PP-OCRv6 OCR 算法执行指南（RV1126B）

文档信息

项目	内容
文档名	PP-OCRv6 OCR 算法执行指南（RV1126B）
版本	v1.0
目标开发板	RV1126B 开发板
目标算法	PP-OCRv6 OCR
目标功能	日文图像 OCR
开发环境	Ubuntu 22.04 Docker、RKNN Toolkit2 Docker、RV1126B 开发板
推荐模型	PP-OCRv6_small_det、PP-OCRv6_small_rec
开发板 IP	192.168.10.85
板侧部署目录	/userdata/ppocrv6_ocr_demo/

修订历史

版本	日期	内容
v1.0	2026-06-27	初版。整理 PP-OCRv6 日文 OCR、ONNX/RKNN 转换与 RV1126B 部署流程。

例程相关资料下载

本教程使用的示例代码、模型、测试图像等相关资料可从以下链接下载。

04_ocr.zip

1. 概述

本文档说明如何在 RV1126B 开发板上执行 PP-OCRv6 OCR。整体流程是在 PC 或 Docker 环境中准备 PaddleOCR 模型，转换为 ONNX，再通过 RKNN Toolkit2 转换为 RV1126B 可执行的 RKNN 模型。板侧通过 RKNN Runtime 和 C++ 程序完成文字检测、文字区域裁剪、文字识别、CTC decode 和结果保存。

整体流程如下。

使用 PP-OCRv6 small 模型验证日文 OCR
  ↓
固定 Paddle inference model
  ↓
Paddle model → ONNX
  ↓
ONNX → RKNN（target_platform=rv1126b）
  ↓
将模型、字典、C++ 可执行文件部署到 RV1126B
  ↓
通过 RKNN C API 执行 det / rec
  ↓
保存 OCR 结果图片和文本

RV1126B 侧不运行完整 PaddleOCR Python 包，而是只使用 RKNN Runtime 执行模型。

2. 使用模型

用途	模型名	板侧 RKNN 文件	说明
文字检测	PP-OCRv6_small_det	ppocrv6_small_det_rv1126b_i8.rknn	检测图像中的文字区域。
文字识别	PP-OCRv6_small_rec	ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn	将文字行图像识别为日文文本。

rec 模型使用去除最终 Softmax 后的 RKNN 模型。CTC decode 只需要每个时间步的最大类别，因此使用 Softmax 前 logits 与 Softmax 后概率的 argmax 结果一致。

3. 工作目录

示例工作目录如下。

/opt/linuxshare/work/rv1126b/jp/AI/demo/ai-algorithm/04_ocr/ppocrv6_jp_demo

目录结构示例：

ppocrv6_jp_demo/
├── samples/
├── output/
├── models/
│   ├── paddle/
│   ├── onnx/
│   ├── rknn/
│   └── rec/
├── scripts/
├── logs/
└── rv1126b-src/

4. Conda 环境与 PaddleOCR 准备

创建 PP-OCRv6 专用环境。

conda create -n ppocrv6 python=3.10 -y
conda activate ppocrv6

安装 PaddlePaddle 和 PaddleOCR。

python -m pip install --upgrade pip setuptools wheel
python -m pip install paddlepaddle==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
python -m pip install paddleocr==3.7.0

确认安装结果。

python - <<'PY'
import paddle
import paddleocr
import sys

print("Python:", sys.version)
print("Paddle:", paddle.__version__)
print("PaddleOCR:", paddleocr.__version__)
print("CUDA:", paddle.is_compiled_with_cuda())
PY

5. 日文 OCR 测试图片

本次使用的日文测试图片如图2 所示。

放置测试图片。

mkdir -p samples
cp /path/to/jp_001.jpg ./samples/jp_001.jpg

6. 使用 PaddleOCR 验证日文 OCR

创建 scripts/test_ppocrv6_jp.py。

import os

os.environ["FLAGS_use_mkldnn"] = "0"
os.environ["FLAGS_use_onednn"] = "0"
os.environ["PADDLE_PDX_ENABLE_MKLDNN_BYDEFAULT"] = "0"
os.environ["PADDLE_PDX_DISABLE_MODEL_SOURCE_CHECK"] = "True"

from paddleocr import PaddleOCR


ocr = PaddleOCR(
    text_detection_model_name="PP-OCRv6_small_det",
    text_recognition_model_name="PP-OCRv6_small_rec",
    use_doc_orientation_classify=False,
    use_doc_unwarping=False,
    use_textline_orientation=False,
    text_det_limit_side_len=736,
    text_det_limit_type="max",
    text_recognition_batch_size=1,
    device="cpu",
)

results = ocr.predict("./samples/jp_001.jpg")

for res in results:
    res.print()
    res.save_to_img("./output")
    res.save_to_json("./output")

执行：

python scripts/test_ppocrv6_jp.py

PaddleOCR Python 版可视化结果如图3 所示。

7. 固定 Paddle 模型与导出字典

将自动下载的模型复制到工程目录。

mkdir -p models/paddle

cp -r ~/.paddlex/official_models/PP-OCRv6_small_det   models/paddle/PP-OCRv6_small_det

cp -r ~/.paddlex/official_models/PP-OCRv6_small_rec   models/paddle/PP-OCRv6_small_rec

rec 模型的字符表在 inference.yml 的 PostProcess.character_dict 中。为了方便 C++ 端读取，将其导出为一行一个字符的 txt 文件。

python - <<'PY'
import yaml
from pathlib import Path

yml_path = Path("./models/paddle/PP-OCRv6_small_rec/inference.yml")
out_path = Path("./models/rec/ppocrv6_rec_dict.txt")
out_path.parent.mkdir(parents=True, exist_ok=True)

cfg = yaml.safe_load(yml_path.read_text(encoding="utf-8"))
chars = cfg["PostProcess"]["character_dict"]

out_path.write_text("\n".join(map(str, chars)) + "\n", encoding="utf-8")

print("dict:", out_path)
print("chars:", len(chars))
PY

本次字典行数为：

18708

rec 模型输出类别数为 18710，差异的两个类别用于 CTC blank 和 space。

8. Paddle model 转 ONNX

使用 PaddleX 的 paddle2onnx 转换模型。

paddlex \
  --paddle2onnx \
  --paddle_model_dir ./models/paddle/PP-OCRv6_small_rec \
  --onnx_model_dir ./models/onnx/PP-OCRv6_small_rec \
  --opset_version 11

执行结果如图4 所示。

ONNX 文件生成在：

models/onnx/PP-OCRv6_small_rec/inference.onnx

det 模型同样转换为 ONNX。

paddlex \
  --paddle2onnx \
  --paddle_model_dir ./models/paddle/PP-OCRv6_small_det \
  --onnx_model_dir ./models/onnx/PP-OCRv6_small_det \
  --opset_version 11

9. RKNN 转换环境

RKNN 转换在 RKNN Toolkit2 Docker 中完成。

docker run -t -i --privileged \
  -v /dev/bus/usb:/dev/bus/usb \
  -v /data/project/sales/csun/rv1126b/jp/AI/demo:/test \
  rknn-toolkit2:2.3.2-cp38 /bin/bash

进入工作目录。

cd /test/ai-algorithm/04_ocr/ppocrv6_jp_demo

确认 RKNN Toolkit2 可用。

python - <<'PY'
from rknn.api import RKNN
print("RKNN Toolkit2 import OK")
PY

10. det 模型 RKNN 转换

det 模型标准使用 INT8 量化模型，输入固定为 1 x 736 x 736 x 3。

生成量化校准列表。

DATASET_ROOT=./datasets/japanese_ocr_synthetic_dataset_v1_0

sed "s#^#japanese_ocr_synthetic_dataset_v1_0/# \
  "${DATASET_ROOT}/labels/image_list.txt" \
  > ./datasets/ppocrv6_det_calib.txt

由于 ppocrv6_det_calib.txt 位于 ./datasets/ 目录下，列表内部路径应相对于 ./datasets/。不要写成 ./datasets/japanese_ocr_synthetic_dataset_v1_0/...，否则会被解析成 ./datasets/datasets/...。

det 转换脚本中固定动态输入。

ret = rknn.load_onnx(
    model="./models/onnx/PP-OCRv6_small_det/inference.onnx",
    inputs=["x"],
    input_size_list=[[1, 3, 736, 736]],
)

执行转换。

python scripts/convert_ppocrv6_det_to_rknn.py 2>&1 \
  | tee logs/convert_ppocrv6_det_to_rknn.log

结果如图5 所示。

也可以生成 FP 模型用于精度对比。

python scripts/convert_ppocrv6_det_to_rknn_fp.py 2>&1 \
  | tee logs/convert_ppocrv6_det_to_rknn_fp.log

11. rec 模型 RKNN 转换与 Softmax 去除

普通转换后的 rec 模型在板侧最终 Softmax 执行时失败。普通转换日志如图7 所示。

板侧失败点为：

op name: exSoftmax13:Softmax.2
rknn_run failed

查看 ONNX 中的 Softmax 节点。

python - <<'PY'
import onnx

model = onnx.load("./models/onnx/PP-OCRv6_small_rec/inference.onnx")

for i, node in enumerate(model.graph.node):
    if node.op_type == "Softmax" or "Softmax" in node.name:
        print("index:", i)
        print("op_type:", node.op_type)
        print("name:", node.name)
        print("input:", list(node.input))
        print("output:", list(node.output))
        print("-" * 80)
PY

结果中最终 Softmax 为：

index: 480
op_type: Softmax
name: Softmax.2
input: ['p2o.pd_op.add.79.0']
output: ['fetch_name_0']

因此将 p2o.pd_op.add.79.0 作为 RKNN 输出，去除最终 Softmax。

from pathlib import Path
from rknn.api import RKNN


ONNX_MODEL = "./models/onnx/PP-OCRv6_small_rec/inference.onnx"
RKNN_MODEL = "./models/rknn/ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn"

REC_INPUT_SIZE = [1, 3, 48, 320]
REC_OUTPUT_NAME = "p2o.pd_op.add.79.0"


def main():
    Path("./models/rknn").mkdir(parents=True, exist_ok=True)

    rknn = RKNN(verbose=True)

    rknn.config(
        target_platform="rv1126b",
        mean_values=[[127.5, 127.5, 127.5]],
        std_values=[[127.5, 127.5, 127.5]],
        optimization_level=3,
    )

    ret = rknn.load_onnx(
        model=ONNX_MODEL,
        inputs=["x"],
        input_size_list=[REC_INPUT_SIZE],
        outputs=[REC_OUTPUT_NAME],
    )
    if ret != 0:
        raise RuntimeError("load_onnx failed")

    ret = rknn.build(do_quantization=False)
    if ret != 0:
        raise RuntimeError("build failed")

    ret = rknn.export_rknn(RKNN_MODEL)
    if ret != 0:
        raise RuntimeError("export_rknn failed")

    rknn.release()
    print("done:", RKNN_MODEL)


if __name__ == "__main__":
    main()

执行转换。

python scripts/convert_ppocrv6_rec_to_rknn_no_softmax.py 2>&1 \
  | tee logs/convert_ppocrv6_rec_to_rknn_no_softmax.log

结果如图8 所示。

生成模型：

models/rknn/ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn

12. 挂载 RV1126B 开发板

RV1126B 开发板 IP 为 192.168.10.85。宿主机执行：

sudo umount -l /mnt 2>/dev/null

sudo mount -t nfs \
  -o vers=3,proto=tcp,mountproto=tcp,nolock,retrans=5,timeo=5 \
  192.168.10.85:/ /mnt

挂载后通过 /mnt/userdata/ 向开发板复制模型、字典和执行程序。

13. 板侧 RKNN Runtime 处理原则

板侧已经配置好 RKNN Runtime：

/usr/lib/librknnrt.so
/usr/lib/librknn_api.so

因此不要向 demo 目录单独拷贝 librknnrt.so，也不要设置 LD_LIBRARY_PATH=./lib。旧版本 runtime 可能优先加载并导致异常。

确认命令：

find / -name 'librknn*.so*' 2>/dev/null

14. 板侧部署目录

板侧目录结构如下。

/userdata/ppocrv6_ocr_demo/
├── bin/
│   ├── test-rknn-model-smoke
│   └── test-ppocrv6-ocr
├── model/
│   ├── ppocrv6_small_det_rv1126b_i8.rknn
│   └── ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn
├── dict/
│   └── ppocrv6_rec_dict.txt
└── test/
    ├── jp_001.jpg
    ├── ocr_result.txt
    ├── ocr_result.jpg
    └── crops/

复制模型和字典。

sudo mkdir -p /mnt/userdata/ppocrv6_ocr_demo/{model,dict,test,bin}

sudo cp models/rknn/ppocrv6_small_det_rv1126b_i8.rknn \
  /mnt/userdata/ppocrv6_ocr_demo/model/

sudo cp models/rknn/ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn \
  /mnt/userdata/ppocrv6_ocr_demo/model/

sudo cp models/rec/ppocrv6_rec_dict.txt \
  /mnt/userdata/ppocrv6_ocr_demo/dict/

sudo cp samples/jp_001.jpg \
  /mnt/userdata/ppocrv6_ocr_demo/test/

15. C++ 执行程序结构

板侧 C++ 代码使用一个 build.sh 生成两个可执行文件。

rv1126b-src/
├── build.sh
├── CMakeLists.txt
└── src/
    ├── rknn_model_smoke_test.cc
    └── ppocrv6_ocr_demo.cc

可执行文件	用途
test-rknn-model-smoke	验证 .rknn 模型能否在板侧 rknn_init、rknn_run。
test-ppocrv6-ocr	执行图像读取、det 推理、crop、rec 推理、CTC decode 和结果保存。

build.sh 使用 CURRENT_FOLDER=bin，将生成物复制到 $SYSROOT/userdata/ppocrv6_ocr_demo/bin/。

./build.sh

16. det 模型 smoke test

板侧执行：

cd /userdata/ppocrv6_ocr_demo

./bin/test-rknn-model-smoke \
  ./model/ppocrv6_small_det_rv1126b_i8.rknn

执行结果如图9 所示。

确认结果：

input:  1 x 736 x 736 x 3, INT8, NHWC
output: 1 x 1 x 736 x 736, INT8, NCHW
rknn_run OK
model smoke test OK

17. rec no-softmax 模型 smoke test

板侧执行：

cd /userdata/ppocrv6_ocr_demo

./bin/test-rknn-model-smoke \
  ./model/ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn

执行结果如图10 所示。

确认结果：

input:  1 x 48 x 320 x 3, FLOAT16, NHWC
output: 1 x 40 x 18710, FLOAT16
rknn_run OK
model smoke test OK

18. 板侧 OCR 执行

板侧执行：

cd /userdata/ppocrv6_ocr_demo

./bin/test-ppocrv6-ocr \
  ./model/ppocrv6_small_det_rv1126b_i8.rknn \
  ./model/ppocrv6_small_rec_rv1126b_fp_no_softmax.rknn \
  ./dict/ppocrv6_rec_dict.txt \
  ./test/jp_001.jpg \
  ./test

执行日志如图11 和图12 所示。

输出文件：

/userdata/ppocrv6_ocr_demo/test/ocr_result.txt
/userdata/ppocrv6_ocr_demo/test/ocr_result.jpg
/userdata/ppocrv6_ocr_demo/test/crops/

19. 日文 OCR 执行结果

本次板侧执行检测到 53 个文本区域。部分识别结果如下。

编号	识别结果
0	もちもち
1	とろっと、後味のよい
2	天然の
7	焼きたて
10	うま味のある
12	飽きのこない
23	スパイシー
37	ふんわり
51	後味すっきり
52	とろける

板侧保存的 OCR 可视化结果如图13 所示。

ocr_result.txt 部分内容如下。

0  667  58  187  53  0.945086  もちもち
1  855  64  460  99  0.891344  とろっと、後味のよい
2  400  81  135  49  0.932682  天然の
7  922  148  314  82  0.935921  焼きたて
10  100  200  483  103  0.950072  うま味のある
37  409  505  389  105  0.917636  ふんわり
51  496  732  285  64  0.951753  後味すっきり
52  828  768  97  34  0.925347  とろける

20. 当前精度评价

v1.1 阶段，板侧 PP-OCRv6 执行链路已正常跑通。

det RKNN 推理：成功
rec no-softmax RKNN 推理：成功
CTC decode：成功
结果文本保存：成功
结果图片保存：成功

仍需优化的问题：

项目	现象	后续处理
文字识别	口どけのよい 有时被识别为 ロどけのよい。	检查 crop 质量、识别模型和规则后处理。
检测框	相邻多个词可能合并为一个大框。	替换为 PaddleOCR 标准 DB postprocess。
后处理	v1.1 C++ 检测后处理为简化版。	增加 box_score_fast、unclip、rotated box。

21. 面向产品级精度的数据集与追加训练方案

v1.4 不再只描述评估方向，而是补充到可以实际准备训练数据、标注数据，并对 PaddleOCR 系列检测模型和识别模型进行追加训练的程度。

产品级精度不能只依赖公共数据集。推荐把数据分为三类：

公共数据集
  ↓
确认日文、多语言 OCR 的基础能力

合成数据
  ↓
补足缺失字符、字体、竖排、低照度、反光、模糊等场景

RV1126B 实机拍摄数据
  ↓
适配真实镜头、曝光、焦距、压缩噪声、安装角度和照明环境

对于 RV1126B 产品，最终精度强依赖真实摄像头、照明、安装距离和图像压缩条件。因此，公共数据集主要用于基础评估和辅助训练，最终产品判定必须以 RV1126B 实拍数据为准。

21.1 公共数据集与下载链接

下列数据集可用于基础评估、追加训练或泛化能力验证。实际使用前必须确认各数据集的许可证、研究/商用使用条件以及是否允许再分发。

用途	数据集	下载或参考地址	推荐用途
多语言自然场景 OCR	ICDAR 2019 MLT	ICDAR 2019 RRC MLT Downloads	多语言、复杂背景、倾斜、低分辨率文字的检测与识别评估。下载需要注册 RRC。
日文场景文字	JPSC1400	JPSC1400 Dataset Page / JPSC1400-20201218.zip	使用真实环境拍摄的日文字符图像进行识别评估，适合做字符级弱点分析。
日文文档 OCR	国立国会图书馆古典籍 OCR 学习用数据集	ndl-lab/ndl-minhon-ocrdataset	适合参考日文文档、竖排、古籍和劣化文档场景。由于和产品场景差异较大，不建议直接混入主训练集。
日文字符分类	Kuzushiji / KMNIST 系列	Kuzushiji Dataset	可用于假名和汉字的字符级评估、混淆分析。若用于 PP-OCR 行识别训练，需要转换为行图像格式。
日文字符图像	ETL Character Database	ETL Character Database	可用于手写/印刷日文字符基础评估、字符级混淆分析和合成数据参考。

使用公共数据集时，建议遵循以下原则：

不要只用公共数据集决定最终模型
公共数据集用于预评估、弱点分析和辅助训练
产品判定必须使用 RV1126B 实机拍摄数据
量化校正数据也应以实机拍摄图像为主

21.2 RV1126B 实机拍摄数据采集方案

提高产品精度的关键，是采集产品实际会看到的图像。至少应覆盖以下条件。

条件	推荐内容
拍摄距离	近距离、中距离、最大工作距离
角度	正面、上下倾斜、左右倾斜、斜向拍摄
照明	明亮环境、暗光、逆光、反射、局部照明
文字大小	大字、普通字、小字、细字
背景	白底、彩色背景、食品包装、金属、透明膜、印刷不均
模糊	失焦、运动模糊、手持抖动
压缩	摄像头输出 JPEG、视频流截帧
安装差异	板卡个体差、镜头差、焦距差、隔着外壳拍摄

推荐数量如下。

目的	推荐数量
初期验证	200～500 张
det 追加训练	500 张以上
rec 追加训练	crop 图像 5,000 张以上
产品评估	1,000 张以上
量化校正	实机拍摄图像 200～500 张

实拍图像建议保存为以下目录结构。

datasets/ppocr_product/raw/rv1126b/
├── train/
│   ├── normal/
│   ├── low_light/
│   ├── reflection/
│   ├── blur/
│   └── small_text/
├── eval/
│   ├── normal/
│   ├── low_light/
│   ├── reflection/
│   ├── blur/
│   └── small_text/
└── README.md

22. 标注方案与推荐工具

22.1 推荐标注工具

PaddleOCR 系列模型追加训练时，优先推荐使用 PPOCRLabel。PPOCRLabel 是面向 OCR 的半自动标注工具，可以输出检测标签 Label.txt、识别标签 rec_gt.txt 和识别用裁剪图像 crop_img/。

工具	用途	说明
PPOCRLabel	OCR 检测与识别标注	最推荐。输出格式接近 PaddleOCR / PaddleX，可同时整理检测和识别数据。
labelme	不规则区域或多边形修正	适合复杂区域补充标注，但需要转换为 PaddleOCR 格式。
CVAT	团队标注	适合多人审核、权限管理和质量控制。
自研 Web 工具	产品专用工作流	适合量产后持续收集误识别样本并回流训练。

PPOCRLabel 安装示例：

conda activate ppocrv6

python -m pip install PPOCRLabel
python -m pip install trash-cli

启动示例：

PPOCRLabel --kie True

启动后打开图像目录，确认并修正检测框和识别文字。完成后务必导出检测用 Label.txt 和识别用 rec_gt.txt。

22.2 PPOCRLabel 输出文件

PPOCRLabel 工作目录示例：

datasets/ppocr_product/label_projects/rv1126b_jp_001/
├── images/
│   ├── jp_000001.jpg
│   ├── jp_000002.jpg
│   └── ...
├── Label.txt
├── fileState.txt
├── Cache.cach
├── rec_gt.txt
└── crop_img/
    ├── jp_000001_crop_0.jpg
    ├── jp_000001_crop_1.jpg
    └── ...

检测标签 Label.txt 每一行保存图像路径和 JSON 格式检测结果。

images/jp_000001.jpg  [{"transcription":"後味すっきり","points":[[496,732],[781,732],[781,796],[496,796]],"difficult":false}]

识别标签 rec_gt.txt 每一行保存 crop 图像路径和识别文本。

crop_img/jp_000001_crop_0.jpg  後味すっきり
crop_img/jp_000001_crop_1.jpg  とろける

注意事项：

图像路径和标签之间必须使用 tab 分隔
日文标签必须保存为 UTF-8
空格、长音、标点、全角/半角写法需要统一
无法确认的文字不要强行猜测，应标记 difficult 或从训练集中排除

23. 训练用目录结构

PaddleOCR 训练时，不建议直接使用 PPOCRLabel 工作目录，而是整理成检测和识别两个训练目录。

train_data/japanese_ocr/
├── det/
│   ├── images/
│   │   ├── train/
│   │   └── val/
│   ├── train_label.txt
│   └── val_label.txt
├── rec/
│   ├── images/
│   │   ├── train/
│   │   └── val/
│   ├── rec_gt_train.txt
│   └── rec_gt_val.txt
└── dict/
    └── ppocr_japanese_product_dict.txt

检测训练标签示例：

images/train/jp_000001.jpg  [{"transcription":"後味すっきり","points":[[496,732],[781,732],[781,796],[496,796]],"difficult":false}]

识别训练标签示例：

images/train/jp_000001_crop_0.jpg  後味すっきり

识别字典 ppocr_japanese_product_dict.txt 必须包含所有训练标签中出现的字符。如果基于现有 PP-OCRv6_small_rec 的 character_dict，应尽量保持原字符顺序，只谨慎补充缺失字符。改变字符顺序可能破坏已有权重和类别索引之间的对应关系。

24. 从 PPOCRLabel 数据生成训练数据

以下脚本可以从 PPOCRLabel 工作目录生成检测训练标签、识别训练标签和识别字典。该脚本已打包为 training-scripts/prepare_ppocr_dataset.py。

python training-scripts/prepare_ppocr_dataset.py \
  --ppocrlabel_dir datasets/ppocr_product/label_projects/rv1126b_jp_001 \
  --out_dir train_data/japanese_ocr \
  --val_ratio 0.1 \
  --seed 42

生成后确认：

tree train_data/japanese_ocr -L 3

head -n 3 train_data/japanese_ocr/det/train_label.txt
head -n 3 train_data/japanese_ocr/rec/rec_gt_train.txt
wc -l train_data/japanese_ocr/dict/ppocr_japanese_product_dict.txt

多个标注项目可以一次性合并。

python training-scripts/prepare_ppocr_dataset.py \
  --ppocrlabel_dir \
    datasets/ppocr_product/label_projects/rv1126b_jp_001 \
    datasets/ppocr_product/label_projects/rv1126b_jp_002 \
  --out_dir train_data/japanese_ocr \
  --val_ratio 0.1

25. 检测模型追加训练

当文字区域位置偏移、多个词被合并、小字漏检时，需要追加训练检测模型。

准备 PaddleOCR 仓库：

mkdir -p third_party
cd third_party

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

python -m pip install -r requirements.txt

确认可用的检测配置文件：

find configs -iname "*det*.yml" | sort | grep -E "OCRv5|OCRv4|OCRv3|DB"

如果当前 PaddleOCR 版本提供 PP-OCRv6 训练配置，则优先使用 PP-OCRv6 配置。若没有，则使用 PP-OCRv5 或 PP-OCRv4 的 DB 检测配置作为 fine-tune 基础。实际配置文件名会随 PaddleOCR 版本变化，因此必须先用 find 确认。

检测训练命令示例：

cd third_party/PaddleOCR

DET_CONFIG=configs/det/PP-OCRv5/PP-OCRv5_server_det.yml \
DATA_ROOT=../../train_data/japanese_ocr \
SAVE_DIR=../../output/train/det_product \
bash ../../training-scripts/train_det.sh

train_det.sh 会主要覆盖：

Global.save_model_dir
Train.dataset.data_dir
Train.dataset.label_file_list
Eval.dataset.data_dir
Eval.dataset.label_file_list
Optimizer.lr.learning_rate

单 GPU 或小数据量 fine-tune 时，学习率建议较小。

初始候选：1e-4
训练不稳定时：5e-5
非常小数据集：1e-5～2e-5

26. 识别模型追加训练

当出现 口 和 ロ、长音、平假名/片假名、细字、小字、装饰字体等误识别时，需要追加训练识别模型。

确认可用的识别配置文件：

cd third_party/PaddleOCR

find configs -iname "*rec*.yml" | sort | grep -E "OCRv5|OCRv4|OCRv3|SVTR"

识别模型训练命令示例：

cd third_party/PaddleOCR

REC_CONFIG=configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml \
DATA_ROOT=../../train_data/japanese_ocr \
SAVE_DIR=../../output/train/rec_product \
DICT_PATH=../../train_data/japanese_ocr/dict/ppocr_japanese_product_dict.txt \
bash ../../training-scripts/train_rec.sh

识别训练的重要参数如下。

项目	内容
character_dict_path	训练字典，必须包含标签里的所有字符。
use_space_char	需要识别空格时启用。
rec_image_shape	本项目最终统一为 3,48,320。
max_text_length	长文本场景需要设置足够大。
学习率	追加训练时应设小。

需要注意：本项目当前 PP-OCRv6_small_rec 的输出类别数为 18710。如果大幅改变字典，最终分类层维度会变化，已有权重可能无法直接复用。产品追加训练建议先在既有字典范围内提升精度，确有必要时再扩展字典。

27. 训练后模型评估

训练后必须在 PC 和 RV1126B 两侧评估。

PC 侧评价项目：

det precision / recall / hmean
rec accuracy
end-to-end OCR exact match
字符级正确率
低照度、反射、模糊、小字等条件分组正确率

PaddleOCR 评价命令示例：

cd third_party/PaddleOCR

python tools/eval.py \
  -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml \
  -o Global.checkpoints=../../output/train/rec_product/best_accuracy

产品评估建议拆分以下数据集：

评估集	内容
public_eval	从公共数据集构建的评估集
rv1126b_eval_normal	正常照明实拍
rv1126b_eval_low_light	暗光、低照度
rv1126b_eval_reflection	反光、光泽面
rv1126b_eval_blur	失焦、运动模糊
rv1126b_eval_small_text	小字、远距离

28. 训练模型导出与 RKNN 转换

追加训练后，先导出为 Paddle inference model。

检测模型导出示例：

cd third_party/PaddleOCR

python tools/export_model.py \
  -c configs/det/PP-OCRv5/PP-OCRv5_server_det.yml \
  -o Global.checkpoints=../../output/train/det_product/best_accuracy \
     Global.save_inference_dir=../../models/paddle/product_det

识别模型导出示例：

python tools/export_model.py \
  -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml \
  -o Global.checkpoints=../../output/train/rec_product/best_accuracy \
     Global.save_inference_dir=../../models/paddle/product_rec

然后按照本文档前半部分的流程转换为 ONNX。

paddlex \
  --paddle2onnx \
  --paddle_model_dir ./models/paddle/product_rec \
  --onnx_model_dir ./models/onnx/product_rec \
  --opset_version 11

转换为 RV1126B RKNN 时遵守以下原则：

det：使用以实拍图片为主的 dataset 列表做 INT8 量化
rec：先转换为 FP no-softmax，确认可运行和精度
rec 量化：评估精度损失后再决定是否采用

29. 量化校正数据制作

det 的 INT8 量化强依赖校正数据。校正数据必须包含 RV1126B 实拍图片，而不是只使用公共数据集。

推荐结构：

datasets/ppocr_product/calib/
├── normal/
├── low_light/
├── reflection/
├── blur/
└── small_text/

生成 RKNN dataset 文件：

find datasets/ppocr_product/calib -type f \
  \( -iname "*.jpg" -o -iname "*.png" \) \
  | sort \
  | sed "s#^datasets/##" \
  > datasets/ppocrv6_product_det_calib.txt

如果 datasets/ppocrv6_product_det_calib.txt 放在 ./datasets/ 下，列表内路径应以 ./datasets/ 为基准，避免出现 datasets/datasets/... 的错误路径。

30. 产品精度改善闭环

产品上线后，应持续回收误识别图像并回流训练。

RV1126B 执行 OCR
  ↓
保存低置信度、误识别、漏检图像
  ↓
PPOCRLabel 复核和修正
  ↓
追加到 train_data
  ↓
fine-tune det / rec
  ↓
ONNX / RKNN 转换
  ↓
实机评估
  ↓
作为产品模型发布

需要保存的失败样本包括：

检测漏检
多个词合并
文字区域被截断
口 / ロ、日 / 目、ー / 一 等混淆
小字误识别
反光和低照度导致的误识别

31. 本文档完成条件

本文档的完成条件如下。

可以确认公共数据集获取地址
可以使用 PPOCRLabel 创建检测和识别标签
可以从 PPOCRLabel 输出生成 PaddleOCR 训练目录
可以执行 det / rec 追加训练命令
可以导出训练后的 Paddle inference model
可以连接到既有 ONNX / RKNN 转换流程
可以使用 RV1126B 实拍数据进行评估和量化校正

32. 产品开发时的改进项

产品开发时处理：

优先级	改进项
1	实现 PaddleOCR 标准 DB postprocess
2	增加 crop 透视变换和旋转文字处理
3	增加识别分数和低置信度过滤
4	增加 PPOCRLabel 输出自动质量检查
5	自动生成实拍数据评估报告
6	将训练模型 ONNX / RKNN 转换流程 CI 化
7	生成 INT8 量化前后精度差异报告

33. 参考资料

• PaddleOCR 官方文档
• PaddleOCR GitHub 仓库
• PaddleOCR Text Recognition Training
• PaddleOCR Fine-tune Guide
• PaddleX OCR Annotation Guide
• PPOCRLabel PyPI
• ICDAR 2019 MLT Downloads
• JPSC1400 Dataset Page
• NDL 古典籍 OCR 学习用数据集
• Kuzushiji Dataset
• ETL Character Database
• RKNN Model Zoo GitHub 仓库