这是一个关于OCR识别应用在植物图片上的小项目（草本植物OCR助手）。

架构设计

  • 前后端分离

    1、前端采用vue3 搭建，用于展示图片和识别的效果。
    放在服务器上的版本原型图如下：

    左侧为原始的图片,通过导航栏进行切换和跳转;右侧为进行各种处理后的状态展示，分别是分割的状态，文字提取的状态，转化成表格的状态。

    • 待添加服务器版本链接

    2、后端使用python+flask框架搭建rest服务的形式。分别做了截取文本框，检测文本，文本转表格等服务。

前端具体实现

这是一个单页面应用，经构思后补充了些功能，再顶部再增加一个区域（包含原始数据图片所在的路径，和一个处理结果输出路径，一个run all按钮），run all按钮将执行图片分割、文本提取与转化、生成Excel等一系列操作。处理的过程中会有进度条显示出来。本站提供的演示版本不支持用户选择路径，因为用的是服务器后台的数据，不做上传文件的功能。但本地版是支持用户选择图片集路径的。

  • vite + vue + element plus 搭建如下界面：

    • 待完成

  • vue逻辑部分编写

    • 图片路径设置
    • 图片轮播功能
    • 文本框编辑逻辑
    • 表格交互逻辑
    • REST交互

训练yolo进行图片分割

训练OCR手写文字识别

  • 待完成
  • python 3.11 windows平台下，ppocrlabel原版最多只在2.7版本源码里；
  • paddleocr pip安装了2.10当前最新版；
  • torch和torchAudio需要安装2.2.2版本；
  • 记录一版形成教程，单独的post，怎么快速配置，打标签，与训练

后台服务的具体实现

  • batch_yolo服务
    • 已完成
  • batch_ocr服务
    • 已完成
  • deepseek文本整合服务
    • 待验证

关于版本管理

  • 使用git维护client和server端代码
    • 已完成
  • 待验证 图片数据集的存储有两种合适的方案
    • 使用制品仓库 –需要打包再上传，本地维护一份比较困难，但对于特别大的几个G的数据集合适用该方法。
    • 使用lfs大文件 –将图片格式作为大文件lfs一种，通过git lfs上传。这种适合适合本地维护。