对于OBS文件ACl类型为私有读写的图片文件，图片文件url需要授权才能获取。如何给文字识别OCR服务授权获取图片？

9月14日，记者获悉，阿里达摩院与北京大学SOAR实验室联合研发的RFID定位系统成果，被国际顶级网络学术会议NSDI2023正式接收。该系统首次实现了可靠、快速和大范围的RFID定位，RFID标签窜读率骤降为此前最佳的千分之一，为物流网络、数据中心等场景的智能化管理提供商用新选择。在物流领域，RFID（射频识别）是一种管理货物的电子标签技术，主要用于货物出库、入库时的识别及管理。由于RFID标签本身没有电源，需捕捉读写器发出的电磁波进行通信，因此经常存在漏读，或者扫描到不属于圈定范围的窜读现象。一般而言，通过提高读写器的发射功率和接收敏感度，可以减少漏读，但同时又会增加窜读概率。目前，商用RFID系统实测最佳窜读率仍高达2％，难以大规模实际应用。达摩院XG实验室与北京大学SOAR实验室联合攻破了这一技术的“两难困境”。 研究团队在普通窄带读写器上创新引入宽带功能，通过宽带嗅探技术，捕捉更准确的定位信息。同时，基于并行多正弦载波，自研多径消除全息定位算法，打造出软硬一体的RF－CHORD系统，将RFID标签识别窜读率骤降至最低0．0025％，漏读率接近0％。“RF－CHORD系统解决了RFID高精度定位的可靠性问题。实验数据显示，新系统能覆盖6米范围，每秒可扫描约200个RFID标签，足以满足仓库通道门等物流及数据中心场景需求。未来只要货物一过门，可即时、准确更新出入库信息。”达摩院XG实验室高级技术专家张鹏宇说。国际顶会NSDI专家评议认为，与传统系统相比，RF－CHORD可提供更高的一次性识别数量、识别准确性和可靠性，并且与现有的RFID标签兼容，为解决物流领域的货物管理难题提供了可实用的新方案。据悉，NSDI是计算机网络领域权威国际顶会之一，主要聚焦在网络系统设计领域，强调跨学科及实用性，广受学术界及产业界关注。大会论文收录严格，NSDI2023收录率仅为18．4％。

ocr可以识别类似于蛋糕卡 提货卡吗？  

在用RPA调用python脚本中的函数来识别验证码时，提示importerror(DLL load failed thile importing onnxruntime_pybind11_state:找不到指定的模块

【功能模块】manas引擎发票OCR识别云服务器【操作步骤&问题现象】内网POC，需要开白名单允许访问华为云服务器

前言：使用了Manas提供的AI能力进行拓展插件二次开发。需要申请权限，才能正常使用注意：1. 以下控件中，需要提供用户账号。用户账号为在WeAutomate_AI申请的账号。如果没有注册，或者该账号没有激活，会报以下错误[Detail] [NOK] [2022-07-19 16:19:35]完成执行[原子命令] [playbackScript.xml 第4行] 验证码、健康码识别 [验证码、健康码识别] [NOK] [RobotUncaughtError] [系统执行错误: 发生了未捕获异常，详情：RuntimeError('Your account is not a member of tenant WeAutomate_AI, or your account is inactive.')]账号申请相关操作，请参考：https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=1947342. 插件使用了python库：xlwt，需要自行安装如果运行出现“no module named 'xlwt'”，则进入黑窗口cmd，设计器是stduio/python/文件夹下（执行器是assistant/python/）执行 python.exe -m pip install xlwt；若黑窗口cmd中，出现Retry等字样信息，则需要将pip.rar（见附件）中的pip文件放入'C:\Users\用户名' 文件夹下，即自己的用户账号下（例如'C:\Users\工号'，'C:\Users\Administrator'， 'C:\Users\Lenovo'等等）。功能说明提供了验证码识别、健康码颜色识别、表格图片识别功能导入1. 从studio中导入附件ext_ManasOCRVerify_2_0_0.zip2. 成功后，会在扩展中心中看到我们导入的包3. 控件中会出现以下新增控件验证码识别、健康码颜色识别1. 控件帮忙界面见下图2. 属性界面下二图。（识别模式有三种，健康码识别、验证码识别；验证码识别中，需要选择是纯数字，还是纯字母，还是数字与字母混合）表格图片识别功能说明：使用AI-OCR识别，将表格图片内容识别出来，也能够转为对应的Excel文件入参说明：如果不在本地生成Excel文件，可以忽略“很长Excel文件的路径”和“工作表sheet”执行结果：在指定的路径生成Excel文件，其中list类型的返回值table_ret，如图

一、 WeAutomate Studio配置1.1  三方件WeAutomate Studio中运行 `UI自动化\基于OCR的自动化\基于本地OCR的自动化` 模块下的设置OCR操作窗口（SetOfflineOcrWindow）和 本地OCR获取文本（offlineGetOcrText）控件时，需要安装额外的三方件 paddleocr 和 paddlepaddle。安装方式如下：本页第四楼this is WeAutomate有本帖的一个简化的操作方式，可以直接参考一下，如果无效，则可以从这里开始。方案一：studio 内部界面安装如上图，点击高级的下拉框 -> 选择python依赖包管理，进入到Python依赖包管理界面，选择安装新模块。在名称栏输入paddlepaddle，点击安装，等待安装完成后，继续按照同样的方式安装paddleocr三方件即可。方案二：使用pip安装打开studio安装目录下的python文件夹的cmd窗口，运行python.exe -m pip install paddlepaddle 和 python.exe -m pip install paddleocr 进行安装。安装异常处理安装中出现报错信息 Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools"，需要下载Visual Studio，下载链接：https://visualstudio.microsoft.com/zh-hans/；如下图勾选相关选项后，点击安装，等待安装完毕，重启电脑后重试上述安装过程。1.2 识别模型WeAutomate Studio 中集成了OCR控件中Paddle引擎所需的中文语言模型；若需识别其他语言，需自行下载，参考下载网址：cid:link_1需按照语言下载文本检测、文本识别、文本方向三类模型。下载后放置到WeAutomate Studio指定位置处：%studio安装目录%/public/paddleOcrModel 下。文件夹下包含三个文件夹，每个文件夹下包含inference.pdiparams，inference.pdiparams.info，inference.pdmodel 三个文件二、 本地python环境配置Paddle引擎2.1  三方件安装1)  安装方法命令行 pip install 三方件包名2)  依赖三方件所需依赖：paddlepaddle, python-Levenshtein, paddleocr其中paddlepaddle支持的环境，如下图：3) 安装时异常若中途安装报错出现 Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools"，需要下载Visual Studio，下载链接：https://visualstudio.microsoft.com/zh-hans/；如下图2.2  模型配置1)  模型功能文本检测：检测文本，并标框，返回四点坐标；文本识别：识别文本，返回文本和置信度；文本方向分类：能识别出不同方向的文本2) 相关文档及下载地址文档地址：cid:link_0        （若不想看，可根据下列链接直接下载三个模型，支持简体中文、英文、阿拉伯数字）          （1）文本检测模型：https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar           （2）文本识别模型：https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar           （3）文本方向分类模型：https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar3)  模型放置将其下载的三个模型文件解压，并放入到自定义的inference文件夹里，例如见下图           确保每一个模型文件夹中都有三个文件，见下图： 2.3  使用paddleOCR1)  方法一，python代码：直接利用python包（import paddleocr）。[若只识别一张图片，可参考图1-3，若想批量拾取，可看图4]                    注意：代码中的det_model_dir, rec_model_dir, cls_model_dir便是之前下载的三个文件夹路径图1图2图3图42) 方法二，命令行：通过命令行语句实现             （1）从github下载paddleOCR，下载地址：https://github.com/PaddlePaddle/PaddleOCR             （2）将之前的inference文件夹放入到此路径下（即PaddleOCR文件夹下）             （3）cmd黑窗命令行，进入paddleOCR路径下，执行下列语句，生成的结果在PaddleOCR\inference_results中               执行的语句：python tools/infer/predict_system.py --image_dir="./atest" --det_model_dir="./inference/ch_PP-OCRv3_det_infer/"  --  rec_model_dir="./inference/ch_PP-OCRv3_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=False --use_gpu=False               其中              img_dir：需要识别的图片路径，可以是一张图片路径，也可以是文件夹路径（即识别多张图片）              det_model_dir，rec_model_dir，cls_model_dir：之前下载的三个模型路径              use_angle_cls：是否使用cls_model模型（作用是识别非正方向的文本；即文本可能是上下或左右颠倒过来的，设置为True，可准确识别）              use_space_char：是否识别空格              use_gpu：是否使用GPU               2.4  识别效果图片标注效果见图5 图5图片识别信息见图6图6 

一、【使用官方ocr模型】1. 自行下载Tesseract-OCR，安装包下载地址：https://digi.bib.uni-mannheim.de/tesseract/?C=M;O=D ，类似'tesseract-ocr-w64-setup-v5.1.0.20220510.exe'；见图1；图12. 安装目录设置环境变量，比如Path中新增‘D:/Tesseract-OCR’；见图2；图23. 设置系统变量名TESSDATA_PREFIX，变量值为'D:/Tesseract-OCR/tessdata'；见图3；图34. 默认只有英文语言包，所以下载需要的语言包放入到第3点中的目录下，语言包下载地址：https://github.com/tesseract-ocr/tessdata ，例如‘chi_sim.traineddata’就是中文语言包；见图4；图45. 若出现”no module named 'pytesseract'“，请到studio安装目录下的python文件夹下，进入cmd命令行黑窗口，输入python -m pip install pytesseract。见图5图5二、【自行训练模型】：1. 配置java环境，至少jdk-8及以上，下载地址：https://www.oracle.com/java/technologies/downloads/#jdk18-windows ；见图6；图62. 下载jTessBoxEditor软件：https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/ ；见图7；图73.  修改环境变量：例如，需要将【使用官方ocr模型】的第2、3点中的路径分别改为‘D:\jTessBoxEditor\tesseract-ocr’和‘D:\jTessBoxEditor\tesseract-ocr\tessdata’；见图8、9；图8图94.  在安装目录中找到train.bat双击打开jTessBoxEditor；见图10；图105.  在jTessBoxEditor界面上的Trainer标签页，见图11；图11   （1）Tesseract Executables设置为例如‘D:\jTessBoxEditor\tesseract-ocr\tesseract.exe’;   （2）Training Data设置为需要识别的图片，png或jpg或tif等;   （3）Language自定义，代表训练的模型包名，例如‘chi_sim_new’，即chi_sim_new.traineddata文件名；   （4）Bootstrap Language指用什么语言模型来识别你的图片，例如此处为官方的‘chi_sim’中文训练模型名；            注意：默认只含有英文包eng.traineddata，需要自行下载中文包chi_sim.traineddata，请看上面第一大点【使用官方ocr模型】中第4点讲解。   （5）找到‘RTL’右侧的下拉框，选择‘Make Box File’，之后点击‘Run’；6. 在jTessBoxEditor界面上的Box Editor标签页，见图12；图12  （1）点击‘Open’打开需要识别的图片，即第5点（2）中设置的；  （2）在Box Editor标签下的Box View标签下，结合右侧操作界面，修改识别错误的字体。其中Character为待修改的字体，修改完记得回车；X，Y，W，H分別为字体周围绿色框的横纵坐标，宽高；Merge，Split，Insert，Delete分别代表合并、分离、插入、删除字体框；  （3）修改完后，点击‘Save’，并点击‘Reload’；7. 回到jTessBoxEditor界面上的Trainer标签页，见图13；图13（1）只需选择第5点（5）中的下拉框的值为‘Train with Existing Box’，再点击‘Run’（2）找到同图片路径下生成的tessdata文件夹下的.traineddata（自己训练的模型），例如此次设置的chi_sim_new.traineddata，把此文件放入此次假设的jTessBoxEditor软件安装目录相关路径中：‘D:\jTessBoxEditor\tesseract-ocr\tessdata’8. 控件中的‘识别语言类型’参数，输入此次训练的模型名，例如chi_sim_new，若想结合官方提供的训练模型一起识别图片，直接用+号连接，比如中文模型chi_sim，则可在参数中填入chi_sim+chi_sim_new，见图14；       【简单建议】：直接输入你自己训练的模型名，不要联合官方的，正确率更高，除非你训练模型的图片够多，够好；       【深入理由解释】：联合官方的模型，会导致你的模型过拟合，除非你训练模型的数据集够大够好。图14

# -*- coding: utf-8 -*-"""新手测试笔记文字识别 OCR：通用表格识别"""from huaweicloudsdkcore.auth.credentials import BasicCredentialsfrom huaweicloudsdkocr.v1.region.ocr_region import OcrRegionfrom huaweicloudsdkcore.exceptions import exceptionsfrom huaweicloudsdkocr.v1 import *import base64import xlsxwriterclass OCRHuaWei(object): def __init__(self, ak=None, sk=None, service_area=None, client=None, img_base64=None): self.ak = ak self.sk = sk self.service_area = service_area self.client = client self.base64_data = img_base64 def get_client(self): # 接入OCR_HuaWei credentials = BasicCredentials(self.ak, self.sk) # OCR身份认证 # 创建客户端 self.client = OcrClient.new_builder()\ .with_credentials(credentials)\ .with_region(OcrRegion.value_of(self.service_area)) \ .build() return self.client def image_to_base64(self, imagepath): """ 将本地图片转为base64编码： 方法一：如下 方法二：通过Chrome浏览器转为base64编码（图片拖至Chrome浏览器 → F12 → 源代码 → 选中文件**.png→Pretty print **） """ with open(imagepath, "rb") as bin_data: image_data = bin_data.read() # 二进制格式、只读 self.base64_data = base64.b64encode(image_data).decode("utf-8") # 对本地图片进行base64编码 return self.base64_data def recognize_general_table_request(self): """ OCR-通用表格识别 返回JSON：RecognizeGeneralTableResponse """ try: request = RecognizeGeneralTableRequest() request.body = GeneralTableRequestBody( return_confidence=True, # 返回置信度 return_excel=True, # 返回Excel image=self.base64_data ) response = self.client.recognize_general_table(request) # 返回JSON：RecognizeGeneralTableResponse return response except exceptions.ClientRequestException as e: print(e.status_code) print(e.request_id) print(e.error_code) print(e.error_msg) def response_to_execl(self, data, save_path): """ :param data: response中提取的文本块 words_block_lst :param save_path: 指定输出的Excel文件名 """ col_lst, val_lst = ['words', 'confidence'], [] for block in data: words = block['words'] if words: if 'confidence' in block.keys(): confidence = block['confidence'] else: confidence = '' val_lst.append([words, confidence]) # [文本内容, 置信度] options = {'in_memory': True} with xlsxwriter.Workbook(save_path, options) as workbook: worksheet = workbook.add_worksheet() worksheet.set_column('A1:A20', 50) # 设列宽 worksheet.set_column('B1:B20', 11) worksheet.write_row('A1', col_lst) for i, row_lst in enumerate(val_lst): worksheet.write_row('A'+str(i+2), row_lst) # 需逐行写入 workbook.close() def recognize_general_table_to_excel(self, save_path): # OCR-通用表格识别，保存至Excel # 转为python字典 response = self.recognize_general_table_request().to_dict() words_block_lst = response['result']['words_region_list'][0]['words_block_list'] self.response_to_execl(words_block_lst, save_path) # 另存至Excelif __name__ == "__main__": ak = "********************" # ak：华为云Access Key Id(AK) sk = "****************************************" # sk：华为云Secret Access Key(SK) service_area = "cn-north-4" # API项目区域：华北-北京四 # Create OcrClient（初始化身份认证信息、创建OCR客户端） client = OCRHuaWei(ak=ak, sk=sk, service_area=service_area).get_client() # 支持JPEG、JPG、PNG、BMP、TIFF格式 img_base64 = OCRHuaWei().image_to_base64(r"C:\***\tst.png")    # 实例化 ocr_HuaWei = OCRHuaWei(ak=ak, sk=sk, service_area=service_area, img_base64=img_base64, client=client) save_path = r"C:\***\xlsxwriter_tst.xlsx" ocr_HuaWei.recognize_general_table_to_excel(save_path) # OCR 通用表格识别

1.在本地（深圳）调用北京1的OCR服务 效果很不错；2.放到香港的华为云服务期上就非常慢 10秒左右；3.是因为香港的原因才导致访问内地这边的OCR服务很慢？

【功能模块】DevStar 智能OCR图像文字识别【操作步骤&问题现象】1、在进行智能图像识别时，创建项目后，按照步骤在进行应用部署时，一直显示无授权，重复多次仍旧如此2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

体验10分钟开发增值税发票文字识别应用的活动不好用啊，购买免费套餐的时候价格一直正在计算，刷新不好用，关闭页面重新登录也不好用。

体验形式：本次体验采用有产品体验+体验问卷反馈的形式。首先成为我们的体验官 (点击链接申请成为体验官   ） 我们会在OCR开发体验体验群中发放产品代金券，体验官要求操作和体验产品，最后填写体验问券。我们会从中筛选出高质量体验反馈，给予礼品奖励和积分奖励。体验产品简介：文字识别OCR提供在线文字识别服务，将图片、扫描件或PDF、OFD文档中的文字识别成可编辑的文本。OCR文字识别支持证件识别、票据识别、定制模板识别、通用表格文字识别等。活动流程：1.如您已经成为产品体验官，小助手会在群内发布招募公告，直接报名即可。2.如您还未申请成为体验官，请点击链接先申请成为体验官，再参与活动哦~申请链接：https://developer.huaweicloud.com/activity/experience-officer.html 3.填写本次活动需先获得代金券，请先加群，并填写群公告中的问卷领取。4.领取代金券后，根据体验场景完成体验：·体验场景以及流程：https://developer.huaweicloud.com/develop/aigallery/article/detail?id=63e51b08-d892-4e44-9402-f19b371c38c8·体验完成条件：调用OCR的API SDK，自定义模板并使用，认真填写体验问卷·体验问卷：https://devcloud.huaweicloud.com/expertmobile/qtn?id=e4d2bc906ef846ccac7b7198da665978中奖率超高哟~~☆奖励设置如下☆参与奖：若干名活动要求：按照要求完成任务奖励：3体验官积分    优秀奖：若干名活动要求：被专家评为优秀反馈奖品：定制无线鼠标1个+5体验官积分活动体验反馈问卷填写时间2022年5月16日-5月30日

活动已结束，如有问题可加群反馈活动说明:随着各类文字识别需求场景的增多，从零开始构建文字识别应用满足需求效率太低？DevStar给你解决，10分钟内生成应用，且可为后续开发提供可扩展开发的图片文字识别框架。现在体验还有机会赢好礼！体验指导书>>>活动时间：整体活动即日起，截止时间不限，礼品放完为止心得文章投稿须知>>>获奖公示：奖品公示（截至5月30日）：如有异议请加入体验群进行反馈，谢谢！恭喜以上获奖小伙伴，请获奖小伙伴（抽奖奖项获奖已填写收件小伙伴无需重复填写）2022年6月10日之前点链接>>>填写领奖信息，逾期将自动视为放弃，礼品将于15个工作日内安排发放，请耐心等待~奖品公示（6月1日-6月30日）：如有异议请加入体验群进行反馈，谢谢！恭喜以上获奖小伙伴，请获奖小伙伴2022年7月15日之前点链接>>>填写领奖信息，逾期将自动视为放弃，礼品将于15个工作日内安排发放，请耐心等待~体验交流福利群注意事项：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）；2、华为云新用户定义：2022年5月16日后注册华为云账号的用户；3、一个新用户最多获取一次“新用户体验有奖”奖项，不能再获得其他三个活动的该奖项，但可以参与其余三个同期体验活动的体验抽奖（其余三个活动可进群了解）；4、只有完成产品体验并截图回帖后再进行问卷抽奖才算有效。否则并不具备获奖资格，将不会发放奖品；5、用户回帖只会仅楼主可见，以防冒用截图；6、截图务必包含华为云账号；7、获奖名单将于每月底统一公布直至礼品发放完毕，届时将发布兑奖方式。8、本活动最终解释权归华为云所有。