百度飞桨PaddleOCR-VL识别发票图片输出json格式

博客园 - 与f

微软的人机验证 docker运行hermes agent python使用docx库对在word中的表格合并操作 Python 项目创建+依赖管理+版本控制大模型微调后导出，部署服务然后后端调用 openclaw的一些聊天配置 docker 部署 openclaw llama.cpp编译微信小程序显示ai返回的markdown或html C#多端桌面程序(可跨平台) 主流 MySQL 热备份方案基于SRS（Simple Realtime Server）+ CDN边缘节点加速3个nginx做文件分发1个nginx做负载均衡一份基于SRS（Simple Realtime Server）+ CDN边缘节点srs edge加速的万人级直播部署清单 HLS（HTTP Live Streaming）标准的视频及加密和解密播放 HLS（HTTP Live Streaming）标准的视频及加密使用Dockerfile创建一个hyperf容器做为开发环境 docker的hyperf框架docker-compose一键安装通过vm虚拟中的docker 环境做开发 ubuntu 安装后ssh 连接到服务器 lvm的概念和操作(linux) PHP Attributes 注解 centos 服务器查找一些字符串 Centos8网络配置小工具 Keepalive实现一个高可用负载均衡场景 Keepalived详解：原理、编译安装与高可用集群配置

与f · 2026-04-23 · via 博客园 - 与f

飞桨ocr 识别图片或pdf, 最终生成标准的json文件。

百度飞桨产品线，pp-ocrv5,pp-structureV3.pp-chatOCRv4,pdddleocr-vl，的区别。

1. PP-OCRv5（基础 OCR）

定位：纯文字识别（检测 + 识别）
能力：只输出「文字 + 坐标」，无结构、无表格、无字段抽取
输出：[{"text":"xxx","bbox":[]}, ...]
适合：纯文字场景（名片、街景、截图）
不适合：发票（要结构、要表格、要字段）

2. PP-StructureV3（文档结构化）

定位：版面分析 + 表格识别 + 文档结构化
能力：
- 识别文字、标题、表格、公式、印章
- 自动解析发票 / 表单 / 合同结构
- 直接输出 JSON/Markdown/Excel
输出：带字段名的结构化 JSON（invoice_num, total_amount, date 等）
适合：你的需求（发票→JSON）首选

3. PP-ChatOCRv4（对话式 OCR）

定位：OCR + 大模型（ERNIE 4.5），支持自然语言提问
能力：
- 问："发票总金额多少？" → 直接答数字
- 支持复杂信息抽取、纠错、总结
适合：需要对话交互、模糊查询、多文档问答
缺点：重、慢、依赖 API，没必要用于单纯发票转 JSONPaddleOCR

4. PaddleOCR-VL（多模态文档大模型）

定位：0.9B 视觉 - 语言模型，超强文档理解
能力：
- 支持 109 种语言、异形文本、倾斜 / 模糊文档
- 表格 / 公式 / 图表全能，结构还原极强
- 直接输出 JSON/Markdown
适合：极复杂发票、低质扫描件、混合多语言票据
版本：你要的 PaddleOCR-VL-1.5（最强）

---------------------------

docker OCR 最终环境

PaddlePaddle 版本： 3.0.0
PaddleOCR 版本： 2.9.1

docker VL最终环境

✅ Python 3.10.11
✅ PaddlePaddle 3.2.1
✅ PaddleOCR 3.5.0
✅ PaddleNLP 2.6.1
✅ PaddleX 3.5.1

👉 全部满足 PaddleOCR-VL-1.5 运行要求，环境 100% 合格！

要支持识别pdf: pip install pymupdf -i https://pypi.tuna.tsinghua.edu.cn/simple

docker 环境

Dockerfile

FROM paddlepaddle/paddle:3.2.0

WORKDIR /app

# 换清华APT源 + 安装系统依赖（opencv必须）
RUN sed -i 's|deb.debian.org|mirrors.tuna.tsinghua.edu.cn|g' /etc/apt/sources.list && \
    sed -i 's|security.debian.org|mirrors.tuna.tsinghua.edu.cn|g' /etc/apt/sources.list && \
    apt-get update && \
    apt-get install -y --no-install-recommends \
    libgl1-mesa-glx \
    libglib2.0-0 \
    && rm -rf /var/lib/apt/lists/*

# 升级pip
RUN pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装核心库（修复你Docker报错的关键）
RUN pip install "paddlex[ocr]==3.5.1" -i https://pypi.tuna.tsinghua.edu.cn/simple
RUN pip install "paddleocr[vl]==3.5.0" paddlenlp -i https://pypi.tuna.tsinghua.edu.cn/simple

# 🔥 删掉了错误命令： paddlex setup ocr_vl
# 模型会在第一次运行代码时自动下载

CMD ["/bin/bash"]

docker-compose.yml

version: '3.8'

services:
  paddle-ocr-vl:
    build: .
    container_name: paddle-ocr-vl
    volumes:
      - ./:/app  # 本地目录 ↔ 容器 /app 自动同步
    stdin_open: true
    tty: true
    working_dir: /app

识别图片和pdf代码：

from paddleocr import PaddleOCRVL
from PIL import Image
import numpy as np
import cv2
import os


# ======================
# 图像增强（提升准确率）
# ======================
def enhance_image(img):
    if isinstance(img, Image.Image):
        img = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    binary = cv2.adaptiveThreshold(
        gray, 255,
        cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
        cv2.THRESH_BINARY,
        15, 10
    )
    kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], dtype=np.float32)
    sharp = cv2.filter2D(binary, -1, kernel)
    return Image.fromarray(sharp).convert("RGB")


# ======================
# PDF 转图片（自动处理）
# ======================
def pdf_to_images(pdf_path):
    try:
        import fitz  # PyMuPDF
        images = []
        doc = fitz.open(pdf_path)
        for page in doc:
            pix = page.get_pixmap(matrix=fitz.Matrix(2.0, 2.0))
            img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
            images.append(img)
        return images
    except Exception as e:
        print("PDF转换失败，请安装：pip install pymupdf")
        return []


# ======================
# 统一识别函数（图片/PDF通用）
# ======================
def recognize_file(file_path, pipeline):
    ext = os.path.splitext(file_path)[1].lower()
    results = []

    # 图片
    if ext in [".jpg", ".jpeg", ".png", ".bmp", ".tiff"]:
        img = Image.open(file_path).convert("RGB")
        img_enhanced = enhance_image(img)
        res = pipeline.predict(np.array(img_enhanced))
        results.extend(res)

    # PDF
    elif ext == ".pdf":
        images = pdf_to_images(file_path)
        for img in images:
            img_enhanced = enhance_image(img)
            res = pipeline.predict(np.array(img_enhanced))
            results.extend(res)

    return results


# ======================
# 主程序
# ======================
if __name__ == "__main__":
    # 加载模型
    pipeline = PaddleOCRVL(device="cpu")

    # ======================
    # 这里可以换：图片 或 PDF
    # ======================
    file_path = os.path.join("2026-04-22", "141bdbfd-2aa629c7af95.jpg")
    #file_path = "2026-04-22\年审发票.pdf"


    # 识别
    output = recognize_file(file_path, pipeline)

    # 输出 JSON + Markdown
    for res in output:
        res.print()
        res.save_to_json("./output")
        res.save_to_markdown("./output")

下面是 paddleOCR 环境

 Dockerfile

FROM paddlepaddle/paddle:3.0.0

WORKDIR /app

# 系统依赖
RUN sed -i 's|deb.debian.org|mirrors.tuna.tsinghua.edu.cn|g' /etc/apt/sources.list && \
    sed -i 's|security.debian.org|mirrors.tuna.tsinghua.edu.cn|g' /etc/apt/sources.list && \
    apt-get update && \
    apt-get install -y --no-install-recommends \
    libgl1-mesa-glx libglib2.0-0 libsm6 libxrender1 libxext6 && \
    rm -rf /var/lib/apt/lists/*

# 安装固定依赖
COPY requirements.txt .
RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 拷贝代码
COPY . .

# 运行
CMD ["/bin/bash"]
#CMD ["python", "main.py"]

docker-compose.yml

version: '3.8'

services:
  paddle-ocr:
    build: .
    container_name: paddle-ocr
    volumes:
      - ./:/app  # 本地目录 ↔ 容器 /app 自动同步
    stdin_open: true
    tty: true
    working_dir: /app

发票结构化解析

import os
import cv2
import numpy as np
from paddleocr import PaddleOCR

# 初始化 （发票/表格/结构化解析）
ocr = PaddleOCR(
    lang="ch",
    device="cpu",
    show_log=False
)

# 你的发票图片
file_path = "../images/491b5d3a-ab7e-4ebb-a53b-5f108ea18527.jpg"

# 结构化解析（直接输出格式化结果）
result = ocr.ocr(file_path)

# 打印结果
print("\n===== 发票结构化结果 =====\n")
for item in result:
    print(item)

print("===== 识别文字结果 =====")
for res in result:
    for line in res:
        text = line[1][0]
        print(text)

检查环境

import sys
from packaging import version

def main():
    print("=" * 60)
    print("📌 PaddleOCR-VL 官方要求版本检测脚本")
    print("=" * 60)

    # ======================
    # 要求的版本规则
    # ======================
    required = {
        "python": {"min": "3.8.0", "max": "3.11.0", "recommend": "3.10.x"},
        "paddlepaddle": {"min": "3.0.0", "recommend": "3.2.0"},
        "paddleocr": {"options": ["3.4.0", "3.5.0"]},
        "paddlenlp": {"min": "2.6.0", "recommend": "3.0.0"},
        "paddlex": {"must_install": True}
    }

    # ======================
    # 1. 检查 Python
    # ======================
    py_ver = f"{sys.version_info.major}.{sys.version_info.minor}.{sys.version_info.micro}"
    print(f"\🐍 Python 版本: {py_ver}")

    py_ok = (version.parse(py_ver) >= version.parse(required["python"]["min"]) and
             version.parse(py_ver) <= version.parse(required["python"]["max"]))

    if py_ok:
        print(f"  ✅ 符合要求（要求 {required['python']['min']} ~ {required['python']['max']}）")
    else:
        print(f"  ❌ 不支持！请安装 3.8 ~ 3.11（推荐 3.10）")

    # ======================
    # 2. 检查已安装库
    # ======================
    installed = {}
    try:
        import pkg_resources
        for pkg in pkg_resources.working_set:
            installed[pkg.key.lower()] = pkg.version
    except:
        print("\n⚠️  无法读取库版本，请确保 setuptools 正常")
        return

    # 检查清单
    check_pkgs = [
        ("paddlepaddle", "PaddlePaddle"),
        ("paddleocr", "PaddleOCR"),
        ("paddlenlp", "PaddleNLP"),
        ("paddlex", "PaddleX")
    ]

    print("\n📦 依赖库版本检查：")

    # PaddlePaddle
    pkg = "paddlepaddle"
    v = installed.get(pkg, "未安装")
    print(f"\n🔹 {pkg.upper()}: {v}")
    if pkg in installed:
        if version.parse(v) >= version.parse(required[pkg]["min"]):
            print(f"  ✅ 正常（要求 ≥{required[pkg]['min']}，推荐 {required[pkg]['recommend']}）")
        else:
            print(f"  ❌ 版本过低，请升级至 ≥{required[pkg]['min']}")
    else:
        print(f"  ❌ 未安装！")

    # PaddleOCR
    pkg = "paddleocr"
    v = installed.get(pkg, "未安装")
    print(f"\n🔹 {pkg.upper()}: {v}")
    if pkg in installed:
        if v in required[pkg]["options"]:
            print(f"  ✅ 支持 VL-1.5（支持版本：{'/'.join(required[pkg]['options'])}）")
        else:
            print(f"  ⚠️  非推荐版本，建议安装 3.4.0 或 3.5.0")
    else:
        print(f"  ❌ 未安装！请安装 paddleocr[vl]==3.4.0")

    # PaddleNLP
    pkg = "paddlenlp"
    v = installed.get(pkg, "未安装")
    print(f"\n🔹 {pkg.upper()}: {v}")
    if pkg in installed:
        if version.parse(v) >= version.parse(required[pkg]["min"]):
            print(f"  ✅ 正常（要求 ≥{required[pkg]['min']}，推荐 {required[pkg]['recommend']}）")
        else:
            print(f"  ❌ 版本过低，请升级")
    else:
        print(f"  ❌ 未安装！")

    # PaddleX
    pkg = "paddlex"
    v = installed.get(pkg, "未安装")
    print(f"\n🔹 {pkg.upper()}: {v}")
    if pkg in installed:
        print(f"  ✅ 已安装")
    else:
        print(f"  ❌ 缺失！PaddleOCR-VL 必须依赖 paddlex")

    # ======================
    # 3. 最终总结
    # ======================
    print("\n" + "=" * 60)
    print("📊 总结：")
    print("✅ = 符合要求")
    print("⚠️  = 可运行但非最优")
    print("❌ = 必须修复才能运行 PaddleOCR-VL-1.5")
    print("=" * 60)

if __name__ == "__main__":
    main()

此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。原文来自 — 版权归原作者所有。

推荐订阅源

博客园 - 与f

1. PP-OCRv5（基础 OCR）

2. PP-StructureV3（文档结构化）

3. PP-ChatOCRv4（对话式 OCR）

4. PaddleOCR-VL（多模态文档大模型）

docker OCR 最终环境

docker VL最终环境