简要介绍

用户批量上传需要识别的照片,上传成功后,系统会启动Hangfire后台Job开始调用PaddleOCR服务返回结果,这个过程有点类似微服务的架构模型。

PaddleOCR

PaddleOCR是百度AI团队开源的一个项目，应该是目前所有免费开源OCR项目中识别效果最好的,具体可以通过PaddleOCR了解,如果你没有Python的开发经验，可能在环境部署上会遇到一些问题，但几乎都能找到解决方案。

Demo https://razor.i247365.net/invoices/index

1. 用户批量上传要识别的文件,由于我的虚拟机性能非常差，所以才能先上传系统后台自动识别
   

2. 系统识别完成后会自动通知用户并修改状态,用户预览识别的结果
   

   

运行环境

• .net 5.0>

• Python 3.7>

• ASP.NET Core Razor Page Application 5.0 源代码分支(features\invoice_ocr)RazorPageCleanArchitecture\features\invoice_ocr

• PaddleOCR Web API （CentOS 阿里云主机) PaddlePaddle/PaddleOCR

• Hangfire Dashboard HangfireIO/Hangfire

技术栈

• ASP.NET Core

• Jquery/Javascript

• EasyUI

• Python

安装PaddleOCR环境

经测试PaddleOCR可在glibc 2.23上运行，您也可以测试其他glibc版本或安装glic 2.23
PaddleOCR 工作环境

• PaddlePaddle 2.0.0

• python3.7

• glibc 2.23

• cuDNN 7.6+ (GPU)

建议使用我们提供的docker运行PaddleOCR，有关docker、nvidia-docker使用请参考链接。

如您希望使用 mac 或 windows直接运行预测代码，可以从第2步开始执行。

1. （建议）准备docker环境。第一次使用这个镜像，会自动下载该镜像，请耐心等待。

# 切换到工作目录下
cd /home/Projects
# 首次运行需创建一个docker容器，再次运行时不需要运行当前命令
# 创建一个名字为ppocr的docker容器，并将当前目录映射到容器的/paddle目录下如果您希望在CPU环境下使用docker，使用docker而不是nvidia-docker创建docker
sudo docker run --name ppocr -v $PWD:/paddle --network=host -it paddlepaddle/paddle:latest-dev-cuda10.1-cudnn7-gcc82 /bin/bash如果使用CUDA10，请运行以下命令创建容器，设置docker容器共享内存shm-size为64G，建议设置32G以上
sudo nvidia-docker run --name ppocr -v $PWD:/paddle --shm-size=64G --network=host -it paddlepaddle/paddle:latest-dev-cuda10.1-cudnn7-gcc82 /bin/bash您也可以访问[DockerHub](https://hub.docker.com/r/paddlepaddle/paddle/tags/)获取与您机器适配的镜像。# ctrl+P+Q可退出docker 容器，重新进入docker 容器使用如下命令
sudo docker container exec -it ppocr /bin/bash

2. 安装PaddlePaddle 2.0

pip3 install --upgrade pip如果您的机器安装的是CUDA9或CUDA10，请运行以下命令安装
python3 -m pip install paddlepaddle-gpu==2.0.0 -i https://mirror.baidu.com/pypi/simple如果您的机器是CPU，请运行以下命令安装python3 -m pip install paddlepaddle==2.0.0 -i https://mirror.baidu.com/pypi/simple更多的版本需求，请参照[安装文档](https://www.paddlepaddle.org.cn/install/quick)中的说明进行操作。

3. 克隆PaddleOCR repo代码

【推荐】git clone https://github.com/PaddlePaddle/PaddleOCR如果因为网络问题无法pull成功，也可选择使用码云上的托管：git clone https://gitee.com/paddlepaddle/PaddleOCR注：码云托管代码可能无法实时同步本github项目更新，存在3~5天延时，请优先使用推荐方式。

4. 安装第三方库

cd PaddleOCR
pip3 install -r requirements.txt**如果有问题可以留言,我会帮你处理**## 重点代码分析
httpClient调用PaddleOCR API
开始自动失败重试策略
```js
services.AddHttpClient("ocr", c =>{c.BaseAddress = new Uri("https://paddleocr.i247365.net/predict/ocr_system");c.DefaultRequestHeaders.Accept.Add(new MediaTypeWithQualityHeaderValue("application/json"));}).AddTransientHttpErrorPolicy(policy => policy.WaitAndRetryAsync(3, _ => TimeSpan.FromMilliseconds(1000))); ;public void Recognition(int id){using (var client = _httpClientFactory.CreateClient("ocr")){var invoice = _context.Invoices.Find(id);var imgfile = Path.Combine(Directory.GetCurrentDirectory(), invoice.AttachmentUrl);var bytes = File.ReadAllBytes(imgfile);string base64string = Convert.ToBase64String(bytes);var response = client.PostAsJsonAsync<dynamic>("", new { images = new string[] { base64string } }).Result;}Console.WriteLine($"{id}, completed.");}

解析发票信息,目前还是使用比较笨的方法，通过正则表达式来匹配需要的字段，比如发票金额，开票日期，发票号码等等，因为这是免费的并没有提供像收费服务那样更智能的匹配,这里我想只要有足够的数据，应该也可以通过自己训练实现更智能的识别。所以我留了Label字段，目的就是先有人工制定好对应的字段栏位，然后通过坐标数据进行训练。

if(response.StatusCode== System.Net.HttpStatusCode.OK){var result = response.Content.ReadAsStringAsync().Result;var ocr_result = JsonSerializer.Deserialize<ocr_result>(result);var ocr_status = "";invoice.Status = "Done";invoice.Result = ocr_result.status;if (ocr_result.status== "000"){foreach(var collection in ocr_result.results){foreach(var item in collection){var rawdata = new InvoiceRawData(){Confidence=item.confidence,InvoiceId=id,Text=item.text,Text_Region= JsonSerializer.Serialize(item.text_region)};if (item.text.Contains("发票号码")){var regex = new Regex("\\d*$");var mc = regex.Match(item.text);if(mc.Success){invoice.InvoiceNo = mc.Value;}}if (item.text.Contains("开票日期")){var regex = new Regex("\\d{4}年\\d{2}月\\d{2}日");var mc = regex.Match(item.text);if (mc.Success){invoice.InvoiceDate = Convert.ToDateTime(mc.Value.Replace("年","/").Replace("月", "/").Replace("日", ""));}}if (item.text.Contains("%")){var regex = new Regex("^\\d*.\\d*");var mc = regex.Match(item.text);if (mc.Success){invoice.TaxRate = decimal.Parse(mc.Value);}}if (item.text.Contains("￥")){var regex = new Regex("\\d.\\d*");var mc = regex.Match(item.text);if (mc.Success){invoice.Amount = decimal.Parse(mc.Value);}}_context.InvoiceRawDatas.Add(rawdata);}}ocr_status = ocr_result.status;}_context.SaveChangesAsync(default).Wait();_hubContext.Clients.All.SendAsync(SignalR.OCRTaskCompleted, new { invoiceNo = invoice.InvoiceNo  });}

Canvas 画框标注识别结果

data.map((item,index) => {$('#rawdata_table > tbody').append(`<tr><td>${index + 1}</td><td>${item.Text}</td><td></td></tr>`);var points = JSON.parse(item.Text_Region);ctx.lineWidth = "5";ctx.strokeStyle = "#00ff00";ctx.textAlign = 'left';ctx.textBaseline = 'top';ctx.fillStyle = "#ff0000";ctx.font = "bold 13px verdana, sans-serif ";ctx.fillText(item.Text, points[0][0], points[0][1]-15);ctx.beginPath();ctx.moveTo(points[0][0], points[0][1]);ctx.lineTo(points[1][0], points[1][1]);ctx.lineTo(points[2][0], points[2][1]);ctx.lineTo(points[3][0], points[3][1]);ctx.closePath();ctx.stroke();});

是不是很简单，很酷

最后

Give a Star! ⭐

If you like or are using this project please give it a star. Thanks!
RazorPageCleanArchitecture\features\invoice_ocr：https://github.com/neozhu/RazorPageCleanArchitecture