- 新增OCR文字识别模块：支持最新 PP-OCRv5

- OCR文本识别：支持文字方向检测与自动校正
2026-09-14 22:18:42 +00:00 · 2025-05-26 16:24:24 +08:00
parent 8dc5f83f47
commit 1914e2c316
59 changed files with 2523 additions and 892 deletions
--- a/examples/src/main/java/smartai/examples/ocr/OcrDetectionDemo.java
+++ b/examples/src/main/java/smartai/examples/ocr/OcrDetectionDemo.java
@@ -0,0 +1,66 @@
+package smartai.examples.ocr;
+
+import cn.smartjavaai.common.entity.DetectionResponse;
+import cn.smartjavaai.objectdetection.model.DetectorModel;
+import cn.smartjavaai.objectdetection.model.ObjectDetectionModelFactory;
+import cn.smartjavaai.ocr.config.OcrDetModelConfig;
+import cn.smartjavaai.ocr.entity.OcrBox;
+import cn.smartjavaai.ocr.enums.CommonDetModelEnum;
+import cn.smartjavaai.ocr.factory.OcrModelFactory;
+import cn.smartjavaai.ocr.model.common.detect.OcrCommonDetModel;
+import com.alibaba.fastjson.JSONObject;
+import lombok.extern.slf4j.Slf4j;
+import org.junit.Test;
+
+import javax.imageio.ImageIO;
+import java.awt.image.BufferedImage;
+import java.io.File;
+import java.nio.file.Paths;
+import java.util.List;
+
+/**
+ * OCR 文本检测 示例
+ * @author dwj
+ * @date 2025/5/25
+ */
+@Slf4j
+public class OcrDetectionDemo {
+
+
+    /**
+     * 文本检测
+     * 检测图像中的文本区域，仅返回文本框位置，不识别文字内容
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void detect(){
+        OcrDetModelConfig config = new OcrDetModelConfig();
+        //指定检测模型
+        config.setModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        config.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        OcrCommonDetModel model = OcrModelFactory.getInstance().getDetModel(config);
+        List<OcrBox> boxes = model.detect("src/main/resources/ocr_1.jpg");
+        log.info("OCR检测结果：{}", JSONObject.toJSONString(boxes));
+    }
+
+    /**
+     * 文本检测并绘制结果
+     * 检测图像中的文本区域，仅检测文本框位置，不识别文字内容
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void detectAndDraw(){
+        OcrDetModelConfig config = new OcrDetModelConfig();
+        //指定检测模型
+        config.setModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        config.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        OcrCommonDetModel model = OcrModelFactory.getInstance().getDetModel(config);
+        model.detectAndDraw("src/main/resources/ocr_1.jpg",  "output/ocr_1_detected.jpg");
+    }
+
+
+
+
+}
--- a/examples/src/main/java/smartai/examples/ocr/OcrDirectionDetDemo.java
+++ b/examples/src/main/java/smartai/examples/ocr/OcrDirectionDetDemo.java
@@ -0,0 +1,74 @@
+package smartai.examples.ocr;
+
+import cn.smartjavaai.ocr.config.DirectionModelConfig;
+import cn.smartjavaai.ocr.config.OcrDetModelConfig;
+import cn.smartjavaai.ocr.entity.OcrBox;
+import cn.smartjavaai.ocr.entity.OcrItem;
+import cn.smartjavaai.ocr.enums.CommonDetModelEnum;
+import cn.smartjavaai.ocr.enums.DirectionModelEnum;
+import cn.smartjavaai.ocr.factory.OcrModelFactory;
+import cn.smartjavaai.ocr.model.common.detect.OcrCommonDetModel;
+import cn.smartjavaai.ocr.model.common.direction.OcrDirectionModel;
+import com.alibaba.fastjson.JSONObject;
+import lombok.extern.slf4j.Slf4j;
+import org.junit.Test;
+
+import java.util.List;
+
+/**
+ * OCR 文本方向检测 示例
+ * @author dwj
+ * @date 2025/5/25
+ */
+@Slf4j
+public class OcrDirectionDetDemo {
+
+
+    /**
+     * 文本方向检测
+     * 流程：文本检测 -> 方向分类
+     * 检测图像中文字的整体方向
+     * 支持返回四种可能的方向角度：0°, 90°, 180°, 270°
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void detect(){
+        DirectionModelConfig directionModelConfig = new DirectionModelConfig();
+        //指定检测模型
+        directionModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        directionModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        //指定文本方向检测模型
+        directionModelConfig.setModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
+        //指定文本方向检测模型路径，需要更改为自己的模型路径（下载地址请查看文档）
+        directionModelConfig.setModelPath("/cls/ch_ppocr_mobile_v2.0_cls.onnx");
+        OcrDirectionModel directionModel = OcrModelFactory.getInstance().getDirectionModel(directionModelConfig);
+        List<OcrItem> itemList = directionModel.detect("src/main/resources/ocr_3.jpg");
+        log.info("OCR方向检测结果：{}", JSONObject.toJSONString(itemList));
+    }
+
+    /**
+     * 文本检测并绘制结果
+     * 流程：文本检测 -> 方向分类
+     * 检测图像中的文本区域，仅检测文本框位置，不识别文字内容
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void detectAndDraw(){
+        DirectionModelConfig directionModelConfig = new DirectionModelConfig();
+        //指定检测模型
+        directionModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        directionModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        //指定文本方向检测模型
+        directionModelConfig.setModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
+        //指定文本方向检测模型路径，需要更改为自己的模型路径（下载地址请查看文档）
+        directionModelConfig.setModelPath("/cls/ch_ppocr_mobile_v2.0_cls.onnx");
+        OcrDirectionModel directionModel = OcrModelFactory.getInstance().getDirectionModel(directionModelConfig);
+        directionModel.detectAndDraw("src/main/resources/ocr_3.jpg",  "output/ocr_3_detected.png");
+    }
+
+
+
+
+}
--- a/examples/src/main/java/smartai/examples/ocr/OcrRecognizeDemo.java
+++ b/examples/src/main/java/smartai/examples/ocr/OcrRecognizeDemo.java
@@ -0,0 +1,132 @@
+package smartai.examples.ocr;
+
+import cn.smartjavaai.ocr.config.OcrDetModelConfig;
+import cn.smartjavaai.ocr.config.OcrRecModelConfig;
+import cn.smartjavaai.ocr.entity.OcrBox;
+import cn.smartjavaai.ocr.entity.OcrInfo;
+import cn.smartjavaai.ocr.enums.CommonDetModelEnum;
+import cn.smartjavaai.ocr.enums.CommonRecModelEnum;
+import cn.smartjavaai.ocr.enums.DirectionModelEnum;
+import cn.smartjavaai.ocr.factory.OcrModelFactory;
+import cn.smartjavaai.ocr.model.common.detect.OcrCommonDetModel;
+import cn.smartjavaai.ocr.model.common.recognize.OcrCommonRecModel;
+import com.alibaba.fastjson.JSONObject;
+import lombok.extern.slf4j.Slf4j;
+import org.junit.Test;
+
+import java.util.List;
+
+/**
+ * OCR 文本识别 示例
+ * @author dwj
+ * @date 2025/5/25
+ */
+@Slf4j
+public class OcrRecognizeDemo {
+
+
+    /**
+     * 文本识别
+     * 本方法支持旋转角度范围为 -90 到 90 度的文字
+     * 同时兼容印刷体和手写体文字。
+     * 流程：文本检测 -> 文本识别
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void recognize(){
+        OcrRecModelConfig recModelConfig = new OcrRecModelConfig();
+        //指定检测模型
+        recModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        //指定识别模型
+        recModelConfig.setRecModelEnum(CommonRecModelEnum.PADDLEOCR_V5_REC_MODEL);
+        //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setRecModelPath("/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
+        OcrCommonRecModel recModel = OcrModelFactory.getInstance().getRecModel(recModelConfig);
+        OcrInfo ocrInfo = recModel.recognize("src/main/resources/general_ocr_002.png");
+        log.info("OCR识别结果：{}", JSONObject.toJSONString(ocrInfo));
+    }
+
+
+    /**
+     * 文本识别（手写字）
+     * 本方法支持旋转角度范围为 -90 到 90 度的文字
+     * 同时兼容印刷体和手写体文字。
+     * 流程：文本检测 -> 文本识别
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void recognizeHandWriting(){
+        OcrRecModelConfig recModelConfig = new OcrRecModelConfig();
+        //指定检测模型
+        recModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        //指定识别模型
+        recModelConfig.setRecModelEnum(CommonRecModelEnum.PADDLEOCR_V5_REC_MODEL);
+        //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setRecModelPath("/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
+        OcrCommonRecModel recModel = OcrModelFactory.getInstance().getRecModel(recModelConfig);
+        OcrInfo ocrInfo = recModel.recognize("src/main/resources/handwriting_1.jpg");
+        log.info("OCR识别结果：{}", JSONObject.toJSONString(ocrInfo));
+    }
+
+    /**
+     * 文本识别（带方向矫正）
+     * 本方法支持任意角度文字识别
+     * 同时兼容印刷体和手写体文字。
+     * 流程：文本检测 -> 方向检测 -> 方向矫正 ->  文本识别
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void recognize2(){
+        OcrRecModelConfig recModelConfig = new OcrRecModelConfig();
+        //指定检测模型
+        recModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        //指定识别模型
+        recModelConfig.setRecModelEnum(CommonRecModelEnum.PADDLEOCR_V5_REC_MODEL);
+        //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setRecModelPath("/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
+        //指定方向检测模型
+        recModelConfig.setDirectionModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
+        //指定方向模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setDirectionModelPath("/cls/ch_ppocr_mobile_v2.0_cls.onnx");
+        OcrCommonRecModel recModel = OcrModelFactory.getInstance().getRecModel(recModelConfig);
+        OcrInfo ocrInfo = recModel.recognize("src/main/resources/ocr_4.jpg");
+        log.info("OCR识别结果：{}", JSONObject.toJSONString(ocrInfo));
+    }
+
+
+
+    /**
+     * 文本识别并绘制结果
+     * 本方法支持旋转角度范围为 -90 到 90 度的文字
+     * 同时兼容印刷体和手写体文字。
+     * 流程：文本检测 -> 文本识别
+     * 模型需要放在单独文件夹
+     */
+    @Test
+    public void recognizeAndDraw(){
+        OcrRecModelConfig recModelConfig = new OcrRecModelConfig();
+        //指定检测模型
+        recModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
+        //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        //指定识别模型
+        recModelConfig.setRecModelEnum(CommonRecModelEnum.PADDLEOCR_V5_REC_MODEL);
+        //directionModelConfig.setDirectionModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
+        //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setRecModelPath("/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
+        //directionModelConfig.setDirectionModelPath("/Users/wenjie/Documents/develop/ocr模型/ch_ppocr_mobile_v2.0_cls.onnx");
+        OcrCommonRecModel recModel = OcrModelFactory.getInstance().getRecModel(recModelConfig);
+        int fontSize = 20;
+        recModel.recognizeAndDraw("src/main/resources/general_ocr_002.png", "output/general_ocr_002_recognized.png", fontSize);
+    }
+
+
+
+
+}
--- a/examples/src/main/resources/logback.xml
+++ b/examples/src/main/resources/logback.xml
@@ -8,7 +8,7 @@
        </encoder>
    </appender>

-    <root level="INFO">
+    <root level="DEBUG">
        <appender-ref ref="CONSOLE" />
    </root>
 </configuration>