C# 关于 PaddleOCRSharp OCR识别的疲劳测试
关于 PaddleOCRSharp
PaddleOCRSharp 是百度飞桨封装的.NET版本 OCR dll 类库，OCR（Optical Character Recognition）工具可以将图像文件中的文本内容进行识别，转换成可编辑的文本格式。从而进一步进行编辑、存储和分析。
在实际的使用中，这款工具类库的确很优秀，无论从识别时间还是识别率来说，比较平衡比较令人满意。
应用范例演示
这是我们在实际应用中开发的一款工具，基于 Windows WinForm 模式，用于识别客户提供的电子档案中的文字，并进行文字识别存储及后续的管理。其主界面运行如下：
如图，工具程序在导入前提供了一些选项，包括：
（1）导入类型为图片数据和个人信息（这包括了导入文本到数据库的选项）
（2）跳过OCR识别功能，是为了直接导入图片到数据库，这里我们需要勾选掉以进行测试
（3）对已导入数据执行更新操作，这个选项是纯数据库更新操作
（4）不输出导出报告，是为了减少内存占用量，提升性能
快捷设置可以提供自动设置4个选项的目的。
工具程序提供了全目录全文件分析和单目录分析，全目录会遍历该目录下所有的电子图片进行识别操作，这里我们选择的是单目录文件分析（即选择一个目录，只查找该目录下所有的图片文件），并将最终的分析结果显示在报告框中。
在实际的运行应用中，我们的档案有共计几千万份图片，由于环境及硬件要求，仅提供了三台配置雷人的台式机，发现运行几小时后，PaddleOCRSharp.dll 运行崩溃报错，如下图：
因此需要对程序进行一些改进。
范例运行环境
操作系统： Windows Server 2019 DataCenter
PaddleOCRSharp版本：2.2.0.0
数据库：Microsoft SQL Server 2016
.net版本： .netFramework4.0 或以上
开发工具：VS2019 C#
疲劳测试
添加组件库
打 VS2019 创建 WinForm 应用，在解决方案资源管理器中添加引用，成功后如下图：
添加 using PaddleOCRSharp; 引用，示例如下：
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using PaddleOCRSharp;
using System.IO;
using System.Collections;
using System.Data.SqlClient;
using System.Diagnostics;
using System.Security.Cryptography;方法设计
首先在 WinForm （实例假设为 Form1)，中初化如下变量，代码如下：
OCRModelConfig config = null;
OCRParameter oCRParameter = new OCRParameter();
PaddleOCREngine engi = null;
OCRResult ocrResult = new OCRResult();说明表如下：
序号 | 参数名 | 类型 | 说明 |
|---|---|---|---|
1 | config | OCRModelConfig | OCR模型的配置对象 |
2 | oCRParameter | OCRParameter | OCR模型的识别参数对象 |
3 | engi | PaddleOCREngine | OCR模型的识别引擎对象 |
4 | ocrResult | OCRResult | OCR模型的识别结果对象 |
初始化对象是疲劳测试的关键设计，如果每次都 new 一个对象，系统运行一段时间后就会崩溃。
paddleOCR方法实现对于路径图片的文字识别提取，代码如下：
string paddleOCR(string imagepath)
{
var imagebyte = File.ReadAllBytes(imagepath);
oCRParameter.cpu_math_library_num_threads = 10;// 预测并发线程数
oCRParameter.enable_mkldnn = false; // web部署该值建议设置为0，否则出错，内存如果使用很大，建议该值也设置为0.
oCRParameter.cls = false; // 是否执行文字方向分类；默认false
oCRParameter.use_angle_cls = false; // 是否开启方向检测，用于检测识别180旋转
oCRParameter.det_db_score_mode = false; // 是否使用多段线，即文字区域是用多段线还是用矩形
oCRParameter.det_db_unclip_ratio = 1.6f;
engi = new PaddleOCREngine(config, oCRParameter);
ocrResult = engi.DetectText(imagebyte);
engi.Dispose();
if (ocrResult != null)
{
return ocrResult.Text;
}
return "";
}paddleOCR方法仅需要提供一个图片完整路径参数即可，方法中的参数对象需要说明一下，见下表：
序号 | 参数名 | 说明 |
|---|---|---|
1 | cpu_math_library_num_threads | CPU预测时的线程数，在机器核数充足的情况下，该值越大，预测速度越快；在我们应用里设置为10 |
2 | enable_mkldnn | 即是否使用mkldnn库， web部署该值建议设置为false，否则出错，内存如果使用很大，建议该值也设置为false，在这里我们设置为false |
3 | cls | 是否执行文字方向分类，在这里我们设置为false |
4 | use_angle_cls | 是否开启方向检测，用于检测识别180旋转，在这里我们设置为false |
5 | det_db_score_mode | 是否使用多段线，即文字区域是用多段线还是用矩形，在这里我们设置为false |
6 | det_db_unclip_ratio | 表示文本框的紧致程度，越小则文本框更靠近文本,在这里我们使用了默认值 1.6f |
调用示例
在Form上假设有按钮 Button1，则其点击事件的调用代码示例如下：
private void Button1_Click(object sender, EventArgs e)
{
OpenFileDialog ofd = new OpenFileDialog();
ofd.Filter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
if (ofd.ShowDialog() != DialogResult.OK) return;
string rv2 = paddleOCR(ofd.FileName);
MessageBox.Show("共识别提取了"+rv2.Length.ToString()+"个文字\r\n"+ rv2, "识别结果");
return;
}小结
在实际的运行中，三台机器同时运行，有两台机器运行了7天以上暂无报错，一台运行了5天左右报错，唯一的区别在于报错机器的显卡配置较低，不同于其它两台机器。总体来说对于几个小时就会出错，提升了不少，也给我们监控运行状况提供了空间。
本实例是根据客户提供的电子图片类型、目录结构、JSON配置文件进行的定制开发，在实际应用我们要根据情况进行参数的设置和设计的调整，在测试中我们发现通过本实例的参数设置可以多识别出一些文字，而且识别率还是比较准确的。
本示例代码仅供您参考，感谢您的阅读，希望本文能够对您有所帮助。
腾讯云开发者
