在此处截断,边界「不含」匹配内容(终止符语义),
|
||
# 例如 '[;;,,]' 会丢掉分号本身。
|
||
# max_length : 值最大字符数,超出则截断。
|
||
# multiline : 值是否允许跨行,默认 false(换行即结束)。
|
||
# occurrence : 同名标签出现多次时取哪个值,first(默认) 或 last。
|
||
# 表单正副本、页眉页脚重复打印同一字段时用 last。
|
||
# separator_optional : true 时标签后不带冒号也能抽取(默认 false)。
|
||
# ⚠️ 明显提高误命中率,只在冒号经常被 OCR 漏识时才打开。
|
||
# label_linebreak : true 时允许标签内部跨行,例如 OCR 把「姓名」拆成
|
||
# 「姓」+「名:」。默认 false。
|
||
# 行的划分来自坐标(bbox 纵向重叠归为同一行),所以跨的是真实换行。
|
||
# row : 限定该字段只从第 N 行取值(1 起算,按阅读顺序)。
|
||
# -1(默认)= 不限定。用于表头/表格这类位置固定的场景,
|
||
# 可以避免正文里出现的同名标签被误取。
|
||
#
|
||
# 启动即校验(配置写错会直接报错,不会拖到请求时):
|
||
# · 正则语法;max_length 必须 >= 1
|
||
# · occurrence 只能 first/last;row 必须 -1 或 >= 1
|
||
# · 字段名不能重复;同一标签不能被两个字段共用(否则会取错值)
|
||
#
|
||
# 正则写在单引号里即可,反斜杠不需要转义,例如 '\d{1,3}'。
|
||
extract_fields:
|
||
# 只取中文姓名(含少数民族姓名的间隔号),最多 12 字。
|
||
# 遇到「万镭性别:女」这种粘连会停在「万镭」,不会把「性别:女」吞进来。
|
||
#
|
||
# 字符类说明:[汉字的 Unicode 范围] + 额外字符
|
||
# 一-鿿 = CJK 基本区全部汉字
|
||
# 〇 = U+3007(「二〇二六」这种写法会用到,不在基本区)
|
||
# · = U+00B7 间隔号,用于「阿依古丽·买买提」
|
||
# 注意:CJK 扩展区(生僻姓氏,如 U+20000 以上)不在范围内。
|
||
- name: 姓名
|
||
aliases: [患者姓名, 病人姓名]
|
||
pattern: '[一-鿿〇·]{1,12}'
|
||
max_length: 12
|
||
# 只取字母数字与连字符
|
||
- name: 检查号
|
||
aliases: [检查编号]
|
||
pattern: '[A-Za-z0-9-]{1,24}'
|
||
max_length: 24
|
||
- name: 性别
|
||
pattern: '[男女]'
|
||
max_length: 2
|
||
# pattern 边界是含的,所以结果会带「岁」
|
||
- name: 年龄
|
||
pattern: '\d{1,3}\s*岁'
|
||
compact: true
|
||
max_length: 6
|
||
- name: 门诊号
|
||
pattern: '[A-Za-z0-9-]{1,24}'
|
||
max_length: 24
|
||
- name: 床号
|
||
pattern: '[A-Za-z0-9-]{1,12}'
|
||
max_length: 12
|
||
- name: 科室
|
||
pattern: '[一-鿿〇]{1,20}'
|
||
max_length: 20
|
||
- name: 镜型
|
||
pattern: '[A-Za-z0-9-]{1,24}'
|
||
max_length: 24
|
||
# 结束正则是终止符语义:到分号/逗号/句号为止,且不返回该标点
|
||
- name: 临床诊断
|
||
end_pattern: '[;;,,。]'
|
||
max_length: 50
|
||
|
||
# ── row 用法示例(默认不使用)────────────────────────────────
|
||
# row 让字段只从第 N 行取值,行号由坐标算出(bbox 纵向重叠归为一行)。
|
||
# 某张真实报告截图实测 23 行,其中:
|
||
# 第 9 行 年龄 / 性别 / 检查号 / 姓名
|
||
# 第 10 行 镜型 / 床号 / 科室 / 门诊号
|
||
# 第 11 行 临床诊断
|
||
# 该图的第 3 行还出现了「报告-万镭」,正文里同样有患者姓名。
|
||
# 如果发现字段被页眉副本或正文误取,可以按行锁定,例如:
|
||
# - name: 姓名
|
||
# pattern: '[一-鿿〇·]{1,12}'
|
||
# row: 9
|
||
# 注意:换版面后行号会变,锁定前请先确认;锁定后取不到值会返回空,不会静默取错。
|
||
|
||
# 标签与值之间的分隔符,写多个则都会匹配
|
||
extract_separators: [":", ":"]
|
||
|
||
# 未命中的字段是否返回空串(默认 false,即直接不出现该键)。
|
||
# 设为 true 后返回结构固定,便于调用方按固定 schema 消费。
|
||
extract_include_empty: false
|
||
|
||
max_upload_mb: 10
|
||
max_image_pixels: 20000000
|