PaddleOCR
百度开源的OCR工具库，基于PaddlePaddle深度学习框架构建，支持多语言文字检测与识别，尤其在中文识别场景下表现优异。
核心事实
时间轴 (近 90 天)
Invoice AI 使用 PaddleOCR 从发票图片中提取文本，并识别供应商信息、发票号码、日期、小计、税额和总计等关键字段。
PaddleOCR 是百度飞桨生态中的开源光学字符识别工具库，支持多语种、表格与版面分析，可本地部署和离线运行。
OCR 基线已批准发票中 32% 的明细描述有错别字（如「費」读成「费」），算术校验无法发现。
零样本 Qwen2.5-VL-3B-Instruct 在测试集上的整票精确率为 5.3%，自动批准率为 8.1%；OCR + 规则基线的整票精确率为 37.8%，自动批准率为 55.0%。
文档处理层使用 RapidOCR（基于 PaddleOCR 模型转换、通过 ONNX Runtime 推理）配合 PyMuPDF，对矢量 PDF 直接读取内嵌文本层，对扫描件降级到 OCR 流程，并通过空间边界框聚类还原版面结构。
Realist 将 PaddleOCR 作为可选的 OCR 层，用于从照片中提取型号、标签等文字并与 listing 比对；模型和 PaddleOCR 均采用 Apache-2.0 许可。
OCR路线常用Tesseract、PaddleOCR等工具先得到纯文本再交给语言模型判断字段；端到端的视觉模型（如Donut、Qwen-VL）则跳过显式OCR，直接从图像预测结构化输出。
一个务实的最小可行方案包括：用OCR定时截取聊天区识别文字，维护FAQ关键词映射表，用字符串匹配或轻量意图分类判断，模拟键盘输入发送预设答案，并设置频率上限。
Tesseract等传统引擎适合规则文本，PaddleOCR、EasyOCR等开源模型适合中文与通用场景，云端API和视觉大模型适合复杂版面与非结构化内容。
InvoicePilot AI 的规划技术栈包括 Ollama、Qwen2.5 或其他兼容开源模型、PaddleOCR、Python + FastAPI、SQLite 和 React。
还有 14 条时间轴事件
全部知识事实 (20)
现代OCR引擎如Tesseract和ABBYY FineReader在纯文字识别上已达到95%以上的准确率
80%待验证归一化处理中PDF解析可使用PyMuPDF或pdfplumber，Word文档处理常用python-docx，图片OCR可用Tesseract或PaddleOCR
90%待验证PaddleOCR 是百度飞桨生态中的开源光学字符识别工具库，支持多语种、表格与版面分析，可本地部署和离线运行。
50%待验证Invoice AI 使用 PaddleOCR 从发票图片中提取文本，并识别供应商信息、发票号码、日期、小计、税额和总计等关键字段。
50%待验证OCR 基线已批准发票中 32% 的明细描述有错别字（如「費」读成「费」），算术校验无法发现。
50%待验证零样本 Qwen2.5-VL-3B-Instruct 在测试集上的整票精确率为 5.3%，自动批准率为 8.1%；OCR + 规则基线的整票精确率为 37.8%，自动批准率为 55.0%。
50%待验证文档处理层使用 RapidOCR（基于 PaddleOCR 模型转换、通过 ONNX Runtime 推理）配合 PyMuPDF，对矢量 PDF 直接读取内嵌文本层，对扫描件降级到 OCR 流程，并通过空间边界框聚类还原版面结构。
50%待验证Realist 将 PaddleOCR 作为可选的 OCR 层，用于从照片中提取型号、标签等文字并与 listing 比对；模型和 PaddleOCR 均采用 Apache-2.0 许可。
50%待验证OCR路线常用Tesseract、PaddleOCR等工具先得到纯文本再交给语言模型判断字段；端到端的视觉模型（如Donut、Qwen-VL）则跳过显式OCR，直接从图像预测结构化输出。
50%待验证一个务实的最小可行方案包括：用OCR定时截取聊天区识别文字，维护FAQ关键词映射表，用字符串匹配或轻量意图分类判断，模拟键盘输入发送预设答案，并设置频率上限。
50%待验证Tesseract等传统引擎适合规则文本，PaddleOCR、EasyOCR等开源模型适合中文与通用场景，云端API和视觉大模型适合复杂版面与非结构化内容。
50%待验证InvoicePilot AI 的规划技术栈包括 Ollama、Qwen2.5 或其他兼容开源模型、PaddleOCR、Python + FastAPI、SQLite 和 React。
50%待验证PaddleOCR 是百度飞桨团队开源的 OCR 工具库，支持中英文等多语种文字检测与识别，对扫描件、倾斜拍照、低分辨率票据等场景做了专门优化。
50%待验证PaddleOCR 相比 Tesseract 等传统方案在中文和复杂版面上准确率更高，且提供轻量模型供 CPU 推理。
50%待验证研究引入了PaddleOCR、EasyOCR和Tesseract三种OCR引擎的实际输出
50%待验证现代 OCR 引擎通常结合卷积神经网络（CNN）进行字符特征提取，再用循环神经网络（RNN）或 Transformer 建模字符序列的上下文关系
50%待验证PaddleOCR是百度开源的OCR工具包，中文识别效果出色，支持批量处理
50%待验证工程图纸OCR通常需要在通用引擎（如Tesseract、PaddleOCR）基础上进行领域适配微调
50%待验证OCR 技术历史可追溯到 20 世纪 70 年代，2010 年代之后基于深度学习的 OCR 引擎（如 Tesseract 4.0、PaddleOCR）大幅提升了识别精度
50%待验证简历解析中，图片型PDF（扫描件）需引入OCR技术如Tesseract或百度飞桨PaddleOCR，Word文档需通过Apache POI解析OOXML格式
50%