OCR Solution
用 OCR 扩展（
ocr-device-inference） 把 NE101/NE301 采集的图像自动变成可检索的文字——绑定图像流后每帧自动识别，结果进仪表板、自动化规则与 AI Chat。
1. 方案概述
NeoMind 的 OCR 扩展（ocr-device-inference） 可对设备采集的图像进行通用文字识别：扩展基于 PP-OCRv4 模型（DB 文本检测 + SVTR 文本识别，支持中英文切换），绑定设备图像流后对每一帧图像自动提取文字内容，并在仪表板中展示。识别结果还可通过 AI Chat 以自然语言方式查询。
典型应用场景：
| 场景 | 说明 |
|---|---|
| 铭牌读取 | 识别设备铭牌上的型号、序列号、参数等信息 |
| 标签识别 | 读取产品标签、条码旁的文字说明 |
| 文档数字化 | 将纸质文档、告示牌等内容转为可检索的文字 |
| 仪表读数 | 识别数字仪表盘上的读数（如电表、水表） |
数据流向：
| 环节 | 说明 |
|---|---|
| 图像采集 | NE101/NE301 通过定时抓拍或事件触发获取图像 |
| OCR 识别 | OCR 扩展自动对图像进行文字提取（检测 + 识别，可绘制文本框、支持 ROI 区域过滤） |
| 结果展示 | 仪表板实时展示识别结果，支持查看历史记录 |
| AI Chat 查询 | 通过自然语言查询已识别的文字内容 |
2. 物料清单（BOM）
开始前先确认手头物料：一台能抓拍图像的智能相机、一套 NeoMind 平台，再加一个 OCR 扩展即可，无需 GPU 等额外硬件。
| 物料 | 规格 | 用途 | 必需 |
|---|---|---|---|
| 智能相机 | NE101 或 NE301 | 图像采集 | ✅ |
| NeoMind 平台 | v0.9.0+（下载） | 边缘 AI 管理 | ✅ |
| OCR 扩展 | ocr-device-inference 2.7.x | 文字识别推理 | ✅ |
推理硬件自动适配：macOS 走 CoreML，Linux 有 NVIDIA GPU 时走 CUDA，其余回退 CPU，无需手动配置。
3. 前置准备
3.1 NeoMind 安装与配置
请先完成 NeoMind 的安装、注册和基本配置，详细步骤请参考 NeoMind 快速入门。
3.2 设备接入
将 NE101 或 NE301 注册到 NeoMind 平台：
- 在 NeoMind 中进入 设备管理 页面
- 点击 添加设备，选择对应的设备类型（NE101 或 NE301）
- 确认设备信息（设备 ID 与 Topic 由平台自动生成，也可自定义）
- 保存并等待设备上线
详细的设备接入步骤请参考 NeoMind 快速入门 - 设备管理。
3.3 验证设备上线
- Devices 页出现新添加的设备（如
ne301-new），状态为在线。 - 设备详情中确认存在图像指标——OCR 绑定默认使用名为
image的图像指标，请确认设备抓拍时该指标持续更新。 - 记下设备 ID，后续绑定与指标引用（DataSourceId 形如
device:<设备ID>:<指标名>）都会用到。
4. 安装 OCR 扩展
OCR 扩展发布在官方扩展市场，当前版本为 2.7.x（本文以 2.7.8 为例）。
4.1 通过扩展市场安装（推荐）
步骤 1：进入 Extensions（扩展） 管理页面，点击工具栏的 扩展市场（地球图标），在搜索框输入 ocr-device-inference 找到扩展
步骤 2：点击 Install，NeoMind 自动选择与当前平台 / ABI 匹配的 .nep 包并下载安装
步骤 3：安装完成后扩展自动出现在扩展列表中并启动，确认状态为已启用（Running）
此外，扩展市场还提供两个更新的 OCR 扩展：
paddle-ocr-v6（PP-OCRv6 本地 ONNX 推理，多档模型）与paddle-ocr-vl（高精度多语言识别、表格与关键信息抽取）。复杂版面/表格场景建议改用后者，见 NE101 摄像头 OCR 应用案例 与 PaddleOCR-VL 用例。
4.2 CLI 安装（可选）
neomind extension market-list # 查看市场可用扩展
neomind extension market-install ocr-device-inference # 从市场安装（默认最新版）
neomind extension market-install ocr-device-inference --version 2.7.8
4.3 验证安装状态
- 扩展列表卡片与扩展详情页顶部状态应为 Running（绿色圆点）。
- 点击扩展卡片进入 扩展详情页，确认存在 总览 / 配置 / 命令（Commands）/ 指标（Metrics）/ 日志（Logs）标签。
- 切到 指标（Metrics） 标签，应能看到扩展级指标
bound_devices、total_inferences、total_text_blocks、total_errors开始上报（初始为 0）。
命令调用入口说明：OCR 绑定与管理既可以在仪表板 OCR 组件中完成（见 5.2），也可以通过扩展命令完成——扩展详情页 命令（Commands） 标签填参数执行，或 REST API
POST /api/extensions/:id/command，请求体{"command":"...","args":{...}}。
5. 仪表板配置与设备绑定
5.1 创建仪表板
进入 Dashboard（仪表板） 管理页面，点击 创建仪表板。
5.2 添加 OCR 面板并绑定设备
在仪表板编辑模式点击 Add Component，在 Extensions 页签选择 OCR 组件（由 ocr-device-inference 扩展提供），并绑定目标设备：
绑定完成后，OCR 面板将自动接收并处理该设备采集的图像：
用户可在 Dashboard 页面添加其他所需的组件，提供更多的数据和内容展示。
OCR 组件同时支持上传单张图片即时识别与管理设备绑定，可在组件配置中开启 drawBoxes（绘制文本框）与 showPreview（结果预览）。
5.3 命令方式绑定与管理（可选）
仪表板组件适合单人配置；如果需要用脚本 / API 批量绑定多台设备，就要走命令通道。可在扩展详情页 命令（Commands） 标签执行 bind_device 绑定（或经 REST 调用）：
{
"command": "bind_device",
"args": {
"device_id": "ne301-new",
"image_metric": "image",
"draw_boxes": true,
"language": "chinese"
}
}
执行成功返回：
{ "success": true, "device_id": "ne301-new" }
device_id 必填，其余参数省略时取默认值（image_metric: image、draw_boxes: true、language: chinese）。绑定会持久化到扩展配置，扩展重启后自动恢复，无需重新绑定。绑定成功只是第一步，还需要按 5.4 确认识别真的在跑。
| 命令 | 关键参数 | 说明 |
|---|---|---|
bind_device | device_id、image_metric（默认 image）、draw_boxes（默认 true）、language（chinese / english） | 绑定设备，图像更新即自动 OCR |
unbind_device | device_id | 解除绑定 |
toggle_binding | device_id、active | 启用 / 暂停已有绑定 |
get_bindings | — | 查看所有绑定及状态 |
update_roi | device_id、roi_regions、roi_overlap_threshold（默认 0.5） | 设置 ROI 多边形区域，只识别区域内文字（顶点为 0.0–1.0 归一化坐标） |
recognize_image | image（base64）、language | 对单张 base64 图片做一次性 OCR |
get_status | — | 查看扩展状态与统计 |
REST 调用示例（绑定设备）：
curl -X POST -H "X-API-Key: $NEOMIND_API_KEY" \
-H "Content-Type: application/json" \
-d '{"command":"bind_device","args":{"device_id":"ne301-new","image_metric":"image","draw_boxes":true,"language":"chinese"}}' \
http://localhost:9375/api/extensions/ocr-device-inference/command
5.4 验证绑定
bind_device 返回 success: true 只代表参数被接受，真正的确认标准是三件事：指标开始增长、get_status 能看到活跃绑定、识别结果指标开始写入。
- 扩展详情页 指标 标签：
bound_devices≥ 1；设备抓拍后total_inferences持续增长、total_errors不增长。 - 扩展详情页 命令 标签执行
get_bindings，确认绑定为 active 状态；或执行get_status一次拿到模型加载状态、累计统计与每个绑定的状态：
{ "command": "get_status", "args": {} }
返回（字段无需转换，可直接断言）：
{
"success": true,
"data": {
"model_loaded": true,
"model_error": null,
"total_inferences": 128,
"total_text_blocks": 342,
"total_errors": 0,
"bindings_count": 1,
"bindings": [
{ "device_id": "ne301-new", "active": true, "total_inferences": 128 }
]
}
}
判读方法：model_loaded 为 false 属正常（模型在首次推理时才懒加载），但若同时 model_error 有值，说明模型文件加载失败，按第 10 节排查；bindings 里目标设备应为 "active": true，且其 total_inferences 随抓拍增长。
- 每次识别都会向设备写入
virtual.ocr.*结果指标，DataSourceId 形如：device:ne301-new:virtual.ocr.full_text（识别全文）device:ne301-new:virtual.ocr.count（文本块数量）device:ne301-new:virtual.ocr.confidence（平均置信度 0.0–1.0）device:ne301-new:virtual.ocr.annotated_image（绘制文本框后的标注图）
关于标注图：draw_boxes: true（默认）时，扩展把每个识别到的文本框绘制在原图上，编码为 JPEG 后以 data:image/jpeg;base64,… 格式写入 virtual.ocr.annotated_image。把该指标绑定到仪表板图片组件即可看到「框随字走」的效果——这也是核对识别位置、ROI 区域是否准确最直观的方式。
6. 触发测试与查看结果
6.1 触发抓拍测试
设备绑定后，可通过手动触发抓拍来验证 OCR 识别效果。设备采集到图像后，OCR 扩展会自动进行文字识别。
6.2 查看识别结果
在仪表板的 OCR 面板中可以查看实时识别结果，包括原始图像和提取的文字内容：
6.3 查看历史识别记录
在设备详情中可以查看所有历史 OCR 识别记录，包括每次识别的原始图片和提取结果：
📷 待补截图｜设备详情 · 历史 OCR 识别记录列表 · 建议路径
…/neomind/ocr-solution/device-history.png
7. AI Chat 查询
OCR 识别结果存储后，可以在 AI Chat 中通过自然语言查询已识别的文字内容。例如：
Hello, what's the OCR result of my device ne301-new? Reply in English.
提示：AI Chat 功能需要配置 LLM 后端（如 Ollama），配置方法请参考 NeoMind 快速入门 或 配置 LLM 后端。
8. 下游使用
OCR 识别结果以 device:<设备ID>:<指标名> 格式进入平台，仪表板、规则、AI Chat 引用时都用这一格式：
| 结果 | 指标名 | DataSourceId 示例 |
|---|---|---|
| 识别全文 | virtual.ocr.full_text | device:ne301-new:virtual.ocr.full_text |
| 文本块数量 | virtual.ocr.count | device:ne301-new:virtual.ocr.count |
| 平均置信度 | virtual.ocr.confidence | device:ne301-new:virtual.ocr.confidence |
| 标注图 | virtual.ocr.annotated_image | device:ne301-new:virtual.ocr.annotated_image |
- 仪表板：把上述 DataSourceId 绑定到文本卡 / 数值卡 / 图片卡，实时展示识别全文、文本块数与置信度（见 使用仪表板）。
- 自动化规则：例如「识别置信度过低时提醒人工复核」——对
virtual.ocr.confidence设阈值（自动化规则）。规则 JSON 示例：
{
"name": "OCR 识别置信度过低告警",
"trigger": { "trigger_type": "data_change" },
"condition": {
"condition_type": "comparison",
"source": "device:ne301-new:virtual.ocr.confidence",
"operator": "less_than",
"threshold": 0.6
},
"actions": [
{ "type": "notify", "message": "电表读数识别置信度过低（{value}），请人工复核", "severity": "warning" }
]
}
- AI Chat：自然语言查询，如「最近一小时 ne301-new 识别出了什么文字」。
9. 典型场景
| 场景 | 推荐配置 | 做法 |
|---|---|---|
| 仪表读数（电表 / 水表） | ROI 聚焦表盘 + chinese | update_roi 设置仅覆盖读数区域的多边形（0–1 归一化坐标），过滤表盘外文字，降低误识别；对 virtual.ocr.confidence 配置低置信度告警，及时人工复核 |
| 铭牌 / 标签识别 | draw_boxes: true | 开启文本框绘制，在标注图上核对识别区域；用手动抓拍 + recognize_image 先单张调通再绑定自动识别 |
| 文档数字化 | 分辨率优先 | 提高抓拍分辨率与对焦，文字过小会导致漏检；文档语种与 language 参数保持一致（当前支持 chinese / english） |
| 复杂版面 / 表格 / 多语种 | 改用 paddle 系扩展 | ocr-device-inference 面向通用文字行识别；表格还原与关键信息抽取建议改用 PaddleOCR-VL，摄像头端到端流水线见 NE101 摄像头 OCR 应用案例 |
10. 故障排查
先用三件套定位：扩展详情页 日志 标签看进程输出、指标 标签看 total_errors 是否增长、命令 标签执行 get_bindings / get_status 看绑定与统计。常见故障：
| 故障现象 | 可能原因 | 解决方案 |
|---|---|---|
绑定后 total_inferences 不增长，无识别结果 | image_metric 与设备实际图像指标名不一致；绑定处于 inactive 状态 | 确认设备图像指标名（默认 image）与 bind_device 参数一致；get_bindings 查看状态，用 toggle_binding（active: true）恢复 |
virtual.ocr.count 为 0，识别不到文字 | 图像分辨率过低、文字过小或模糊；language 与文字语种不符（默认 chinese，仅支持中 / 英） | 提高抓拍分辨率与光照；把 language 切换为与场景一致的语种；先用 recognize_image 对单张清晰图验证，排除设备抓拍质量问题 |
| 识别框偏移、把无关文字也识别进来 | 全图识别混入背景文字；draw_boxes 标注框与期望区域不符 | 用 update_roi 设置只覆盖目标区域的多边形（顶点 0.0–1.0 归一化坐标），并按需调整 roi_overlap_threshold（默认 0.5，越大要求文字块与 ROI 重叠越多） |
total_errors 持续增长，推理失败 | PP-OCRv4 模型文件（det_mv3_db.onnx / rec_svtr.onnx / rec_en.onnx）缺失或损坏；ONNX Runtime 异常 | 查看 日志 标签的具体报错；重新安装扩展或按扩展 README 重新下载模型；首次推理需加载模型，属正常慢 |
| 中英文混排识别乱码 / 漏字 | 扩展按单一语种识别（chinese 或 english 二选一） | 以主要语种选择 language；中英混排、多语种或表格场景建议改用 paddle-ocr-v6 / paddle-ocr-vl（见 4.1 说明） |
virtual.ocr.confidence 长期偏低 | 图像模糊、反光、拍摄角度倾斜 | 改善抓拍条件（对焦、补光、正对拍摄）；用 ROI 聚焦关键文字区域；配合 8. 下游使用 的低置信度告警规则兜底 |
11. 附录
相关文档
- 扩展管理
- 使用仪表板
- AI Chat
- 配置 LLM 后端
- 人脸识别方案（同为图像 AI 扩展，可与 OCR 组合使用）
- NE101 摄像头 OCR 应用案例
- PaddleOCR-VL 文档理解
- NE101 Quick Start
- NE301 Quick Start
- ocr-device-inference 扩展 README
最后更新: 2026-09-08