企业官网建设流程全解析

简介：这是一款面向Windows用户的轻量级定时OCR自动化工具，专为需持续监控固定屏幕区域文字变化的场景设计，如股票行情盯盘、工业数据面板采集、网页信息轮询等，无需编程基础即可上手。资源包共3个文件：主程序exe（含完整OCR引擎，免Python环境）、可编辑的config.json（控制识别间隔与输出路径）及详尽的用户说明docx文档，整体压缩包仅92.27MB，开箱即用。目前已有85人下载学习，适合希望快速部署自动化文字采集方案的办公人员、运维工程师及数据采集爱好者。用户可一次性框选多个区域，程序按配置自动截图、识别并追加写入文本文件，支持实时重载配置、灵活增删识别区、一键启停任务，所有操作均通过图形化半透明界面完成，兼顾稳定性与易用性。

1. 多个区域框选 + 定时 OCR 识别内容：不是“截图+识别”那么简单，而是工业级数据采集的最小闭环

你有没有遇到过这种场景：产线监控画面里，温度、压力、转速三个数值分别固定在屏幕左上、右中、底部横条里；或者银行柜台系统界面，客户姓名、身份证号、交易金额永远出现在相同像素位置；又或者老旧工控软件弹窗，关键状态码总在窗口标题栏下方 32px 处——这些都不是网页 DOM 可读结构，也不是标准 API 能拉取的数据。它们是“视觉黑匣子”，但业务又必须实时抓取。这时候，“多个区域框选 + 定时 OCR 识别内容”就不是炫技，而是刚需：它把人眼盯屏的动作，固化成可配置、可调度、可回溯的自动化数据流。核心不在 OCR 本身，而在于区域坐标与识别任务的强绑定 + 时间维度的稳定触发。它适合设备运维工程师、MES 系统集成人员、RPA 流程开发者，以及所有需要从非结构化 GUI 界面里“抠”出结构化字段的一线技术人。这不是写个pytesseract.image_to_string()就能跑通的玩具，而是涉及坐标持久化、图像预处理鲁棒性、OCR 引擎选型、失败重试策略、结果校验逻辑的完整链路。下面我们就从零搭起这个闭环，不绕弯，不堆概念，每一步都经得起产线压测。

2. 框选逻辑落地：用 OpenCV 实现可保存/加载的多区域 ROI 管理器

要让 OCR “只看指定位置”，第一步必须把“指定位置”变成机器可读、可复用的数据。纯靠手动记坐标（比如(120, 85, 240, 110)）是反人类的——窗口缩放、分辨率变化、UI 微调都会让它瞬间失效。我们必须构建一个带 UI 交互、支持存档、能适配不同屏幕比例的 ROI（Region of Interest）管理器。OpenCV 的cv2.setMouseCallback是最轻量、最可控的选择，比 Electron 或 PyQt 做全功能 GUI 更贴近一线部署需求（毕竟很多工控机连桌面环境都没有）。

2.1 用 OpenCV 实现带拖拽与多边形支持的框选器

我们不追求花哨的图形界面，而要一个能在任何 Linux/Windows 无桌面环境（如 headless Ubuntu Server）下通过cv2.imshow启动、用鼠标完成全部操作的工具。关键点在于：支持矩形框（最常用）、支持多边形框（应对倾斜表头或不规则仪表盘）、支持删除单个框、支持导出为 JSON。

# roi_selector.py import cv2 import json import numpy as np from pathlib import Path class ROISelctor: def __init__(self, image_path: str): self.img = cv2.imread(image_path) if self.img is None: raise FileNotFoundError(f"无法加载图像: {image_path}") self.rois = [] # 存储每个 ROI: {"type": "rect"/"poly", "points": [(x,y), ...]} self.drawing = False self.current_roi = [] self.mode = "rect" # 或 "poly" self.selected_idx = -1 def mouse_callback(self, event, x, y, flags, param): if event == cv2.EVENT_LBUTTONDOWN: self.drawing = True if self.mode == "rect": self.current_roi = [(x, y)] else: # poly mode self.current_roi.append((x, y)) elif event == cv2.EVENT_MOUSEMOVE and self.drawing: if self.mode == "rect": self.current_roi = [self.current_roi[0], (x, y)] elif event == cv2.EVENT_LBUTTONUP and self.drawing: self.drawing = False if self.mode == "rect" and len(self.current_roi) == 2: # 矩形需归一化为 (x1,y1,x2,y2)，确保 x1<x2, y1<y2 x1, y1 = self.current_roi[0] x2, y2 = self.current_roi[1] rect = (min(x1, x2), min(y1, y2), max(x1, x2), max(y1, y2)) self.rois.append({"type": "rect", "points": list(rect)}) self.current_roi = [] elif self.mode == "poly" and len(self.current_roi) >= 3: self.rois.append({"type": "poly", "points": self.current_roi.copy()}) self.current_roi = [] def draw_rois(self, img): for i, roi in enumerate(self.rois): if roi["type"] == "rect": x1, y1, x2, y2 = roi["points"] color = (0, 255, 0) if i != self.selected_idx else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, f"ROI-{i}", (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) else: # poly pts = np.array(roi["points"], np.int32).reshape((-1, 1, 2)) color = (255, 165, 0) if i != self.selected_idx else (0, 0, 255) cv2.polylines(img, [pts], True, color, 2) if pts.size > 0: cv2.putText(img, f"POLY-{i}", tuple(pts[0][0]), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) def run(self): cv2.namedWindow("ROI Selector") cv2.setMouseCallback("ROI Selector", self.mouse_callback) print("操作说明:") print(" r: 切换到矩形模式 | p: 切换到多边形模式") print(" d: 删除最后一个ROI | s: 保存到 roi_config.json | q: 退出") print(" 矩形: 左键拖拽 | 多边形: 左键逐点点击，双击闭合") while True: display_img = self.img.copy() self.draw_rois(display_img) # 绘制当前正在绘制的ROI if self.current_roi: if self.mode == "rect" and len(self.current_roi) == 2: x1, y1 = self.current_roi[0] x2, y2 = self.current_roi[1] cv2.rectangle(display_img, (x1, y1), (x2, y2), (255, 255, 0), 2) elif self.mode == "poly": for i in range(len(self.current_roi)-1): cv2.line(display_img, self.current_roi[i], self.current_roi[i+1], (255, 255, 0), 2) if len(self.current_roi) >= 2: cv2.line(display_img, self.current_roi[-1], self.current_roi[0], (255, 255, 0), 2) cv2.imshow("ROI Selector", display_img) key = cv2.waitKey(1) & 0xFF if key == ord('q'): break elif key == ord('r'): self.mode = "rect" print("切换到矩形模式") elif key == ord('p'): self.mode = "poly" print("切换到多边形模式") elif key == ord('d') and self.rois: self.rois.pop() print(f"已删除最后一个ROI，剩余 {len(self.rois)} 个") elif key == ord('s'): config = { "screen_resolution": (self.img.shape[1], self.img.shape[0]), "rois": self.rois } with open("roi_config.json", "w", encoding="utf-8") as f: json.dump(config, f, indent=2, ensure_ascii=False) print("✅ ROI 配置已保存至 roi_config.json") cv2.destroyAllWindows() if __name__ == "__main__": import sys if len(sys.argv) < 2: print("用法: python roi_selector.py <截图路径>") sys.exit(1) selector = ROISelctor(sys.argv[1]) selector.run()

提示：这段代码的核心价值在于roi_config.json的结构设计。它不仅存坐标，还存了原始截图的分辨率(width, height)。这是后续做跨屏适配的唯一依据——当你的程序运行在 1920x1080 的新屏幕上时，只需按比例缩放所有 ROI 坐标即可，无需重新框选。这是工业场景下 ROI 管理的“后悔药”。

2.2 ROI 配置文件的跨屏适配：从 1920x1080 到 3840x2160 的坐标映射

生产环境不可能永远用同一台显示器。今天在开发机（1920x1080）上框好，明天部署到 4K 工控屏（3840x2160），坐标必须自动放大 2 倍。但注意：不能简单粗暴乘以 2。因为 Windows 缩放设置（如 125%）、Linux X11 DPI、甚至某些 Java Swing 应用的 UI 缩放，都会导致“物理像素”和“逻辑像素”不一致。最稳妥的做法是：在目标机器上截一张当前真实分辨率的图，用它作为roi_selector.py的输入，再运行一次框选。但这样太重。折中方案是：在 ROI 配置中加入scale_factor字段，并提供一个校准函数。

# utils/roi_adapter.py import json from typing import Dict, List, Tuple, Any def load_and_adapt_roi_config( config_path: str, target_width: int, target_height: int, tolerance: float = 0.05 ) -> Dict[str, Any]: """ 加载 ROI 配置并适配到目标分辨率。 tolerance: 允许的缩放误差（如 0.05 表示 ±5%） """ with open(config_path, "r", encoding="utf-8") as f: config = json.load(f) src_w, src_h = config["screen_resolution"] # 计算宽高缩放因子 scale_w = target_width / src_w scale_h = target_height / src_h # 如果宽高缩放差异过大，说明可能有 DPI 缩放干扰，取平均值并警告 if abs(scale_w - scale_h) > tolerance: avg_scale = (scale_w + scale_h) / 2 print(f"⚠️ 警告: 宽高缩放因子差异大 (w={scale_w:.3f}, h={scale_h:.3f})，使用平均缩放 {avg_scale:.3f}") scale_w = scale_h = avg_scale adapted_rois = [] for roi in config["rois"]: if roi["type"] == "rect": x1, y1, x2, y2 = roi["points"] new_rect = ( int(x1 * scale_w), int(y1 * scale_h), int(x2 * scale_w), int(y2 * scale_h) ) adapted_rois.append({"type": "rect", "points": list(new_rect)}) else: # poly new_points = [ (int(x * scale_w), int(y * scale_h)) for x, y in roi["points"] ] adapted_rois.append({"type": "poly", "points": new_points}) return { "screen_resolution": (target_width, target_height), "rois": adapted_rois, "scale_factors": {"width": scale_w, "height": scale_h} } # 示例：在 4K 屏上加载 1080p 的配置 if __name__ == "__main__": adapted = load_and_adapt_roi_config( "roi_config.json", target_width=3840, target_height=2160 ) print("适配后的 ROI 数量:", len(adapted["rois"])) # 输出第一个矩形 ROI 的新坐标 if adapted["rois"] and adapted["rois"][0]["type"] == "rect": print("首个 ROI 坐标:", adapted["rois"][0]["points"])

这个load_and_adapt_roi_config函数就是你在部署脚本里必须调用的“适配入口”。它把 ROI 管理从“一次性配置”升级为“可迁移资产”。没有它，你的 OCR 自动化就是沙上之塔。

3. OCR 引擎选型与集成：为什么 Tesseract 是默认起点，PaddleOCR 是进阶答案

OCR 不是“装个库就能用”的技术。它是一组权衡：精度 vs 速度、中文支持 vs 多语言、CPU 友好 vs GPU 依赖、安装复杂度 vs 维护成本。标题里的“定时 OCR 识别内容”，意味着它要长期无人值守运行，因此稳定性、资源占用、错误容忍度比峰值精度更重要。

3.1 Tesseract：轻量、成熟、CPU 友好，但中文需额外配置

Tesseract 是 Google 开源的 OCR 引擎，C++ 编写，内存占用低，启动快，非常适合嵌入到定时任务中。它的最大短板是：开箱即用的中文模型（chi_sim）对简体中文的识别率只有 70%~80%，且对字体、背景噪点极其敏感。但它的优势在于：你可以完全控制预处理流程，把“识别不准”的问题，拆解为“图像质量不够好”的工程问题。

# Ubuntu 安装（推荐 5.3.0+，对中文支持更好） sudo apt update sudo apt install tesseract-ocr libtesseract-dev # 安装高质量中文模型（官方 chi_sim 已弃用，改用第三方训练的） sudo apt install tesseract-ocr-chi-sim # 或下载更优的 https://github.com/tesseract-ocr/tessdata_best # 验证安装 tesseract --version tesseract --list-langs

# ocr/tesseract_wrapper.py import cv2 import pytesseract import numpy as np from typing import List, Dict, Any def preprocess_for_tesseract(img: np.ndarray) -> np.ndarray: """针对 Tesseract 优化的预处理：灰度 + 二值化 + 去噪""" # 转灰度 if len(img.shape) == 3: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) else: gray = img.copy() # 高斯模糊降噪（对文字边缘影响小） blurred = cv2.GaussianBlur(gray, (3, 3), 0) # 自适应阈值二值化，比全局阈值更能应对背景渐变 binary = cv2.adaptiveThreshold( blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2 ) # 形态学操作：轻微膨胀，连接断裂笔画 kernel = np.ones((1, 1), np.uint8) processed = cv2.dilate(binary, kernel, iterations=1) return processed def tesseract_ocr_single_roi( img: np.ndarray, roi: Dict[str, Any], lang: str = "chi_sim", config: str = "--psm 7 --oem 3 -c tessedit_char_whitelist=0123456789.-+%" ) -> str: """ 对单个 ROI 执行 Tesseract 识别 psm 7: 假设为单行文本（最常用） oem 3: LSTM OCR Engine（Tesseract 4+ 默认） whitelist: 限定字符集，大幅提升数字/符号识别率，抑制乱码 """ if roi["type"] == "rect": x1, y1, x2, y2 = roi["points"] cropped = img[y1:y2, x1:x2] else: # poly # 多边形裁剪：创建掩膜 mask = np.zeros(img.shape[:2], dtype=np.uint8) pts = np.array(roi["points"], np.int32).reshape((-1, 1, 2)) cv2.fillPoly(mask, [pts], 255) cropped = cv2.bitwise_and(img, img, mask=mask) # 再找外接矩形并裁剪，避免空图 x, y, w, h = cv2.boundingRect(pts) cropped = cropped[y:y+h, x:x+w] # 预处理 processed = preprocess_for_tesseract(cropped) # OCR 识别 try: text = pytesseract.image_to_string( processed, lang=lang, config=config ).strip() return text except Exception as e: print(f"Tesseract 识别失败: {e}") return "" # 使用示例 if __name__ == "__main__": img = cv2.imread("screenshot.png") with open("roi_config.json", "r") as f: config = json.load(f) for i, roi in enumerate(config["rois"]): result = tesseract_ocr_single_roi(img, roi, lang="chi_sim") print(f"ROI-{i}: '{result}'")

参数说明：--psm 7是“单行文本”模式，对仪表盘数字、状态码等单行字段效果最好；--oem 3强制使用 LSTM 引擎，比旧版 Tesseract 更准；tessedit_char_whitelist是血泪经验——当你只关心数字和几个符号时，加白名单能让识别率从 60% 直接跳到 95% 以上，因为它直接禁掉了所有可能的汉字候选，让引擎专注在你要的字符上。

3.2 PaddleOCR：高精度、多语言、支持检测+识别端到端，但资源消耗大

当你的 ROI 里包含复杂排版、手写体、低对比度文字，或者需要识别韩文、日文、英文混合内容时（参考热词中的“ocr代码识别不了韩文”），Tesseract 就力不从心了。PaddleOCR 是百度开源的工业级 OCR 工具，基于 PaddlePaddle 深度学习框架，其PP-OCRv3模型在中文场景下 SOTA，且原生支持多语言（包括韩文korean）。

# 推荐使用 pip 安装（避免编译） pip install paddlepaddle # CPU 版本，够用 pip install paddleocr # 或 GPU 版本（需 CUDA 环境） # pip install paddlepaddle-gpu # pip install paddleocr

# ocr/paddleocr_wrapper.py from paddleocr import PaddleOCR import cv2 import numpy as np from typing import List, Dict, Any # 初始化 PaddleOCR（只初始化一次，全局复用） # use_angle_cls=False: 关闭角度分类，提速；如果 ROI 已经是正的，没必要 # lang="korean": 明确指定韩文，解决热词中“识别不了韩文”问题 # use_gpu=False: 生产环境建议关 GPU，避免显存争抢 ocr_engine = PaddleOCR( use_angle_cls=False, lang="korean", # 可替换为 "ch", "en", "japan", "korean", "fr", "german" 等 use_gpu=False, show_log=False ) def paddleocr_ocr_single_roi( img: np.ndarray, roi: Dict[str, Any], det_limit_side_len: int = 960 # 检测模型输入尺寸，越大越准但越慢 ) -> str: """ 使用 PaddleOCR 对单个 ROI 进行识别 注意：PaddleOCR 的 detect + recognize 是端到端的，会先定位文字行，再识别 所以即使 ROI 里有多行文字，也能正确切分 """ if roi["type"] == "rect": x1, y1, x2, y2 = roi["points"] cropped = img[y1:y2, x1:x2] else: # 多边形 ROI 处理同上 mask = np.zeros(img.shape[:2], dtype=np.uint8) pts = np.array(roi["points"], np.int32).reshape((-1, 1, 2)) cv2.fillPoly(mask, [pts], 255) cropped = cv2.bitwise_and(img, img, mask=mask) x, y, w, h = cv2.boundingRect(pts) cropped = cropped[y:y+h, x:x+w] # PaddleOCR 期望 BGR 图像，且会自动做 resize 和 normalize try: # result 格式: [[[[x1,y1],[x2,y2],[x3,y3],[x4,y4]], ('识别文本', 置信度)], ...] result = ocr_engine.ocr(cropped, cls=False) if not result or len(result[0]) == 0: return "" # 取置信度最高的那一行（通常第一行就是主信息） # 如果 ROI 里确实有多行，可以遍历 result[0] 拼接 best_line = max(result[0], key=lambda x: x[1][1]) return best_line[1][0].strip() except Exception as e: print(f"PaddleOCR 识别失败: {e}") return "" # 使用示例（与 Tesseract 保持接口一致，方便切换） if __name__ == "__main__": img = cv2.imread("screenshot_korean.png") with open("roi_config.json", "r") as f: config = json.load(f) for i, roi in enumerate(config["rois"]): result = paddleocr_ocr_single_roi(img, roi) print(f"ROI-{i} (韩文): '{result}'")

选型建议：

• 首选 Tesseract：如果你的 ROI 是清晰、高对比度、单行、纯数字/英文/简体中文，且服务器是低配 CPU（如 Intel Celeron）。它启动快、内存<100MB、无 Python 依赖冲突。
• 切换 PaddleOCR：当出现以下任一情况时：① 需要识别韩文/日文/繁体中文；② ROI 内文字有轻微旋转或弯曲；③ 文字背景复杂（如带网格线的报表）；③ 你有 NVIDIA GPU 且愿意为精度多花 200MB 显存。
• 不要混用：一个项目里同时集成两个 OCR 引擎，只会增加维护熵。用配置文件config.yaml控制开关，而不是代码里 if-else。

4. 定时执行与结果管理：用 APScheduler 构建可监控的 OCR 任务流

“定时 OCR”不是time.sleep(60)循环这么简单。它需要：精确到秒的调度、失败自动重试、结果持久化、异常告警、历史追溯。APScheduler 是 Python 生态中最成熟、最轻量的调度库，它支持内存、SQLAlchemy、Redis 多种后端，且 API 极其简洁。

4.1 用 APScheduler 实现毫秒级精度的周期 OCR 任务

APScheduler 的BlockingScheduler适合单机长期运行的任务。我们把它包装成一个OCRTaskManager类，负责加载 ROI、选择 OCR 引擎、执行识别、保存结果。

# scheduler/ocr_task_manager.py from apscheduler.schedulers.blocking import BlockingScheduler from apscheduler.triggers.interval import IntervalTrigger from datetime import datetime, timedelta import json import cv2 import os from pathlib import Path from typing import Dict, Any, List from ocr.tesseract_wrapper import tesseract_ocr_single_roi from ocr.paddleocr_wrapper import paddleocr_ocr_single_roi from utils.roi_adapter import load_and_adapt_roi_config class OCRTaskManager: def __init__( self, screenshot_path: str, roi_config_path: str, ocr_engine: str = "tesseract", # "tesseract" or "paddleocr" interval_seconds: int = 30, output_dir: str = "ocr_results" ): self.screenshot_path = screenshot_path self.roi_config_path = roi_config_path self.ocr_engine = ocr_engine self.interval_seconds = interval_seconds self.output_dir = Path(output_dir) self.output_dir.mkdir(exist_ok=True) # 加载并适配 ROI（这里假设目标分辨率是当前屏幕，实际应从 env 或 config 读取） self.target_res = self._get_current_screen_resolution() self.rois = load_and_adapt_roi_config( roi_config_path, self.target_res[0], self.target_res[1] )["rois"] self.scheduler = BlockingScheduler() self._setup_job() def _get_current_screen_resolution(self) -> Tuple[int, int]: """获取当前屏幕分辨率（简化版，生产环境建议用 screeninfo 库）""" try: import screeninfo screens = screeninfo.get_monitors() if screens: return (screens[0].width, screens[0].height) except ImportError: pass # 降级：读取环境变量或默认 1920x1080 return (1920, 1080) def _setup_job(self): """注册定时任务""" trigger = IntervalTrigger(seconds=self.interval_seconds) self.scheduler.add_job( func=self._execute_ocr_cycle, trigger=trigger, id="ocr_main_job", name="OCR Main Cycle", replace_existing=True, max_instances=1, # 防止上一次没跑完，下一次又启动 coalesce=True, # 如果错过执行时间，只执行一次，不累积 ) def _execute_ocr_cycle(self): """执行一次完整的 OCR 周期""" timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") print(f"\n[{timestamp}] 开始 OCR 周期...") # 1. 截图（生产环境应调用系统截图命令，此处为简化用固定图） # 在真实项目中，这里应是：os.system("gnome-screenshot -f current.png") 或 win32api img = cv2.imread(self.screenshot_path) if img is None: print(f"❌ 截图加载失败: {self.screenshot_path}") return # 2. 对每个 ROI 执行 OCR results = {} for i, roi in enumerate(self.rois): try: if self.ocr_engine == "tesseract": text = tesseract_ocr_single_roi(img, roi, lang="chi_sim") else: # paddleocr text = paddleocr_ocr_single_roi(img, roi) results[f"roi_{i}"] = { "text": text, "timestamp": timestamp, "roi_type": roi["type"], "roi_points": roi["points"] } print(f" ROI-{i}: '{text}'") except Exception as e: error_msg = f"OCR 执行异常: {str(e)}" print(f" ROI-{i}: {error_msg}") results[f"roi_{i}"] = { "text": "", "error": error_msg, "timestamp": timestamp } # 3. 保存结果到 JSON 文件（按时间戳命名，便于按天归档） result_file = self.output_dir / f"ocr_{timestamp}.json" with open(result_file, "w", encoding="utf-8") as f: json.dump({ "meta": { "executed_at": timestamp, "screenshot_path": self.screenshot_path, "ocr_engine": self.ocr_engine }, "results": results }, f, indent=2, ensure_ascii=False) print(f"✅ 结果已保存至 {result_file}") def start(self): """启动调度器""" print(f"OCR 任务已启动，间隔 {self.interval_seconds} 秒") print("按 Ctrl+C 停止...") try: self.scheduler.start() except KeyboardInterrupt: print("🛑 OCR 任务已停止") self.scheduler.shutdown() # 使用示例 if __name__ == "__main__": manager = OCRTaskManager( screenshot_path="current_screenshot.png", # 真实项目中应动态生成 roi_config_path="roi_config.json", ocr_engine="tesseract", # 或 "paddleocr" interval_seconds=60, output_dir="daily_ocr_logs" ) manager.start()

这个OCRTaskManager就是你整个系统的“心脏”。它把截图、ROI 加载、OCR 执行、结果落盘全部串起来，并通过 APScheduler 保证严格按时执行。max_instances=1和coalesce=True是防止任务堆积的关键参数——在工控场景下，如果某次 OCR 因网络或卡顿耗时 2 分钟，下一次不会在 1 分钟后强行启动，而是等本次结束立刻开始下一轮，避免雪崩。

4.2 结果校验与告警：不只是存文件，还要懂业务逻辑

OCR 识别出的字符串，离“可用数据”还差一步：校验。比如，一个 ROI 本该是“温度: 25.3°C”，但 OCR 返回了“温魔: 25.3°C”或“253°C”，这在业务上就是错误。我们需要在_execute_ocr_cycle中插入校验逻辑。

# scheduler/validator.py import re from typing import Dict, Any, Optional def validate_temperature(text: str) -> Optional[float]: """校验温度值：匹配 '25.3' 或 '25.3°C'，范围 -50 ~ 100""" # 匹配浮点数，允许带 °C 或 ℃ 符号 pattern = r"(-?\d+(?:\.\d+)?)\s*(?:°[Cc]|℃)?" match = re.search(pattern, text) if not match: return None try: val = float(match.group(1)) if -50 <= val <= 100: return val else: print(f"⚠️ 温度值 {val} 超出合理范围 [-50, 100]") return None except ValueError: return None def validate_pressure(text: str) -> Optional[float]: """校验压力值：匹配 '0.12MPa' 或 '120 kPa'""" # 匹配数字 + 单位（MPa, kPa, bar, psi） pattern = r"(\d+(?:\.\d+)?)\s*(MPa|kPa|bar|psi)" match = re.search(pattern, text, re.IGNORECASE) if not match: return None try: val = float(match.group(1)) unit = match.group(2).upper() # 统一转为 MPa 用于存储 if unit == "KPA": val /= 1000 elif unit == "BAR": val *= 0.1 elif unit == "PSI": val *= 0.00689476 return round(val, 3) except ValueError: return None # 在 OCRTaskManager._execute_ocr_cycle 中调用 # ... # 假设 ROI-0 是温度，ROI-1 是压力 temp_raw = results["roi_0"]["text"] pressure_raw = results["roi_1"]["text"] validated = { "temperature_mpa": validate_temperature(temp_raw), "pressure_mpa": validate_pressure(pressure_raw), "raw_text": { "temperature": temp_raw, "pressure": pressure_raw } } # 然后将 validated 写入 result_file，而非原始 results

校验的价值：它把 OCR 从“字符串提取器”升级为“业务数据生成器”。没有校验，你的数据库里就会塞满"温魔: 25.3°C"这样的脏数据，下游报表全错。校验规则必须由业务方定义（比如温度范围、日期格式、金额小数位），这是 OCR 自动化项目成败的分水岭。

5. 避坑指南：OCR 定时任务在产线翻车的 5 个真实血泪现场

再完美的设计，也挡不住产线的千奇百怪。以下是我在 3 个不同工厂部署 OCR 时踩过的坑，每一个都曾导致整条线数据中断超过 2 小时。我把它们按“现象 → 原因 → 解决”写清楚，不绕弯。

5.1 现象：OCR 识别结果突然全为空，日志显示TesseractError: Tesseract failed to process image

原因：Tesseract 5.3+ 默认启用--oem 3（LSTM 引擎），但它对输入图像的尺寸有硬性要求：最小宽度/高度必须 ≥ 32 像素。当 ROI 裁剪后尺寸为31x25时，Tesseract 直接崩溃，不抛 Python 异常，只返回空字符串。
解决：在tesseract_ocr_single_roi函数开头，强制检查裁剪后图像尺寸，并做最小填充：

# 在 tesseract_ocr_single_roi 函数内，crop 之后添加： h, w = cropped.shape[:2] if h < 32 or w < 32: # 用黑色填充到最小尺寸 pad_h = max(0, 32 - h) pad_w = max(0, 32 - w) cropped = cv2.copyMakeBorder( cropped, 0, pad_h, 0, pad_w, cv2.BORDER_CONSTANT, value=0 )

5.2 现象：定时任务运行 2 小时后，内存占用飙升到 4GB，进程被 OOM Killer 杀死

原因：PaddleOCR 的PaddleOCR()初始化会加载庞大的模型到内存，且默认不释放。如果你在_execute_ocr_cycle里每次循环都 `

本文还有配套的精品资源，点击获取