PP-OCRv6 ONNX Runtime 推理（2026 最新版）

基于 PP-OCRv6 ONNX 模型的纯 Python 文字检测 + 识别推理代码。
零 PaddlePaddle 依赖，仅需 onnxruntime + opencv + numpy + pyclipper。
内置 Tiny 版检测 / 识别 ONNX 模型，开箱即用。

✨ 特性

• 2026 最新 PP-OCRv6 — 使用百度 PaddleOCR v6 版本导出的 ONNX 模型
• 零 PaddlePaddle 依赖 — 不安装 Paddle，不装 PaddleX，体积仅 ~200 MB
• 内置 Tiny 模型 — models/ 目录已包含检测 + 识别 ONNX 模型（tiny 版），无需额外下载
• 完整 OCR 流水线 — 文字检测 → 框排序 → 透视裁剪 → 文字识别，全流程纯 Python 实现
• 高精度 — 与 PaddleX 在同 ONNX Runtime 后端下 bit-exact 对齐
• 高性能 — 比 PaddlePaddle 原生推理快约 3×

---

📋 环境要求

依赖	最低版本	说明
Python	≥ 3.10	使用了 dataclass(slots=True) 等 3.10+ 特性
onnxruntime	≥ 1.23.2	需支持 ONNX IR version 10
opencv-python	任意稳定版	图像处理
numpy	任意稳定版	数组运算
pyclipper	任意稳定版	多边形偏移（文本框扩展）

---

🚀 快速开始

1. 安装依赖

pip install onnxruntime opencv-python numpy pyclipper

2. 直接运行

python ppocrv6_onnx.py
# 默认对 test_images/handwrite_ch_demo.png 进行识别

或指定图片：

python ppocrv6_onnx.py your_image.png

3. 作为模块使用

import cv2
from ppocrv6_onnx import PPOCRv6Onnx, OCRResult

det_model = "models/PP-OCRv6_tiny_det_onnx/inference.onnx"
rec_model = "models/PP-OCRv6_tiny_rec_onnx/inference.onnx"
char_dict = "models/rec_char_dict.txt"          # 已内置

with PPOCRv6Onnx(det_model, rec_model, char_dict) as ocr:
    img = cv2.imread("your_image.png")
    results: list[OCRResult] = ocr(img)

    for r in results:
        print(f"{r.text}  ({r.score:.3f})")

---

📁 项目结构

ppocrv6_onnx-python/
├── ppocrv6_onnx.py              # 核心推理模块（检测 + 识别，~890 行）
├── demo.py                      # 快速 Demo 脚本
├── benchmark.py                 # 性能基准测试工具
├── pyproject.toml               # 项目元数据与依赖声明
├── README.md                    # 本文档
├── models/
│   ├── PP-OCRv6_tiny_det_onnx/  # ✅ 已内置：文字检测 ONNX 模型（tiny）
│   │   ├── inference.onnx
│   │   └── inference.yml
│   ├── PP-OCRv6_tiny_rec_onnx/  # ✅ 已内置：文字识别 ONNX 模型（tiny）
│   │   ├── inference.onnx
│   │   └── inference.yml
│   └── rec_char_dict.txt        # ✅ 已内置：7180 字符字典
├── assets/                      # 示例图片
├── test_images/                 # 多语言测试图片（中/英/日/手写/杂志/竖排）
├── scripts/                     # 精度验证脚本
└── docs/                        # 方法论说明

---

🤖 内置模型说明

models/ 目录已包含以下 ONNX 模型（tiny 版，开箱即用）：

模型	路径	用途
文字检测（DB）	models/PP-OCRv6_tiny_det_onnx/inference.onnx	定位图中文字区域
文字识别（CRNN+CTC）	models/PP-OCRv6_tiny_rec_onnx/inference.onnx	识别裁剪后的文字行
字符字典	models/rec_char_dict.txt	CTC 解码字符表（7180 字）

📖 API 参考

PPOCRv6Onnx

class PPOCRv6Onnx:
    def __init__(
        self,
        det_model_path: str,           # 检测 ONNX 模型路径
        rec_model_path: str,           # 识别 ONNX 模型路径
        rec_char_dict_path: str,       # 字符字典路径
        *,
        det_thresh: float = 0.3,       # 检测二值化阈值
        det_box_thresh: float = 0.6,   # 检测框置信度阈值
        det_unclip_ratio: float = 1.5, # 文本框扩展比例（Vatti clipping）
        rec_batch_size: int = 6,       # 识别批大小
        prefer_accelerator: bool = False,  # 启用 CUDA / CoreML 加速
    ) -> None: ...

    def __call__(self, img_bgr: np.ndarray) -> list[OCRResult]:
        """完整 OCR 流程：检测 → 排序 → 裁剪 → 识别"""

    def detect(self, img_bgr: np.ndarray) -> tuple[np.ndarray, list[float]]:
        """仅检测。返回 (boxes[N,4,2], scores[N])"""

    def recognize(self, img_list: list[np.ndarray]) -> tuple[list[str], list[float]]:
        """仅识别。返回 (texts, scores)"""

    def close(self) -> None:
        """释放 ONNX Runtime 会话资源（幂等）"""

支持 with 上下文管理，退出时自动释放资源。

OCRResult

@dataclass(frozen=True, slots=True)
class OCRResult:
    text: str                # 识别文本
    score: float             # 置信度，范围 [0, 1]
    box: list[list[int]]     # 四顶点坐标 [[x0,y0],[x1,y1],[x2,y2],[x3,y3]]

---

🔧 流水线架构

输入图片 (BGR)
    │
    ▼
[文字检测]     DB 模型 → Resize → ImageNet 归一化 → ONNX 推理 → DBPostProcess
    │
    ▼
[框排序]       按阅读顺序（上→下，左→右）稳定排序
    │
    ▼
[区域裁剪]     透视变换逐区域裁剪，自动处理旋转 / 竖排文本
    │
    ▼
[文字识别]     CRNN 模型 → Resize(H=48, 宽按比例) → 归一化[-1,1] → ONNX → CTC Greedy Decode
    │
    ▼
list[OCRResult]

---

⚡ 高级用法：GPU / CoreML 加速

默认使用 CPU（CPUExecutionProvider）以保证跨平台 bit-exact 精度。如需 GPU 或 CoreML 加速：

ocr = PPOCRv6Onnx(
    det_model_path=...,
    rec_model_path=...,
    rec_char_dict_path=...,
    prefer_accelerator=True,   # 自动选择 CoreML(macOS) > CUDA > CPU
)

注意：加速器因硬件浮点优化可能产生微小置信度差异，识别文本结果不变。

---

🐛 常见问题

Q: 运行时报 Unsupported model IR version: 10

A: onnxruntime 版本过低，需升级到 ≥ 1.23.2：

pip install --upgrade onnxruntime

源码地址：https://download.csdn.net/download/FL1623863129/90010788