深入解析：百度 PaddleOCR 3.0 深度测评：与 MinerU 的复杂表格识别对决

在这里插入图片描述

2025 年 10 月 17 日，百度正式发布最新 OCR 产品 ——PaddleOCR-VL 0.9B。这款定位 “业界领先、可直接部署” 的 OCR 与文档智能引擎，宣称可提供从文本识别到文档理解的全流程解决方案，其实际表现究竟如何？本文将通过多场景测试一探究竟。

一、产品背景与核心能力

作为国内最早布局大模型的企业之一，百度在 OCR 领域起步早且积累深厚，曾是其核心技术名片。尽管百度在通用大模型赛道多次被同行压制，但在 OCR 这一传统优势领域，近期推出的PaddleOCR 3.0做完了传统 OCR 技巧的架构级升级，不仅融入多模态大模型能力，还与文心大模型 4.5 实现深度协同。

回溯过往，百度 OCR 曾是其妥妥的技术名片。开源端，PaddleOCR 凭借超轻量级架构与高精度表现，在 GitHub 收获超 5 万星标，成为 Umi-OCR、RAGFlow 等知名项目的核心依赖，堪称开发者心中的 “首选工具”；商业端，其高性价比的 API 服务与行业定制方案，广泛覆盖金融、物流、医疗等场景。

本次发布的 PaddleOCR 3.0，核心能力聚焦四大模块：

PaddleOCR-VL- 通过 0.9B 超紧凑视觉语言模型增强多语种文档解析
面向文档解析的 SOTA 且资源高效的模型, 支持 109 种语言，在复杂元素（如文本、表格、公式和图表）识别方面表现出色，同时资源消耗极低。
PP-OCRv5— 全场景文字识别
单模型支持五种文字类型（简中、繁中、英文、日文及拼音），精度提升13个百分点。解决多语言混合文档的识别难题。
PP-StructureV3— 复杂文档解析
将复杂PDF和文档图像智能转换为保留原始结构的Markdown文件和JSON文件，在公开评测中领先众多商业方案。完美保持文档版式和层次结构。
PP-ChatOCRv4— 智能信息抽取
原生集成ERNIE 4.5，从海量文档中精准提取关键信息，精度较上一代提升15个百分点。让文档"听懂"您的问题并给出准确答案。

二、对比测试：聚焦复杂表格识别

本次测试以 PaddleOCR 3.0与行业知名工具MinerU为对比对象。传统文本类 OCR 技术已趋成熟，因此测试重点聚焦 “繁琐表格识别”—— 这是实际业务中高频出现且难度较高的场景（如合并单元格、单元格换行、拍照形变、灯光阴影、图像模糊等）。

为便于阅读，下文将用红色字体标注模型识别错误的内容。

测试一：扫描表格（含轻微形变）

测试条件：扫描生成的表格图像，无阴影、清晰度尚可，但存在轻微形变。

在这里插入图片描述

PaddleOCR表现

物质品名	Y 值	G 值	挥发份	卡数	重量(吨)	单价(元/ 吨)	质物总金额	货物是否在库	备注
原煤				4964	159.56	1175	187483
原煤				4964	527.58	1170	617268.6
原煤				4964	445.44	1123	500229.12



合计					1132.58		1304980.72

MinerU表现

物质品名	卡数	重量（吨）	单价（元/吨）	质物总金额
原煤	4964	159.56	1175	187483
原煤	4964	527.58	1170	617268.6
原煤	4964	445.44	1123	500229.12



合计		1132.58		1304980.72

测试结论：两个模型识别准确度均达 100%。因测试场景较简单，两者未拉开差距，暂以1:1 战平。

测试二：竖向表格（含合并单元格 + 轻微形变）

测试条件：表格清晰度良好，存在轻微形变，且为竖向排版 + 合并单元格。

PaddleOCR表现

序号	名称	所有权或使用权归属	数量(台)	机台编号	型号	质量、状况、所在地(见车间设备布置图)等情况	抵押价值(万元)	作为抵押物签字
1	导线机	柏仕威	11	LD-005, PW-LD-006, PW-LD-008, LD-001, PW-LD-004,LD-001, LD-009, LD-012, PW-LD-014, LD-010, SP-001		质量完好,在公司车间一内,可以运转。	4.4	柏仕威法人同意:因这些设备购置时间很长了,设备发票或报关单已遗失,此表中31台设备作为抵押物,每台设备的抵押价值0.4万元。柏仕威法人(签字)
3	柱脚机	柏仕威	15	PT-031, PW-PT-006, PW-PT-005, PW-PT-004, PT-003, PW-PT-002, PW-PT-001, PW-PT-008, PT-007, PT-028, PT-027, PT-018, PT-017, PT-010, PT-009		质量完好,在公司车间二内,可以运转。	6.0
4	夹脚机	柏仕威	1	CP-002		质量完好,在公司车间二内,可以运转。	1.6
5	铜帽冲压机(开式可倾压力机)	柏仕威	4	CP-041~CP-044	J23-10	质量完好,在公司车间二内,行运转。	12.4
合计			31				12.4

MinerU表现

序号	名称	所有权或使用权归属	数量(台)	机台编号	型号	质量、状况、所在地(见车间设备布置图)等情况	抵押价值(万元)	作为抵押物签字
1	导线机	柏仕威	11	LD-005, PW-LD-006，PW-LD-008, LD-001,PW-LD-004 LD-001, LD-009, LD-012, PW-LD-014, LD-010, SP-001		质量完好,在公司车间一内,可以运转。	4.4	柏仕威法人同意:因这些设备购置时间很长了,设备发票或报关单已遗失,此表中31台设备作为抵押物,每台设备的抵押价值0.4万元。柏仕威法人(签字)
3	柱脚机	柏仕威	15	PT-031, PW-PT-006, PW-PT-005, PW-PT-004, PT-003, PW-PT-002, PW-PT-001, PW-PT-008, PT-007, PT-028, PT-027, PT-018, PT-017, PT-010, PT-009			6.0
4	夹脚机	柏仕威	1	CP-002			0.4
5	铜帽冲压机(开式可倾压力机)	柏仕威	4	CP-041~CP-044	J23-10	质量完好,在公司车间二内,能够运转。	1.6
合计			31				12.4

测试结论：MinerU 识别效果更优。PaddleOCR 存在三处关键错误：“质量状况” 列描述错乱、“夹脚机” 与 “铜帽冲压机” 抵押价值识别错误，未识别到 “柏仕威法人 (签字)”；MinerU 仅有几台编号的标点错误，无实质信息偏差。此轮 MinerU 胜出，战况更新为1:2（PaddleOCR 落后）。

测试三：清晰表格（含手写体）

测试条件：表格主体清晰，但包含手写金额（手写体为 OCR 核心难点之一）。

请添加图片描述

PaddleOCR表现

产品名称	规格	单位	数量	单价(含税)	金额	提(交)货时间
药品一批



合计					¥4200.0000
总计金额(大写)捌仟贰佰万元正

MinerU表现

产品名称	规格	单位	数量	单价(含税)	金额	提(交)货时间
药品一批




合计				¥4200.0000
总计金额（大写）贰仟贰佰万元正

测试结论：两者均存在手写体识别误差。金额部分均误识别为 “¥4200.0000”（实际为 4200 万元，不过这部分感觉书写有困难，属视觉干扰导致）；大写金额部分，PaddleOCR 误将 “肆” 写为 “捌”，MinerU 误将 “肆” 识别为 “贰” 但多保留 “正” 字，无本质差距。此轮打平，战况更新为2:3（PaddleOCR 落后）。

测试四：模糊表格（含内容压边线）

测试条件：表格内容模糊，且部分文字压在表格线上（易导致字段错位）。

PaddleOCR表现

名称	单位	数量	单据号码	金额	保管期限	保管起讫日期
存单	份	1	01-010392200	¥4,350,000.00		2021/07/27-2024/01/27


保管金额合计（大写）		人民币肆佰叁拾伍万元整

MinerU表现

名称	单位		数量	单据号码	金额	保管期限	保管起讫日期
存单	份		1	01-010392200	¥4,350,000.00		20210727-20240127


人民币肆佰叁拾伍万元整
保管金额合计（大写）		人民币肆佰叁拾伍万元整

测试结论：两者核心信息识别均正确，但 PaddleOCR 表现更优。MinerU 多生成一行重复的 “大写金额” 内容，且保管日期格式未带分隔符；PaddleOCR 无冗余内容，格式更规范。此轮 PaddleOCR 胜出，战况更新为4:4（战平）。

测试五：复杂场景（合并单元格 + 形变 + 模糊）

测试条件：综合难度最高的场景 —— 含合并单元格、表格形变、图像模糊，接近真实业务中 “难识别” 的极限情况（人工识别亦存在难度）。因表格数据量大，仅对比表头、第一行数据及关键信息。

请添加图片描述

PaddleOCR表现

序号

期数

日期

车号

货主姓名

质量

重量

金额

货货客户信息

存放库位

备注

品种

卡数

毛重

皮重

扣重

净重

净重(折精提)

单价

总价款

联系方式

身份证号

开户银行

账号

2月21日

黑HB7165

叶明

原煤

4964

101.94

20.44

81.50

1175

95,762.50

1560488499

230403198709190236

中国农业银行鹤岗大陆支行

6228482228429815470

...

合计

1466.44

333.86

1132.58

1,301,980.72

业务发生地：

用款方现场负责人：

监管方监管员：

填报日期：2022年3月10日

MinerU表现

序号

期数

日期

车号

货主姓名

质量

重量

金额

供货客户信息

存放库位

备注

品种

卡数

毛重

皮重

扣重

净重

种重(折精煤)

单价

总价款

联系方式

身份证号

开户银行

帐号

2月21日

黑HB7165

叶明

原煤

4964

101.94

20.44

81.50

1176

95,702.50

1560188499

230403198709190236

中国农业银行鹤岗大站支行

62284R2228429815470

...

合计

1466.44

333.86

1132.58

1,301,980.72

测试结论：PaddleOCR 以微弱优势胜出。两者在高难度场景下均表现出色，但 PaddleOCR 错误更少：仅表头 “售货客户信息” 中 “售” 识别为 “货” 字、车号 “黑 HB7165” 遗漏 1 个 “H”、单价 “1176” 误写为 “1175”；MinerU 则存在联系方式、银行名称、账号的字符错误，且未识别到表格底部的补充信息，且最后两列的表格展现出现偏差。此轮 PaddleOCR 胜出，最终战况为5:4（PaddleOCR 反超）。