OCR模型: Umi-ocr

• github地址：https://github.com/hiroi-sora/Umi-OCR
• 平台：windows、linux
• docker部署文档：https://github.com/hiroi-sora/Umi-OCR_runtime_linux/blob/main/README-docker.md
• centos安装docker 当前版本为( 26.1.4)
  

  要查看yum中可安装的Docker版本，可以按照以下步骤操作：
  
  ‌打开终端或命令行界面‌：
  确保你已经登录到你的Linux服务器，并打开了终端或命令行界面。
  
  ‌使用yum list命令列出所有可用的docker版本‌：
  
  bash
  Copy Code
  yum list docker-ce --showduplicates | sort -r
  这个命令会列出所有可用的Docker CE版本，并按照版本号从高到低排序。--showduplicates选项用于显示所有可用的版本，而sort -r则用于将结果按版本号降序排列。
  
  ‌在输出结果中查找Docker的版本信息‌：
  执行上述命令后，你将看到一系列类似如下的输出：
  plaintext
  Copy Code
  docker-ce.x86_64            3:23.0.0-1.el7                      docker-ce-stable
  docker-ce.x86_64            3:20.10.9-3.el7                     docker-ce-stable
  docker-ce.x86_64            3:20.10.8-3.el7                     docker-ce-stable
  ...
  每一行代表一个可用的Docker版本，其中docker-ce.x86_64是软件包的名称和架构，3:23.0.0-1.el7是版本号，docker-ce-stable是仓库名称。
  
  ‌安装特定版本的Docker‌（可选）：
  如果你决定安装某个特定版本的Docker，可以使用以下命令：
  bash
  Copy Code
  yum install -y docker-ce-<版本号> docker-ce-cli-<版本号> containerd.io
  将<版本号>替换为你想要安装的Docker版本号。
  
  ‌查看已安装的Docker版本‌：
  安装完成后，你可以使用以下命令查看已安装的Docker版本：
  bash
  Copy Code
  docker --version
  这样，你就可以通过yum查看并安装特定版本的Docker了。
  

  Dockerfile内容

  # Umi-OCR Docker
  # https://github.com/hiroi-sora/Umi-OCR
  # https://github.com/hiroi-sora/Umi-OCR_runtime_linux
  
  FROM debian:11-slim
  
  LABEL app="Umi-OCR-Paddle"
  LABEL maintainer="hiroi-sora"
  LABEL version="2.1.5"
  LABEL description="OCR software, free and offline."
  LABEL license="MIT"
  LABEL org.opencontainers.image.source="https://github.com/hiroi-sora/Umi-OCR_runtime_linux"
  
  # 安装所需工具和QT依赖库
  RUN apt-get update && apt-get install -y \
      && wget xz-utils ttf-wqy-microhei xvfb \
      libglib2.0-0 libgssapi-krb5-2 libgl1-mesa-glx libfontconfig1 \
      libfreetype6 libxcb-icccm4 libxcb-image0 libxcb-keysyms1 \
      libxcb-render-util0 libxcb-render0 libxcb-shape0 libxcb-xkb1 \
      libxcb-xinerama0 libxkbcommon-x11-0 libxkbcommon0 libdbus-1-3 \
      && rm -rf /var/lib/apt/lists/*
  
  
  # 工作目录
  WORKDIR /app
  
  # 可选1：将主机目录中的发行包，复制到容器内
  COPY Umi-OCR_Linux_Paddle_2.1.5.tar.xz .
  # 可选2：在线下载发行包
  RUN wget https://github.com/hiroi-sora/Umi-OCR/releases/download/v2.1.5/Umi-OCR_Linux_Paddle_2.1.5.tar.xz
  
  # 解压压缩包，移动文件，删除多余的目录和压缩包
  RUN tar -v -xf Umi-OCR_Linux_Paddle_2.1.5.tar.xz && \
      mv Umi-OCR_Linux_Paddle_2.1.5/* . && \
      rmdir Umi-OCR_Linux_Paddle_2.1.5 && \
      rm Umi-OCR_Linux_Paddle_2.1.5.tar.xz
  
  # 下载最新的启动脚本
  # RUN wget -O umi-ocr.sh https://raw.githubusercontent.com/hiroi-sora/Umi-OCR_runtime_linux/main/umi-ocr.sh
  
  # 写入 Umi-OCR 预配置项：
  #    允许外部HTTP请求
  #    切换到支持中文的字体
  RUN printf "\
  [Global]\n\
  server.host=0.0.0.0\n\
  ui.fontFamily=WenQuanYi Micro Hei\n\
  ui.dataFontFamily=WenQuanYi Micro Hei\n\
  " > ./UmiOCR-data/.settings
  
  
  # 运行指令
  ENTRYPOINT ["/app/umi-ocr.sh"]

• 由于网络问题可以手动下载源码，并修改dockerfile文件 （可选1：将主机目录中的发行包，复制到容器内）
• docker设置国内镜像源 
  /etc/docker/daemon.json

• https://docker.xuanyuan.me源可以下载

  {
    "registry-mirrors": ["https://docker.mirrors.ustc.edu.cn","https://hub-mirror.c.163.com","https://registry.docker-cn.com","https://docker.xuanyuan.me"]
  }
  

• 保存文件，重启docker
  

  sudo systemctl daemon-reload
  sudo systemctl restart docker

•  构建镜像

  docker build -t umi-ocr-paddle .
  

• 　启动容器

  docker run -d --name umi-ocr \
      -e HEADLESS=true \
      -p 1224:1224 \
      umi-ocr-paddle
  

NER模型

• 名称：bert-base-chinese
• 国内模型下载地址：https://modelscope.cn/
• docker基础镜像：https://modelscope.cn/docs/intro/environment-setup

　　功能：
　　判断字符串是否为地址（模型+正则）

1. 拉取基础镜像
   

   docker pull modelscope-registry.cn-beijing.cr.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-py311-torch2.3.1-1.29.0

2. 创建容器
   

   sudo docker run -it --name=address_recognition modelscope-registry.cn-beijing.cr.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-py311-torch2.3.1-1.29.0 /bin/bash
   

3. 下载模型
   

   cd /home
   modelscope download --model tiansz/bert-base-chinese --local_dir bert-base-chinese

4. docker部署
   创建文件app.py、uwsgi.ini、dockerfile
   

   创建镜像
   Docker 会缓存每一层（Layer），如果某一层的指令和上下文（如文件内容）与之前完全一致，Docker 会直接复用缓存的层，跳过执行该指令,使用 --no-cache 参数强制 Docker 忽略缓存，从头开始构建
   docker build --no-cache -t bert-base-chinese .

   启动容器
   docker run -d --name address_recognition -p 8090:8090 bert-base-chinese

   app.py代码

   import re
   from modelscope.pipelines import pipeline
   from modelscope.utils.constant import Tasks
   from flask import Flask, request, jsonify
   
   app = Flask(__name__)
   
   
   # 正则匹配（正则匹配容易造成匹配不到）
   def is_address_regex(text):
       pattern = r'.*?(?:省|市|自治区|特别行政区|市辖区|市|路|街|大道|巷|道|村|镇|乡|公司|门|园|口)'
       print("is_address_regex")
       return bool(re.search(pattern, text))
   
   # NER模型判断
   # 加载本地模型（需提前下载）
   ner_pipeline = pipeline(
       task=Tasks.token_classification,
       model='/home/bert-base-chinese/'
   )
   
   def is_address_ner(text):
       entities = ner_pipeline(text)
       address_keywords = {"B-LOC", "I-LOC"}
       print("is_address_ner")
       print(entities)
       return any(e["entity"] in address_keywords for e in entities)
   
   
   # 综合判断
   @app.route('/')
   def is_address():
       try:
           text = request.args.get('text', '')
           text_is_address = is_address_regex(text) or is_address_ner(text)
           if text_is_address:
               return jsonify({"code": "1", "message": "success"})
           else:
               raise Exception("非地址信息")
       except Exception as e:
           return jsonify({"code": "0", "message": str(e)})
   
   
   if __name__ == '__main__':
       app.run()
   

   
   uwsgi.ini

   [uwsgi]
   # Ubuntu系统下默认用户名
   uid=root
   # Ubuntu系统下默认用户组
   gid=root
   # 项目名
   project=address_recognition
   
   # 项目根目录
   base=/home
   
   # 设置工作目录
   chdir=%(base)
   # wsgi 文件地址
   # module=%(base)/app.py
   wsgi-file=app.py
   callable=app
   
   # 主进程
   master = true
   # 进程数量
   process=1
   # 使用tcp socket与nginx进行通信
   http=0.0.0.0:8090
   

   FROM modelscope-registry.cn-beijing.cr.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-py311-torch2.3.1-1.29.0
   
   LABEL app="bert-base-chinese"
   LABEL version="1"
   LABEL description="NER bert-base-chinese"
   
   # 安装所需工具和QT依赖库
   RUN apt-get update && \
   pip install Flask && \
   pip install uwsgi
   
   
   # 工作目录
   WORKDIR /home
   
   # 下载模型
   RUN modelscope download --model tiansz/bert-base-chinese --local_dir bert-base-chinese
   
   # 可选1：将主机目录中的发行包，复制到容器内
   COPY app.py .
   COPY uwsgi.ini .
   
   
   # 运行指令
   CMD ["uwsgi", "--ini", "uwsgi.ini"]
   

5. 创建镜像并启动容器
   

   docker build -t address_recognition .
   docker run -d -p 8090:8090 --name address_recognition address_recognition
   

　　后台启动服务：sudo nohup python app.py &