# OCR 引擎选型决策记录 > 2026-05 决策依据。基于 ~30 张项目截图实测对比,决定换掉 EasyOCR,统一用 **PaddleOCR PP-OCRv4_mobile**。 --- ## 结论 | 引擎 | 平均/张 | 关键图精度 | 选用 | |---|---|---|---| | **PaddleOCR v4-mobile** | **369ms** | ✅ 12 段全对 | **首选** | | PaddleOCR v5-mobile | 407ms | ⚠️ 偶尔合并段落 | 略差 | | RapidOCR-ONNX | 1494ms | ✅ 12 段全对 | 兜底 | | PaddleOCR v5-server | 2395ms | ⚠️ 多噪声字符 | 不用(重型) | | EasyOCR | 629ms | ❌ "官方保障"→"膏方保腰" | **回退** | | PaddleOCR v4-server | 2721ms | ⚠️ 切分错误 | 不用(重型) | 业务图都是裁切后的小区域(300×120 倒计时框、600×260 内容框),mobile 模型完胜 server 模型。 ## 关键修复:Win + Paddle 3.x oneDNN+PIR bug `ConvertPirAttribute2RuntimeAttribute not support pir::ArrayAttribute` 在 paddle 3.3 + paddleocr 3.5 + Win 必现。 实测结论: - ❌ `FLAGS_enable_pir_in_executor=0` 修不掉(PIR 已强制默认) - ❌ paddleocr 3.x 强制要 paddle 3.x,不能降级 - ✅ **`enable_mkldnn=False`** 是当前唯一可行解,代价是 CPU 推理慢 20-30% 代码里在 `operations/ocr_operations.py` 模块顶层设置 `FLAGS_use_mkldnn=false` + `enable_mkldnn=False`。等 paddle 上游补全 `onednn_instruction.cc:118` 的属性转换分支后可以删掉这行。 ## 已知次优配置 - PaddleOCR `predict()` 是 3.x 推荐 API,`ocr()` 仍兼容(代码做了运行时检测) - 自定义"放大+锐化+对比度增强"预处理对 PaddleOCR 是负优化(实测 `coupon_full_title` 输出 `全全场通用` 重复字、`coupon_limit` 多出 `工品` 噪声),已删除。PaddleOCR 内部的 resize/normalize 已经够用 ## 速度数据(19 张 + 11 张混合裁切框,CPU 模式) ### 速度横向对比(按场景分组的代表数据) | 图片类型 | v4-mobile | v5-mobile | EasyOCR | |---|---|---|---| | 复杂多文字(coupon.png 整图)| 2293ms | 2148ms | 2168ms | | 长文字行(banner_long.png)| 898ms | 910ms | 451ms | | 短文字(coupon_title.png)| 163ms | 162ms | 279ms | | 数字小框(coupon_30.png)| 18ms | 106ms | 147ms | | 福袋裁切区域(fudai_*)| ~150-1700ms | ~150-2200ms | ~470-5500ms | | 空白图标 | ~10-100ms | ~10-150ms | ~30-100ms | EasyOCR 在彩色背景大图上特别慢(fudai 1280×1280 跑 5 秒+),且关键内容图错字率极高。 ### v4-mobile vs v5-mobile 精度差 - coupon.png:v4-mobile `一单回本 | 全场通用` 正确切分,v5-mobile `一单回本全场通用` 合并 - banner_long.png:v4-mobile `上一个 | 下一个` 正确,v5-mobile `E— | 下-` 错误 v4-mobile 综合最优。 ## 生效的优化 `operations/ocr_operations.py`: 1. 切到 PaddleOCR v4-mobile 优先(之前 EasyOCR 优先) 2. 加 LRU 结果缓存(256 条),重复图直接命中(业务里 cut_pic 短时间常重读相同区域) 3. 抽出 `PADDLE_KWARGS` / `_build_paddle()` / `_build_easyocr()` 工厂消除重复 `douyin/core/underlying_operations.py`: 1. `__init__` / `_ensure_ocr` 都对齐到 Paddle 优先 2. `analyse_pic_word` 加缓存层(基于 blake2b 内容哈希 + change_color) 3. 删掉小图自动放大+锐化+对比度增强(实测负优化) 4. PaddleOCR 切到 `predict()` 新 API 5. `analyse_pic_digits` 从 200 行精简到 30 行委托 + 数字过滤 业务接口完全向后兼容,调用方零改动。 ## 测试用图 `assets/`:项目自带 9 张图 裁切扩展:从 coupon.png/fudai.png 裁出多种难度的小区域(~22 张)测试模型对小裁切框的表现 ## 维护提示 - 缓存大小:环境变量 `OCR_CACHE_MAX`(默认 256,设 0 禁用) - 缓存统计:`from operations.ocr_operations import cache_stats; print(cache_stats())` - 调试图保存:环境变量 `SAVE_OCR_DEBUG_IMAGES=1` - 跳过初始化(仅做点击不需要 OCR 的流程):环境变量 `SKIP_OCR_INIT=1`