YOLOv8 + PaddleOCR 技术方案落地
Yolov8相关文档
《yolov8 官方网站》
《Yolov8 保姆级别安装》
Step 1 证件模型的训练
1、选取身份证标注 （300张样本，200张测试样本）
2、使用标注软件进行处理数据集(这里我用的是 makesense)
3、yolov8 进行训练模型 (这里可以参考《Yolov8 保姆级别安装》文章 )
yolo detect train model=yolov8n.pt data=idCard.yaml epochs=10 imgsz=640
样图：
Step 2 Yolov8进行图片推理
yolo predict model=best.pt source=image_test imgsz=640
检测后效果:
Step 3 PaddleOCR进行识别
paddleocr --image_dir ./imges/test.jpg --use_angle_cls true --use_gpu false
[[[28.0, 37.0], [302.0, 39.0], [302.0, 72.0], [27.0, 70.0]], (‘姓名 xxxxxxx’, 0.9658738374710083)]
…
到这里相关操作都能正常运行，那么你的虚拟环境就好了。
Step 4 整合Yolov8 + PaddleOCR 进行OCR
1、通过Flask整合，通过http接口进行交互识别
"""
三大核心包
"""
from flask import Flask, request
from ultralytics import YOLO
from paddleocr import PaddleOCR
//yolov 推理
model_idCard = YOLO('best_idCard.pt')
results = model_idCard.predict(img, device='cpu', stream=True)
....
//获取yolov推理后的切片图进行ocr
ocr = PaddleOCR(lang='ch', use_angle_cls=True, enable_mkldnn=True, cpu_threads=8, ocr_version='PP-OCRv4')
result = ocr.ocr(img, cls=True)
@app.route('/idCardOcr', methods=['POST'])
def idCardOcrRequest():
# f = request.files['file']
json = request.json
imagePath = 'temp/' + json['fileName']
# imagePath = 'D:/work_project/useDeviceCloud/temp/' + json['fileName']
return idCardOcr(imagePath)
yolov8推理出来的切图
效果：
效果还是比较可以的，不过低配置的机器可能有点限制。paddle要求比较高后续看看在接入其他的ocr通用版本来替换，让更多的机器能跑起来
看↓↓↓方格或搜索： 码猿趣事，回复关键字：yolov8+OCR持续更新中~。
