个人备案的网站做企业内容alexa排名查询统计

🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

一、引言

  在数字化浪潮的推动下，光学字符识别（OCR）技术成为了信息采集与数据处理领域的关键力量。PaddleOCR，作为百度 PaddlePaddle 团队精心打造的开源 OCR 工具包，凭借其卓越的多语言识别能力、惊人的高精度文本解析性能以及出色的扩展性，在全球开发者社区中收获了极高的人气。
  随着 PaddleOCR 3.0 版本的震撼发布，PP-OCRv5 模型系列横空出世，它不仅在文本识别的精准度上实现了高达 13% 的史诗级跃升，更是在多场景文档解析方面展现出了无与伦比的强大实力。今天，就让我们一同深入探索如何在 Python 环境下轻松集成并高效运用 PP-OCRv5，快速实现文本识别的实战应用，开启智能文档处理的新篇章。

二、Python 集成 PP-OCRv5 实战代码解析

  来到核心实战环节，我们通过简洁高效的 Python 代码，轻松驾驭 PP-OCRv5 模型，实现文本识别的快速推理。

from paddleocr import PaddleOCR# 创建 PaddleOCR 实例，自定义配置 PP-OCRv5
ocr = PaddleOCR(use_doc_orientation_classify=False,  # 禁用文档方向分类模块use_doc_unwarping=False,  # 禁用文本图像矫正模块use_textline_orientation=False,  # 禁用文本行方向分类模块ocr_version="PP-OCRv5"  # 明确指定使用 PP-OCRv5 版本
)# 执行图片文本预测
result = ocr.predict("./general_ocr_002.png")# 输出识别结果
for res in result:res.print()  # 打印识别文本与位置信息res.save_to_img("output")  # 将识别结果保存为图片res.save_to_json("output")  # 将识别结果保存为 JSON 格式

  在上述 Python 脚本中，执行了如下几个步骤：
（1）通过 PaddleOCR() 实例化 OCR 对象。
（2）调用 OCR 产线对象的 predict() 方法进行推理预测，该方法会返回一个结果列表。另外，产线还提供了 predict_iter() 方法。两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。
（3）对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为json文件的操作；
  本文重点介绍 PaddleOCR() 实例化 OCR 对象的具体参数说明。

三、PaddleOCR() 实例化 OCR 对象的参数介绍

  通过 PaddleOCR() 实例化 OCR 产线对象，具体参数说明如下：

参数名称	参数说明	参数类型	默认值
doc_orientation_classify_model_name	文档方向分类模型的名称。如果设置为 None，将会使用产线默认模型。	str|None	None
doc_orientation_classify_model_dir	文档方向分类模型的目录路径。如果设置为 None，将会下载官方模型。	str|None	None
doc_unwarping_model_name	文本图像矫正模型的名称。如果设置为 None，将会使用产线默认模型。	str|None	None
doc_unwarping_model_dir	文本图像矫正模型的目录路径。如果设置为 None，将会下载官方模型。	str|None	None
text_detection_model_name	文本检测模型的名称。如果设置为 None，将会使用产线默认模型。	str|None	None
text_detection_model_dir	文本检测模型的目录路径。如果设置为 None，将会下载官方模型。	str|None	None
textline_orientation_model_name	文本行方向模型的名称。如果设置为 None，将会使用产线默认模型。	str|None	None
textline_orientation_model_dir	文本行方向模型的目录路径。如果设置为 None，将会下载官方模型。	str|None	None
textline_orientation_batch_size	文本行方向模型的 batch size。如果设置为 None，将默认设置 batch size 为 1。	int|None	None
text_recognition_model_name	文本识别模型的名称。如果设置为 None，将会使用产线默认模型。	str|None	None
text_recognition_model_dir	文本识别模型的目录路径。如果设置为 None，将会下载官方模型。	str|None	None
text_recognition_batch_size	文本识别模型的 batch size。如果设置为 None，将默认设置 batch size 为 1。	int|None	None
use_doc_orientation_classify	是否加载并使用文档方向分类模块。如果设置为 None，将使用产线初始化的该参数值，默认初始化为 True。	bool|None	None
use_doc_unwarping	是否加载并使用文本图像矫正模块。如果设置为 None，将使用产线初始化的该参数值，默认初始化为 True。	bool|None	None
use_textline_orientation	是否加载并使用文本行方向模块。如果设置为 None，将使用产线初始化的该参数值，默认初始化为 True。	bool|None	None
text_det_limit_side_len	文本检测的图像边长限制。int：大于 0 的任意整数；None：如果设置为 None，将使用产线初始化的该参数值，默认初始化为 64。	int|None	None
text_det_limit_type	文本检测的边长度限制类型。str：支持 min 和 max，min 表示保证图像最短边不小于 det_limit_side_len，max 表示保证图像最长边不大于 limit_side_len；None：如果设置为 None，将使用产线初始化的该参数值，默认初始化为 min。	str|None	None
text_det_thresh	文本检测像素阈值，输出的概率图中，得分大于该阈值的像素点才会被认为是文字像素点。float：大于 0 的任意浮点数；None：如果设置为 None，将使用产线初始化的该参数值（默认为 0.3）。	float|None	None
text_det_box_thresh	文本检测框阈值，检测结果边框内，所有像素点的平均得分大于该阈值时，该结果会被认为是文字区域。float：大于 0 的任意浮点数；None：如果设置为 None，将使用产线初始化的该参数值（默认为 0.6）。	float|None	None
text_det_unclip_ratio	文本检测扩张系数，使用该方法对文字区域进行扩张，该值越大，扩张的面积越大。float：大于 0 的任意浮点数；None：如果设置为 None，将使用产线初始化的该参数值（默认为 2.0）。	float|None	None
text_det_input_shape	文本检测的输入形状。	tuple|None	None
text_rec_score_thresh	文本识别阈值，得分大于该阈值的文本结果会被保留。float：大于 0 的任意浮点数；None：如果设置为 None，将使用产线初始化的该参数值（默认为 0.0，即不设阈值）。	float|None	None
text_rec_input_shape	文本识别的输入形状。	tuple|None	None
lang	使用指定语言的 OCR 模型。附录中的表格中列举了全部支持的语言。	str|None	None
ocr_version	OCR 模型版本。PP-OCRv5：使用 PP-OCRv5 系列模型；PP-OCRv4：使用 PP-OCRv4 系列模型；PP-OCRv3：使用 PP-OCRv3 系列模型。注意不是每个 ocr_version 都支持所有的 lang，请查看附录中的对应关系表。	str|None	None
device	用于推理的设备。支持指定具体卡号：CPU：如 cpu 表示使用 CPU 进行推理；GPU：如 gpu:0 表示使用第 1 块 GPU 进行推理；NPU：如 npu:0 表示使用第 1 块 NPU 进行推理；XPU：如 xpu:0 表示使用第 1 块 XPU 进行推理；MLU：如 mlu:0 表示使用第 1 块 MLU 进行推理；DCU：如 dcu:0 表示使用第 1 块 DCU 进行推理；None：如果设置为 None，将默认使用产线初始化的该参数值，初始化时，会优先使用本地的 GPU 0 号设备，如果没有，则使用 CPU 设备。	str|None	None
enable_hpi	是否启用高性能推理。	bool	False
use_tensorrt	是否启用 Paddle Inference 的 TensorRT 子图引擎。如果模型不支持通过 TensorRT 加速，即使设置了此标志，也不会使用加速。对于 CUDA 11.8 版本的飞桨，兼容的 TensorRT 版本为 8.x（x>=6），建议安装 TensorRT 8.6.1.6。对于 CUDA 12.6 版本的飞桨，兼容的 TensorRT 版本为 10.x（x>=5），建议安装 TensorRT 10.5.0.18。	bool	False
precision	计算精度，如 fp32、fp16。	str	“fp32”
enable_mkldnn	是否启用 MKL-DNN 加速推理。如果 MKL-DNN 不可用或模型不支持通过 MKL-DNN 加速，即使设置了此标志，也不会使用加速。	bool	True
mkldnn_cache_capacity	MKL-DNN 缓存容量。	int	10
cpu_threads	在 CPU 上进行推理时使用的线程数。	int	8
paddlex_config	PaddleX 产线配置文件路径。	str|None	None

四、总结

  通过本文的深入讲解，相信大家已经掌握了在 Python 环境下利用 PaddleOCR 快速集成 PP-OCRv5 的全过程。从环境搭建的每一步骤，到实战代码的每个细节，再到关键参数的深层含义，我们对PaddleOCR() 实例化 OCR 对象的参数介绍。如今，你已经具备了将 PP-OCRv5 强大的文本识别能力融入自身项目的能力，无论是处理日常办公文档、优化信息采集流程，还是开展更复杂的智能文档分析项目，都能游刃有余。踏上文本智能处理的新征程，PP-OCRv5 将成为你最得力的助手，助力你在数字化时代浪潮中一往无前。