零售行业OCR应用案例：商品标签识别系统搭建全过程

在零售行业，每天都有大量的商品需要录入系统、核对信息、更新库存。传统的人工录入方式不仅效率低，还容易出错。有没有一种方法，能快速准确地从商品标签上提取文字信息？本文将带你一步步搭建一个基于cv_resnet18_ocr-detection模型的商品标签识别系统，实现从图片到结构化文本的自动化转换。

这套系统由“科哥”开发并开源，配备了直观的 WebUI 界面，支持单图检测、批量处理、模型微调和 ONNX 导出，非常适合中小型企业或技术团队快速落地 OCR 应用。我们将以实际部署和使用为主线，深入解析每个环节的操作要点和注意事项。

1. 系统核心：cv_resnet18_ocr-detection 模型简介

1.1 模型能力与适用场景

cv_resnet18_ocr-detection是一个基于 ResNet-18 主干网络的文字检测模型，专为中文和英文混合场景优化。它能够精准定位图像中的文本区域，并输出对应的边界框坐标和识别结果。

该模型特别适合以下零售场景：

商品外包装标签识别
价签信息自动采集
入库单据数字化处理
货架陈列合规性检查

相比通用 OCR 工具，这个模型更轻量、推理速度快，且通过 WebUI 封装后，非技术人员也能轻松操作。

1.2 技术架构亮点

双阶段流程：先检测文字位置，再进行识别，确保高精度。
支持多种输入格式：JPG、PNG、BMP 图片均可处理。
可微调设计：允许用户上传自定义数据集进行训练，提升特定场景下的识别准确率。
ONNX 支持：导出后可在 Windows、Linux、嵌入式设备等平台运行，便于集成到现有系统中。

2. 快速部署与服务启动

2.1 环境准备

本系统已在 CSDN 星图镜像中预配置好所有依赖环境，包括 PyTorch、OpenCV、PaddleOCR 基础组件等。你只需一台具备基本 GPU 或 CPU 的服务器即可运行。

推荐配置：

操作系统：Ubuntu 20.04+
内存：8GB 以上
存储：50GB 可用空间
GPU（可选）：NVIDIA GTX 1060 及以上，提升处理速度

2.2 启动服务

进入项目目录，执行启动脚本：

cd /root/cv_resnet18_ocr-detection bash start_app.sh

启动成功后会显示如下提示：

============================================================ WebUI 服务地址: http://0.0.0.0:7860 ============================================================

此时服务已在后台运行，监听 7860 端口。

2.3 访问 WebUI 界面

打开浏览器，输入http://你的服务器IP:7860即可访问系统主界面。

注意：如果无法访问，请确认防火墙是否开放了 7860 端口，或云服务商的安全组规则是否允许该端口通行。

3. 系统功能详解：四大核心模块

3.1 单图检测 —— 快速验证效果

这是最常用的功能，适用于测试模型性能或处理零散图片。

操作步骤：

点击“单图检测”Tab
在上传区域选择一张商品标签图片（建议清晰度较高）
点击“开始检测”按钮
等待几秒后查看结果

输出内容包括：

识别文本内容：按顺序列出所有检测到的文字，带编号，可直接复制粘贴使用
检测结果图：原图上叠加了绿色边框，标出每个文本块的位置
JSON 数据：包含每段文字的坐标、置信度、推理耗时等信息，方便程序调用

调整检测阈值的小技巧

系统提供了一个滑动条用于调节“检测阈值”，范围是 0.0 到 1.0，默认为 0.2。

阈值太低（如 0.1）：会检测出更多弱信号文字，但也可能误检噪点
阈值太高（如 0.5）：只保留高置信度结果，适合对准确性要求极高的场景

实战建议：

对于打印清晰的标签：使用 0.2～0.3
对于模糊或反光严重的图片：尝试降低至 0.1～0.15
若需剔除干扰项（如背景花纹）：提高至 0.4 以上

3.2 批量检测 —— 提升工作效率

当面对成百上千张商品照片时，手动一张张上传显然不现实。批量检测功能正是为此而生。

操作流程：

切换到“批量检测”Tab
点击上传区域，支持 Ctrl/Shift 多选图片
设置合适的检测阈值
点击“批量检测”按钮
系统自动处理并生成结果画廊

处理完成后，你可以点击“下载全部结果”获取第一张示例图（完整结果需从服务器导出）。

提示：虽然界面只提供下载一张示例，但所有结果都已保存在outputs/目录下，可通过 SCP 或 FTP 批量拉取。

3.3 训练微调 —— 让模型更懂你的业务

如果你发现某些特殊字体、排版或语言组合识别不准，可以使用“训练微调”功能让模型适应你的数据。

数据准备要求

必须遵循 ICDAR2015 标准格式组织数据集：

custom_data/ ├── train_list.txt # 训练集列表 ├── train_images/ # 训练图片 │ ├── 1.jpg │ └── 2.jpg ├── train_gts/ # 训练标注文件 │ ├── 1.txt │ └── 2.txt ├── test_list.txt # 测试集列表 ├── test_images/ │ └── 3.jpg └── test_gts/ └── 3.txt

标注文件格式（txt）示例：

x1,y1,x2,y2,x3,y3,x4,y4,商品名称：华航数码专营店

每个文本行一条记录，坐标为四点顺时针排列。

列表文件格式：

train_images/1.jpg train_gts/1.txt train_images/2.jpg train_gts/2.txt

开始训练

在 WebUI 中填写训练数据目录路径，例如/root/custom_data
调整参数：
- Batch Size：默认 8，内存充足可设为 16
- 训练轮数（Epochs）：一般 5～10 轮足够
- 学习率：保持默认 0.007 即可
点击“开始训练”

训练过程会在后台进行，完成后模型权重将保存在workdirs/目录中，可用于替换原模型或进一步导出。

3.4 ONNX 导出 —— 实现跨平台部署

为了让模型走出实验室，真正融入企业系统，ONNX 导出功能至关重要。

如何导出？

进入“ONNX 导出”Tab
设置输入尺寸（高度 × 宽度），常见选项有：
- 640×640：速度快，适合移动端
- 800×800：平衡精度与性能
- 1024×1024：高精度需求，但占用更多资源
点击“导出 ONNX”按钮
导出成功后，点击“下载 ONNX 模型”获取文件

Python 推理示例

导出后的.onnx文件可在任何支持 ONNX Runtime 的环境中加载：

import onnxruntime as ort import cv2 import numpy as np # 加载模型 session = ort.InferenceSession("model_800x800.onnx") # 预处理图片 image = cv2.imread("test.jpg") input_blob = cv2.resize(image, (800, 800)) input_blob = input_blob.transpose(2, 0, 1)[np.newaxis, ...].astype(np.float32) / 255.0 # 推理 outputs = session.run(None, {"input": input_blob})

这样你就可以把模型集成进 ERP、WMS 或移动端 App 中，实现全自动化的商品信息采集。