• [疫情信息统计进阶篇]PPOCR和QPT的落地实战
• • 0 先看效果 ~
  • 1 解压文件
  • 2 文件介绍
  • 3 如何使用
  • 4 QPT 打包详解
  • 5 实现讲解以及后续提升
  • 5 个人总结

[疫情信息统计进阶篇]PPOCR和QPT的落地实战

---------------------------------------------------OCRandQPTandIS---------------------------------------------------

Covid-19 outbreak information statistics

[疫情信息统计进阶篇]PPOCR和QPT的落地实战
项目地址：https://aistudio.baidu.com/aistudio/projectdetail/3877807

[PaddleOCR]核酸检测证明复查统计？50行代码轻松搞定
项目地址：https://aistudio.baidu.com/aistudio/projectdetail/3779297

继上篇说起，完成了ocr的核酸检测信息统计

这次主要来搞搞，如何落地实践。

项目已经放置数据集中，开箱即可使用，因为设计界面制作，请您在本地环境使用。

0 先看效果 ~

截图展示：

V2版本截图展示：

GPU 运行预测，100张图片需要25-35秒

B站视频地址：
https://www.bilibili.com/video/BV1Hr4y1J7cR

1 解压文件

!unzip -oq /home/aistudio/data/data141663/OcrYq.zip -d work/

2 文件介绍

3 如何使用

1. 将整个项目下载到本地之后，安装

requirement.txt 中的所有依赖，可能不全，自己看情况导入

2. 运行 run.py 本地项目预览

正常这已经可以了

3. 运行pkg.py 打包工具

运行之后既可在文件夹中发现out目录，根据QPT的描述进行使用即可。

4 QPT 打包详解

1. 首先认准官方链接不迷路：

QPT官方链接

2. 找到README.MD中的快速使用(戳他)

QPT-快速使用
这里我们可以看到，QPT提供了两种打包方式，撰写打包脚本（推荐）和使用命令打包

3. 推荐的是打包脚本，那咱们就直接用脚本，直接按照流程开搞
   实现的脚本可见项目源码中的

pkg.py

# 导入QPT
from qpt.executor import CreateExecutableModule as CEM
from qpt.modules.python_env import Python38

def main():
    module = CEM(work_dir="F:/OcrYq",
                 launcher_py_path="F:/OcrYq/run.py",
                 save_path="./out",
                 requirements_file="auto",
                 hidden_terminal=False,
                 interpreter_module=Python38(),
                 icon="F:/OcrYq/static/favicon.ico")
    # 开始打包
    module.make()


if __name__ == "__main__":
    main()

PS:

1. 就没见过这么详细的注释好吧?不管是代码的注释以及运行过程中的输出，为了小白使用操碎了心，何况还有GT这位随时的答疑机器人[手动狗头]
2. 其中：官方的python解释器是python37的，可以根据你自己的版本进行更换，这个也就改个数的问题，洒洒水就解决了。

4. 运行之后，可以看到

没错，就是这个out文件夹，里面就会出现两个文件夹

1. Debug

   
   在你前面运行脚本时，注意看终端的输出，有介绍，Debug适合在你本机进行判断,exe是否可用
   

2. Release (这里叫PPOcrYq是我自己改名了，打包发送给别人个Release不太合理吧哈哈)

   
   把这个文件夹改成你想要的名字，压缩，发给你的小伙伴，运行！OVER！

5 实现讲解以及后续提升

实现：

1. 首先，肯定是ocr检测的实现，这个直接使用PPOCR的接口即可，但没有采用GPU，方便打包用户使用。
2. 对于检测得到的文本，有针对性的根据数据的特点去保存，但无法做到普适所有的疫情信息图片，这点是缺点。
3. 界面的编写，这里采用PyQt5进行实现，QT designer的界面化使得开发简单了许多，只需要合理使用信号与槽即可完成代码编写。
4. 对于界面的未响应，使用多线程来解决线程的阻塞，进而增加一点用户体验。

提升：

1. 由于仅仅花费了几天的时间自学PyQT，界面还需要优化，提升用户体验。
2. OCR没有进行训练，只是采用的接口快速实现，会存在识别不准的情况，但目前来看相对还好。
3. 界面中应该有进度提示，或者是文本流动，增加用户感观体验。
4. 没有采用GPU，很慢，识别起来很慢，200张图片需要15分钟。

后续

换成paddlepadle-gpu 之后，两百张图片大概50秒

帮助&资助

本人可以提供私人订制服务，类似的OCR小工具，都可以具体私聊我制作，可以在issue中提交申请，我会查看，友情资助二维码如下：（谢谢）

5 个人总结

全网同名：

iterhui

我在AI Studio上获得至尊等级，点亮10个徽章，来互关呀~

https://aistudio.baidu.com/aistudio/personalcenter/thirdview/643467