PaddleOCR 接入 Android：从克隆仓库到出字只需四步
【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR
PaddleOCR 是百度开源的文字识别与文档解析工具包，把文本检测、方向分类和文本识别串成一条流水线，支持 100 多种语言。它的 Android Demo 让你把整条 OCR 流程装进手机 App，离线运行，不需要任何云服务。本文以仓库中的deploy/ppocr-android工程为主线，讲清它的能力边界、四步跑通流程、一个具体用例，以及上真机前值得调整的几项参数。
检测、分类、识别三级流水线如何配合
移动端 Demo 的识别流程分三段：
- 文本检测：在整张图片上定位每个文本框；
- 方向分类：判断文本行是否倒置或旋转，先把方向摆正；
- 文本识别：把裁剪后的文本行转成字符串，并给出置信度。
官方预训练的检测与识别模型都以 ONNX 格式提供，下载后放进 App 的 assets 目录即可，推理全程不依赖网络。PP-OCRv6 提供 tiny、small、medium 三档模型，参数量从 1.5M 到 34.5M，分别面向手机、平板和服务器场景；手机上一般选 small。这一代还把 50 种语言收进同一个识别模型，中英日加 46 种拉丁语种的多语言文档不需要切换模型。
四步跑通 PP-OCR Android Demo
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/pa/PaddleOCR，在 Android Studio（Ladybug 及以上，JDK 17）中打开deploy/ppocr-android； - 准备模型：把 PP-OCRv6 small 的检测模型放入
ppocr-sdk/src/main/assets/models/det/，识别模型连同inference.yml放入models/rec/； - 编译安装：执行
./gradlew :app:installDebug，或直接在 Android Studio 点运行； - 出字：在 Demo 里从相册选图，点击运行模型，图上叠加文本框，下方显示识别文本和分阶段耗时。
Demo 的主界面同时提供"拍照识别"与"选取图片"两个入口，并支持在检测加分类加识别、检测加识别等 6 种运行模式之间切换，方便单独验证某一个环节。
用方向分类修正旋转文本
上面这张图是仓库内置的测试素材：一条旋转 270 度的文本行。走"检测加分类加识别"模式时，方向分类阶段先把文本转正，再进入识别，最终输出正确朝向的文字；如果只走"检测加识别"，这行字会以侧倒状态进识别模型，结果不可用。这个用例的价值在于：手机拍照时用户几乎不可能保证每次拍摄角度，方向分类是移动端比桌面端更刚需的一环。
把 SDK 集成进自己的 App
集成有两种方式：把ppocr-sdk模块作为源码依赖拷进工程，或者构建 AAR 后按依赖引入（AAR 不传递依赖，需手动补上 ONNX Runtime 1.21.1 和 OpenCV 4.5.3）。API 面很小，核心三步：
- 初始化：
PaddleOCR.create时指定 det、rec 两个模型路径，以及线程数等引擎配置；注意调用前要先执行OpenCVUtils.init(context)； - 识别：
recognize()是挂起函数，需要放在协程里调用，传入 Bitmap 或图片字节； - 释放：页面销毁时调用
release()，否则推理引擎持有的内存不会回收。
返回结果包含每条文本的text、confidence、文本框坐标，以及detectionTimeMs与recognitionTimeMs两段计时，可直接用于过滤低置信度结果和性能监控。
真机上的耗时构成与三个调优点
在 PP-OCRv6 Android demo 自带的 benchmark 中（骁龙 695 级 SoC 的 GM1900 设备，Android 9，10 次正式测量加 3 次预热），一次完整流程平均约 420ms：
| 阶段 | 平均耗时 | 说明 |
|---|---|---|
| 检测（含预处理与后处理） | 约 349ms | 全流程的主要耗时 |
| 识别 | 约 66ms | 输入是检测裁出的文本行 |
| 管线开销 | 约 6ms | 调度与拷贝 |
调优优先看三个地方：
- 控制输入分辨率：手机原图动辄 4000 像素以上，先缩到 1080p 以内再送检测，检测耗时主要取决于输入大小；
- 按机型选模型档位：低端机或后台批量识别用 tiny 档，前台交互用 small 档；
- 对齐线程数：线程数与 SoC 大核数量一致通常最优，SDK 默认 4 线程，改完跑一遍
run_benchmark.sh验证，而不是凭感觉调。
两类常见问题与排查方向
- 加载模型报错或识别无任何输出：检查 assets 中 det 是否有
inference.onnx、rec 是否同时有inference.onnx与inference.yml，确认OpenCVUtils.init(context)是否在create之前执行； - 识别慢且卡顿：多为输入图未压缩、线程数配置不当，先缩图再调
numThreads； - 漏检或出现杂框：适当上调
detBoxThresh（默认 0.6）过滤低分候选框；倒置文本读不出来则确认流程里包含了方向分类。
集成之后还能往哪走
替换模型文件即可扩展语种，PP-OCRv6 的 50 语种统一模型已经把多语言文档支持做成了配置问题。识别结果转成 Markdown 或 JSON 后，可以直接喂给 LLM 做 RAG，这是仓库里 PaddleOCR-VL 与 PP-StructureV3 文档解析管线的方向。SDK 的分阶段计时也可以接进 CI，每次换机型先跑一轮 benchmark 再上架。
建议的第一步是把仓库 clone 下来，用内置素材把 demo 完整跑一遍；流程清楚了，接入自己的 App 只是搬代码的事。
【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
