引言

PaddleOCR作为一款开源的OCR工具库，凭借其高精度、多语言支持和易用性，在工业界和学术界得到了广泛应用。对于0基础的开发者而言，在CentOS系统下完成PaddleOCR的安装与部署可能会遇到诸多挑战。本文将详细介绍如何在CentOS环境下，从零开始安装并部署PaddleOCR，帮助读者快速上手。

环境准备

系统要求

CentOS 7或更高版本是推荐的操作系统。确保系统已更新至最新版本，以避免兼容性问题。可以通过以下命令更新系统：

sudo yum update -y

安装必要软件

安装Git

Git是获取PaddleOCR源码的必要工具。使用以下命令安装：

sudo yum install git -y

安装Python及pip

PaddleOCR需要Python 3.6或更高版本。CentOS默认可能未安装Python 3，需手动安装：

# 安装EPEL仓库（如果尚未安装）
sudo yum install epel-release -y
# 安装Python 3
sudo yum install python3 -y
# 验证Python版本
python3 --version
# 安装pip
sudo yum install python3-pip -y

安装CMake

PaddleOCR的编译过程需要CMake。通过以下命令安装：

sudo yum install cmake -y

安装PaddlePaddle

PaddleOCR依赖于PaddlePaddle深度学习框架。根据硬件配置选择合适的安装方式：

CPU版本安装

若服务器无GPU，安装CPU版本的PaddlePaddle：

python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

GPU版本安装（可选）

如有NVIDIA GPU，且已安装CUDA和cuDNN，可安装GPU版本以获得更好性能：

# 根据CUDA版本选择命令，以下为示例（CUDA 10.1）
python3 -m pip install paddlepaddle-gpu==2.0.0.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

验证安装：

import paddle
paddle.utils.run_check()

安装PaddleOCR

获取源码

使用Git克隆PaddleOCR仓库：

git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR

安装依赖

进入项目目录后，安装所需Python依赖：

pip3 install -r requirements.txt

部署PaddleOCR

下载预训练模型

PaddleOCR提供了多种预训练模型，可根据需求下载：

# 进入模型下载目录
cd PaddleOCR/ppocr/utils/
# 下载中文OCR模型（示例）
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
# 解压模型
tar xf ch_ppocr_mobile_v2.0_det_infer.tar
tar xf ch_ppocr_mobile_v2.0_cls_infer.tar
tar xf ch_ppocr_mobile_v2.0_rec_infer.tar

配置模型路径

修改PaddleOCR/ppocr/utils/ppocr_keys_v1.txt（如有）和推理配置文件，指向正确的模型路径。通常无需修改，默认路径已设置。

运行推理

命令行推理

使用以下命令进行图片OCR识别：

python3 tools/infer_rec.py -c configs/rec/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model=./output/rec_chinese_lite_v2.0/best_accuracy Global.infer_img=doc/imgs_words/ch/word_1.jpg

或使用完整流程（检测+方向分类+识别）：

python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model=./output/det_db/best_accuracy Global.infer_img=doc/imgs/11.jpg
python3 tools/infer_cls.py -c configs/cls/cls_mv3.yml -o Global.pretrained_model=./output/cls/best_accuracy Global.infer_img=doc/imgs/11.jpg
python3 tools/infer_rec.py -c configs/rec/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model=./output/rec_chinese_lite_v2.0/best_accuracy Global.infer_img=doc/imgs/11.jpg

使用Python API

更灵活的方式是使用Python API：

from paddleocr import PaddleOCR
# 初始化OCR，指定模型路径（可选）
ocr = PaddleOCR(det_model_dir='./ch_ppocr_mobile_v2.0_det_infer', 
                 cls_model_dir='./ch_ppocr_mobile_v2.0_cls_infer', 
                 rec_model_dir='./ch_ppocr_mobile_v2.0_rec_infer', 
                 use_angle_cls=True, lang='ch')
# 图片路径
img_path = './doc/imgs/11.jpg'
# 执行OCR
result = ocr.ocr(img_path, cls=True)
# 打印结果
for line in result:
    print(line)

常见问题解决

依赖冲突

若遇到依赖冲突，尝试创建虚拟环境：

python3 -m venv paddle_env
source paddle_env/bin/activate
pip install -r requirements.txt

模型下载慢

使用国内镜像源加速下载，或手动下载后上传至服务器。

CUDA版本不匹配

确保安装的PaddlePaddle-GPU版本与CUDA版本对应，参考官方文档选择正确版本。

性能优化建议

1. 使用GPU：如有GPU，务必安装GPU版本的PaddlePaddle，性能提升显著。
2. 模型选择：根据需求选择合适的模型（如移动端轻量级模型或服务器端高精度模型）。
3. 批量处理：对多张图片进行批量处理，减少IO开销。
4. 多线程：利用Python的多线程或多进程加速推理。

总结

通过本文的指导，0基础的开发者也能在CentOS系统下成功安装并部署PaddleOCR。从环境准备、依赖安装到模型下载与推理，每一步都提供了详细的命令和说明。遇到问题时，可参考常见问题解决部分，或查阅PaddleOCR的官方文档和社区论坛。希望本文能为读者的OCR项目开发提供有力支持。