OCR API 接口调用指南：Python 快速集成至企业系统

响应格式（JSON）

{
  "success": true,
  "data": [
    {
      "text": "欢迎使用 OCR 识别服务",
      "confidence": 0.98,
      "bbox": [10, 20, 150, 40]
    },
    {
      "text": "联系电话：138****1234",
      "confidence": 0.96,
      "bbox": [10, 50, 180, 70]
    }
  ],
  "cost_time": 0.87
}

字段说明：

• text: 识别出的文字内容
• confidence: 置信度（0~1）
• bbox: 文本框坐标 [x1, y1, x2, y2]
• cost_time: 处理耗时（秒）

Python 客户端调用示例

以下是一个完整的 Python 脚本，演示如何通过 requests 库调用 OCR API，并解析返回结果。

示例 1：上传本地图片文件

import requests
import json

def ocr_recognize(image_path, api_url="http://localhost:5000/ocr"):
    """
    调用 OCR API 识别本地图片
    :param image_path: 图片路径
    :param api_url: API 地址
    :return: JSON 响应
    """
    with open(image_path, 'rb') as f:
        files = {'image': f}
        response = requests.post(api_url, files=files)
        if response.status_code == 200:
            return response.json()
        else:
            print(f"请求失败，状态码：{response.status_code}")
            return None

# 使用示例
result = ocr_recognize("invoice.jpg")
if result and result['success']:
    for item in result['data']:
        print(f"[{item['confidence']:.2f}] {item['text']}")

示例 2：传入 Base64 编码图片

某些场景下需避免文件传输，可将图片转为 Base64 字符串发送：

import base64
import requests
import json

def ocr_recognize_base64(image_path, api_url="http://localhost:5000/ocr"):
    with open(image_path, "rb") as image_file:
        encoded_string = base64.b64encode(image_file.read()).decode('utf-8')
        payload = {
            'image': encoded_string,
            'output_format': 'json'
        }
        headers = {'Content-Type': 'application/json'}
        response = requests.post(api_url, data=json.dumps(payload), headers=headers)
        return response.json()

# 调用示例
result = ocr_recognize_base64("document.png")
for line in result['data']:
    print(f"Text: {line['text']} (Confidence: {line['confidence']:.2f})")

注意事项：

• Base64 方式适合小图（<2MB），大图建议使用 multipart/form-data 文件上传。
• 设置超时参数防止长时间阻塞：requests.post(..., timeout=10)

高级配置与性能优化建议

虽然默认配置已适用于大多数场景，但在实际生产环境中，仍可通过以下方式进行调优：

1. 并发控制与线程池优化

Flask 默认单线程处理请求，在高并发场景下可能成为瓶颈。建议使用 gunicorn 或 waitress 启动多工作进程：

gunicorn -w 4 -b 0.0.0.0:5000 app:app 

• -w 4：启动 4 个工作进程，充分利用多核 CPU
• 更高并发时可增加 worker 数量，但不宜超过 CPU 核心数的 2 倍

2. 图像预处理策略自定义

若企业已有图像清洗流程，可在调用 API 前关闭内置预处理（需修改服务端代码）：

# server/app.py 中注释掉以下行
# image = preprocess_image(image)
# 自动增强逻辑 

然后由前端统一进行去噪、二值化、旋转校正等操作，确保输入质量稳定。

3. 缓存机制引入（适用于重复图片识别）

对于经常出现的模板类文档（如固定格式发票），可引入 Redis 缓存图片哈希与识别结果：

import hashlib
import redis
import json

r = redis.Redis(host='localhost', port=6379, db=0)

def get_image_hash(image_path):
    with open(image_path, 'rb') as f:
        return hashlib.md5(f.read()).hexdigest()

# 查询缓存
img_hash = get_image_hash("invoice_001.jpg")
cached = r.get(f"ocr:{img_hash}")
if cached:
    result = json.loads(cached)
else:
    result = ocr_recognize("invoice_001.jpg")
    r.setex(f"ocr:{img_hash}", 86400, json.dumps(result))
# 缓存 24 小时 

企业系统集成实践案例

某财务共享中心需每月处理上千张供应商发票，原有人工录入方式效率低且易出错。引入本 OCR 服务后，实现了如下自动化流程：

系统集成架构图

[扫描仪/邮件附件]
      ↓
[文件采集服务] → [图像预处理] → [调用 OCR API]
      ↓
[NLP 字段抽取] → [ERP 系统自动填单]
      ↓
[审核人员复核]

关键收益

实践启示：OCR 不是终点，而是自动化链条的第一步。结合规则引擎或 NLP 技术，才能真正实现'端到端'智能处理。

常见问题与解决方案（FAQ）

总结：构建可持续演进的 OCR 能力

本文详细介绍了基于 CRNN 模型的轻量级 OCR 服务，涵盖其技术原理、WebUI 使用、API 调用方法以及在企业系统中的集成实践。

核心价值总结：

• 低成本部署：纯 CPU 运行，无需昂贵 GPU 资源；
• 高识别精度：CRNN 模型在中文场景下优于传统轻量模型；
• 灵活接入：同时支持 Web 操作与程序化 API 调用；
• 易于扩展：可对接 RPA、BPM、ERP 等各类业务系统。

下一步建议：

1. 测试验证：先在测试环境中跑通典型业务样本，评估识别准确率；
2. 定制优化：根据实际文档类型微调预处理参数或训练专属模型；
3. 系统集成：将 OCR 作为数据入口，嵌入现有审批流或数据采集平台；
4. 持续监控：建立识别质量反馈机制，动态优化模型与流程。