求推荐 Python 好用的 ocr

[shiyuu]

我每天都会用 python 脚本下载 cacti 的流量图进行保存 现在有额外的需求，就是要把所有的流量值都用文字记录起来。 试过 EasyOCR 、PaddleOCR 、百度的 baidu-aip 效果都不太理想 用同样的 ocr 同时试过连续识别 10 张，不是缺少数值，就是想要的关键字和值不在同一个元组里。 也就是 ORC 的结果比较乱，不在一个元组还能处理判断一下，但是缺少数值是最致命的

[NoOneNoBody]

纯英文的不要用混合或者中文识别，直接用英文模组效果更好

[paopjian]

是不是你图太大了,直接裁切目标区域试试

[noahlias]

https://github.com/VikParuchuri/surya

[liewstar]

我用 CnOcr 帮你试了一下，就这张图来说，没有丢数值，识别出来的数值也是有规律的

[f165af34d4830eeb]

换个思路，python 调用 openai 的 api （

[shiyuu]

重新用 easyocr 只导入英文获取了一遍，主要是 433 坐标左右的值我最重要的，6 月 7 日那天就都不出来。
requests 下载到图片的大小分辨率都是统一的

[shiyuu]

@liewstar 我试试 CnOcr 这个看看

[Hconk]

像这种固定位置的图裁切一下再识别就不需要考虑结构化的问题了，识别效果应该也有提升

[whileFalse]

不能直接获取 cacti 的请求吗

[Sawyerhou]

楼上说的有道理，只用英文，加裁剪，理论上这个图片识别难度不高。

[anubu]

感觉有点像前两天在站里看到的 XY 问题，cacti 把数据画成图片，python 脚本从图片里读取数据，这种基于图片的数据传递方式似乎有点抽象。当然也有可能是有具体的业务场景需要，或者可以尝试抛一个更深的问题出来看看。

[shiyuu]

@whileFalse 普通账号，只能看图，而且我试了没法下载图上的 csv ，需求就类似下面链接里的这样，只能通过 orc 来识别了
https://www.cnblogs.com/choujin/p/11794163.html

[shiyuu]

@anubu https://www.cnblogs.com/choujin/p/11794163.html
其实就像链接里的这样，但是是普通账号只能看图，也没法下载 csv 表格，我就只能通过普通账户的 cookies ，用 response 专门下载那一张图进行保存

[shiyuu]

我都已经把彩色转换成灰度图像了，但是图上 MAX 最大值的 7.34T 却没有识别出来，其他的倒是都识别了

[ZekeChin]

试试 paddleOCR ？

[kenvix]

这种专用任务可以考虑自己训练一个基于 YOLO 的专用识别模型。脚本都是现成的，很容易就搭起来了

[ZekeChin]

@ZekeChin 抱歉原文没看清，可以试试 MiniCPM-Llama3-V ，如果有 GPU 的话 q4 llama.cpp 部署 效率应该也不会太差。帮忙试了 OP 关注的值

[ZekeChin]

@kenvix YOLO 是做目标检测的吧？现在都可以做文本识别了吗，进化这么快

[lairdnote]

这个是环形数据库 为什么不直接读数据库 要用 ocr 去识别呢

[shiyuu]

我现在只能用最笨的办法，把图片裁剪到只剩下一个我需要的值，再进行 ocr ，目前已经 100%识别了。

[kenvix]

@ZekeChin #18 实际上你把文本也当作目标就行了。我在 19 年做过这样的事情。用 YOLO 的目的只是因为 YOLO 封装的好，基本不用写多少代码

[coolfan]

@shiyuu #20 我赞同

[HasanSabbah]

paddle 都不稳定的话，那就 gpt4o 吧

[EndlessMemory]

你这个肯定要裁剪后识别啊，如果识别效果还是不理想就考虑二值化