PaddleOCR 三步把营业执照图片变成结构化数据
【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR
需要把营业执照扫描件上的企业名称、统一社会信用代码、法定代表人逐字录入时，工作量不小，也容易录错。PaddleOCR 是一个开源 OCR 工具包，通过“文本检测 + 文本识别”流水线，可以从营业执照图片中提取文字和位置信息；对表格、印章等复杂版面，还能叠加 PPStructureV3 版面解析，把关键字段直接输出成结构化数据。它支持 100 多种语言，当前官方默认产线为 PP-OCRv6。
营业执照识别流程：从图片到字段的 4 个环节
整个过程像接力赛，每一步只管自己的一段：
- 文档预处理：角度分类、透直校正等可选环节，先把拍歪、拍斜的营业执照摆正。
- 文本检测：在图上框出每一行文字的区域，小字号、被红色印章盖住的文字也能被框出来。
- 文本识别：把每个区域转成文字并给出置信度，方便你决定哪些字段要人工复核。
- 结构化解析（可选）：PPStructureV3 识别表格单元格、段落、印章等区域，结果按版面顺序输出，便于直接对应“企业名称”“注册资本”“成立日期”等字段。
最快跑通 PaddleOCR 营业执照识别的步骤
先装好依赖（本机需 PaddlePaddle 3.0 及以上）：
python -m pip install "paddleocr[all]" # 也可以克隆仓库查看源码 git clone https://gitcode.com/GitHub_Trending/pa/PaddleOCR再用几行 Python 出结果，图片换成你的营业执照照片即可：
from paddleocr import PaddleOCR ocr = PaddleOCR(use_doc_orientation_classify=False, use_doc_unwarping=False, use_textline_orientation=False) for res in ocr.predict("business_license.jpg"): res.print() # 打印文本与置信度 res.save_to_json("output") # 保存为结构化 JSON完整参数与命令行用法可查 docs/quick_start.md。
Server 版和 Mobile 版怎么选
PaddleOCR 各模块都提供 server、mobile 两种规格。以 PP-OCRv5 系列为例（数据来自官方内置中英文评测集）：
| 模型 | 任务 | 精度 | GPU 推理耗时 | 模型大小 |
|---|---|---|---|---|
| PP-OCRv5_server_rec | 文本识别 | 86.38% | 8.46 ms | 81 MB |
| PP-OCRv5_mobile_rec | 文本识别 | 81.29% | 5.43 ms | 16 MB |
| PP-OCRv5_server_det | 文本检测 | 83.8% | 89.55 ms | 101 MB |
| PP-OCRv5_mobile_det | 文本检测 | 79.0% | 10.67 ms | 4.7 MB |
选择逻辑不复杂：有 GPU、精度优先就选 server；只有 CPU 或要上移动端，选 mobile，体积差距可达 5~20 倍，值得实测一轮再定。完整指标表见 docs/version3.x/model_list.md；当前默认的 PP-OCRv6 产线数据尚未完全公开，以官方仓库为准。
🏷️ 三个值得尝试的业务场景
- 企业资料归档：批量识别营业执照扫描件，企业名称、信用代码等字段直接写入归档库，低置信度的再人工复核。
- 银行 / 保险资质审核：核对执照上的企业名称与开户材料是否一致，减少录入差错。
- 供应商入驻：结合版面解析处理资质清单、发票这类复杂表格，省去手工誊抄。
营业执照识别常见问题
Q：统一社会信用代码这种小字识别不准？先检查图片清晰度和分辨率；仍不满意就换 server 识别模型，并开启文档角度分类预处理。
Q：能直接识别 PDF 吗？工具包支持文档类输入，也可以先把 PDF 逐页转成图片再识别，具体支持格式以官方文档为准。
Q：CPU 上能跑多快？取决于核数与模型大小，官方基准表给出了每张图的 CPU 耗时（常规/高性能两档），以自己的环境实测为准。
PaddleOCR 把“图片 → 结构化字段”这条路走通了，开源免费，仓库里还有 C++ 推理和移动端部署的示例，接生产系统时可以直接参考。建议先装环境、跑通一张营业执照图片，再谈批量与部署。🚀
【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
