OCR材料信息提取工具

功能说明

本工具可以从图片（JPG、PNG等）和PDF文件中自动识别并提取以下信息：

• 材料名称
• 规格/型号
• 数量
• 单位

提取的结果会自动保存到Excel文件中。

安装步骤

1. 安装Python依赖

pip install -r requirements.txt

注意：首次运行时，PaddleOCR会自动下载中文识别模型，可能需要几分钟时间。

2. 运行脚本

python ocr_to_excel.py

输出文件

运行完成后，会在当前目录生成 材料清单.xlsx 文件，包含以下列：

• 来源文件：原始文件名
• 材料名称：识别出的材料名称
• 规格：材料规格/型号
• 数量：材料数量
• 单位：计量单位

支持的文件格式

• 图片格式：JPG, JPEG, PNG, BMP, TIFF
• 文档格式：PDF

处理的目录

脚本会自动处理以下两个目录中的所有文件：

1. d://急救包(1)
2. d://2023年第18批

注意事项

1. 确保图片清晰度足够，文字可辨认
2. OCR识别准确率受图片质量影响，建议处理后检查结果
3. 首次运行会下载模型文件，请确保网络连接正常
4. 如果识别效果不理想，可能需要调整图片对比度或分辨率

故障排除

如果遇到安装问题

如果PaddleOCR安装失败，可以尝试使用CPU版本：

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

如果识别结果不理想

1. 检查原始文件是否清晰
2. 对于扫描PDF，确保分辨率至少300dpi
3. 可以手动调整识别参数（在代码中修改PaddleOCR初始化参数）