RDK X5 部署 PaddleOCR 文字识别实战教程

背景介绍

在嵌入式 AI 场景中，文字识别（OCR）是一项广泛需求的技术——车牌识别、工业读码、文档数字化、辅助视觉等都离不开它。PaddleOCR 是百度飞桨（PaddlePaddle）推出的开源 OCR 工具套件，凭借丰富的预训练模型和多语言支持，已成为国内开发者进行 OCR 任务的优先选择。

本文将带你在 RDK X5 开发板上完整部署 PaddleOCR，利用 RDK X5 集成的 BPU（贝叶斯智能处理单元）实现高效的端侧文字检测与识别推理。

💡 核心结论：PaddleOCR 在 RDK X5 上的文字检测模型可达到 158.12 FPS，识别模型达到 245.68 FPS，完全满足实时 OCR 场景需求。全程无需连接云端，数据不出设备。

适用环境

项目	版本/型号
开发板	RDK X5（旭日 X5）
系统版本	RDK OS ≥ 3.5.0
操作系统	Ubuntu 22.04 aarch64
推理后端	BPU（贝叶斯智能处理单元）
示例来源	D-Robotics Model Zoo，rdk_x5 分支

⚠️ 注意： 本文部署步骤基于 RDK OS 3.5.0 环境。如果你的 RDK OS 版本较早，建议先升级系统。如需 RDK X3 版本的部署说明，请参考 Model Zoo 仓库 rdk_x3 分支。

内容目标

完成本文后，你将能够：

• 在 RDK X5 上下载 PaddleOCR 的 BPU 量化模型（.bin 格式）
• 使用命令行一键运行 PaddleOCR 文字检测与识别
• 理解检测模型（PP-OCRv3_det）与识别模型（PP-OCRv3_rec）的分工
• 自定义测试图片并获取 OCR 结果
• 解读 PaddleOCR 在 RDK X5 上的性能数据

操作步骤

步骤 1：获取 Model Zoo 源码

PaddleOCR 示例位于 D-Robotics Model Zoo 仓库中，首先克隆或进入仓库：

# 如果未克隆过仓库
git clone https://github.com/D-Robotics/rdk_model_zoo.git
cd rdk_model_zoo

# 切换到 rdk_x5 分支（RDK X5 专属）
git checkout rdk_x5
cd samples/vision/PaddleOCR

预期结果：当前目录包含 model/、runtime/python/、test_data/ 等子目录。

步骤 2：下载 BPU 量化模型

PaddleOCR 在 RDK X5 上的推理依赖两个 .bin 格式的 BPU 量化模型：

• 检测模型：en_PP-OCRv3_det_640x640_nv12.bin（文字区域检测，NV12 输入格式）
• 识别模型：en_PP-OCRv3_rec_48x320_rgb.bin（文字内容识别，RGB 特征图输入）

cd model
bash download_model.sh

download_model.sh 会从 D-Robotics 官方归档下载两个 .bin 文件，对应以下链接：

• 检测模型：https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_x5/en_PP-OCRv3_det_640x640_nv12.bin
• 识别模型：https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_x5/en_PP-OCRv3_rec_48x320_rgb.bin

预期结果：model/ 目录下出现两个 .bin 文件，每个约 5-15 MB。

✅ 建议： 网络不稳定时，也可手动从浏览器下载上述链接，将文件放入 model/ 目录。

步骤 3：运行 OCR 推理

模型下载完成后，进入 Python 运行目录，使用预设脚本一键运行：

cd runtime/python

# 使用预设脚本运行
bash run.sh

run.sh 的工作流程：

1. 检查检测模型和识别模型是否存在
2. 若缺失则自动调用 download_model.sh
3. 运行 python3 main.py 执行推理

如果你需要调整参数（如更换测试图片、修改检测阈值），直接运行 main.py：

python3 main.py \
    --det-model-path ../../model/en_PP-OCRv3_det_640x640_nv12.bin \
    --rec-model-path ../../model/en_PP-OCRv3_rec_48x320_rgb.bin \
    --image-path ../../test_data/paddleocr_test.jpg \
    --img-save-path ../../test_data/result.jpg

参数说明：

参数	说明	默认值
--det-model-path	检测模型路径	../../model/en_PP-OCRv3_det_640x640_nv12.bin
--rec-model-path	识别模型路径	../../model/en_PP-OCRv3_rec_48x320_rgb.bin
--image-path	输入图片路径	../../test_data/paddleocr_test.jpg
--det-threshold	检测二值化阈值	0.5
--img-save-path	结果保存路径	../../test_data/result.jpg
--priority	模型优先级 (0-255)	0
--bpu-cores	BPU 核心编号	[0]

预期结果：终端打印出检测到的文字区域内容和对应文本，同时在 test_data/ 下生成结果图片。

---

代码详解

以下是 main.py 中 PaddleOCR 推理主流程的核心代码片段，帮助你理解背后的执行逻辑：

# 1. 构建配置并初始化模型
config = PaddleOCRConfig(
    det_model_path=args.det_model_path,
    rec_model_path=args.rec_model_path,
    det_threshold=args.det_threshold,
)
model = PaddleOCR(config)

# 2. 设置 BPU 调度参数
model.set_scheduling_params(priority=args.priority, bpu_cores=args.bpu_cores)

# 3. 加载图片 → 推理
image = file_io.load_image(args.test_img)
boxes, texts = model.predict(image)

# 4. 打印识别结果
for i, (box, text) in enumerate(zip(boxes, texts), start=1):
    logger.info(f"  [{i}] {text}")

# 5. 绘制检测框 + 文字结果，保存为图片
vis_image = draw_boxes_and_texts(image, boxes, texts)
save_image(args.img_save_path, vis_image)

整个流程清晰分层：配置 → 加载 → 推理 → 可视化，开发者可以轻松替换自己的图片和数据。

🔍 深入理解：PaddleOCR 采用双模型 pipeline 设计——先用 det 模型检测图片中文字区域的位置（生成检测框），再用 rec 模型对每个检测框内的内容进行文字识别，最终返回 (坐标, 文本) 的配对结果。

更换测试图片

如果你想使用自定义图片测试，将图片放入 test_data/ 目录，然后修改 image_path 参数：

python3 main.py \
    --det-model-path ../../model/en_PP-OCRv3_det_640x640_nv12.bin \
    --rec-model-path ../../model/en_PP-OCRv3_rec_48x320_rgb.bin \
    --image-path ../../test_data/your_image.jpg \
    --img-save-path ../../test_data/your_result.jpg

⚠️ 注意： 推荐使用 .jpg 或 .png 格式的图片，确保文字区域在图片中清晰可见以获得最佳识别效果。

性能数据解读

PaddleOCR 在 RDK X5 上的性能测试数据如下：

RDK X5 — PP-OCRv3（数据集 ICDAR2019-ArT）

模型(公版)	尺寸(像素)	参数量	BPU吞吐量
PP-OCRv3_det	640×640	3.8 M	158.12 FPS
PP-OCRv3_rec	48×320	9.6 M	245.68 FPS

测试条件：RDK X5，BPU 默认配置。

解读：

• 检测模型 158.12 FPS：在 640×640 输入分辨率下，每秒能处理约 158 帧的文字区域检测，远超实时要求的 30 FPS。
• 识别模型 245.68 FPS：对每个检测框的单行文本识别速度极快，可支持多区域同时识别。
• 整体 pipeline 延迟：检测 + 识别双模型串行执行，在典型场景（图片含 3-5 个文字区域）下，端到端延迟通常小于 50ms，完全满足工业 OCR 场景的实时性要求。

选型建议：

• 实时视频流 OCR：PP-OCRv3 在 RDK X5 上的吞吐量足以处理 1080p@30fps 的视频文字识别
• 批量文档处理：高吞吐量适合批量文档的自动化 OCR 流程
• 边缘推理：端侧推理无需联网，数据不出设备，适合隐私敏感场景

⚠️ 对比参考：PP-OCRv3_det 在 RDK X3 上的吞吐量为 41.96 FPS，RDK X5 相比 X3 实现了约 3.8x 的检测性能提升。如果你正在做 X3 到 X5 的迁移，可以预期显著的性能增益。

常见问题

Q: 运行 bash run.sh 时报 “model file not found”？

A: 这是模型文件缺失导致的。手动进入 model/ 目录执行 bash download_model.sh 下载 .bin 文件，网络较慢时可手动从链接下载后放入。

Q: 推理结果中的文字识别不准确？

A: 可能的原因包括：

• 图片中文字太小或模糊（PaddleOCR 对清晰印刷体效果最佳）
• 测试图片与训练数据分布差异较大
• 可尝试降低 --det-threshold（默认 0.5）来容忍更多检测候选区域

Q: 如何在代码中批量处理多张图片？

A: 参考 main.py 中的 model.predict() 接口，在循环中加载多张图片并调用 inference 即可。注意 RDK X5 的 BPU 是串行推理架构，批量处理时不会有吞吐量增益。

参考资料

标题	链接
PaddleOCR 官方项目	https://github.com/PaddlePaddle/PaddleOCR
D-Robotics Model Zoo	https://github.com/D-Robotics/rdk_model_zoo
RDK X5 快速上手	https://developer.d-robotics.cc/rdk_doc/Quick_start
更多 Model Zoo 示例	https://github.com/D-Robotics/rdk_model_zoo/tree/rdk_x5/samples/vision

---

📝 来源声明：本文内容来源于 D-Robotics Model Zoo 仓库，原始文档路径：rdk_model_zoo/samples/vision/PaddleOCR/README_cn.md @ rdk_x5 分支。经整理、补充环境版本信息、性能限定说明和代码解读后用于国内技术社区分发。原内容使用 Apache 2.0 License。