OCR 是边缘视觉中非常典型的一类任务：算法不仅要“认出字”，还要在真实场景中完成文本检测、透视裁图、文字识别，并最终稳定运行在端侧硬件上。
这次分享的两套 RoboGo 镜像，目标不是简单打包一套 PaddleOCR 环境，而是把 PaddleOCR、RDK Model Zoo、RoboGo 平台和 RDK BPU 连成一条可以实际使用和验证的技术链路：
RoboGo 数据管理 / 数据标注
↓ 读写挂载到 /personal
PaddleOCR 训练与评估（det + rec）
↓
RDK Model Zoo 合规 ONNX
↓
OpenExplorer 量化、编译与 x86 验证
↓
X5 .bin / S 系列 .hbm
↓
RDK 板端部署与性能验证
训练数据、日志、Paddle 权重、ONNX、量化模型、验证报告和结果图片都会回写到用户挂载的数据目录，因此可以直接在 RoboGo 数据管理中继续查看、下载或交给后续流程使用。
为什么选择 PaddleOCR
PaddleOCR 的目标，是提供多语言、准确、轻量且真正可落地的 OCR 工具链，让开发者既能使用预训练模型，也能用自己的数据训练和微调，并部署到不同硬件平台。
对于 RDK 这类边缘设备，PaddleOCR 的价值尤其体现在：
- 将 OCR 拆分为文本检测
det与文字识别rec，模型边界清晰，便于分别训练、量化和定位精度问题； - 输出文本框、文字内容和置信度，适合票据、工业字符、路牌、仪表、包装和自然场景文字等任务；
- 模型轻量，可针对业务字符集和场景数据继续训练；
- PP-OCRv6 进一步强化了多语言统一、复杂工业场景和端侧部署能力，Tiny 模型适合资源受限设备。
本次 X5 镜像采用 PP-OCRv3，是为了匹配当前 X5 Model Zoo 与 OpenExplorer 的成熟部署配方；S 系列镜像采用 PP-OCRv6 Tiny，面向更新的 Nash 架构工具链。这里追求的不是单纯使用“最新模型”，而是让算法版本、ONNX、预处理、量化配置和 BPU 运行时彼此匹配。
Model Zoo、RoboGo 和 RDK 分别解决什么问题
| 环节 | 作用 |
|---|---|
| PaddleOCR | 提供检测/识别模型、训练方法、预训练权重和导出能力 |
| RDK Model Zoo / S 系列 Model Zoo | 给出与 RDK 推理代码一致的输入尺寸、预处理、输出和后处理规范 |
| RoboGo 数据管理与标注 | 保存原始图片、标注数据和最终产物，并挂载到开发机 |
| RoboGo 开发机与本镜像 | 提供 GPU 训练、ONNX 导出、BPU 量化编译、验证和 Web 工作台 |
| RDK X5 / S100 / S100P / S600 | 执行最终 BPU 模型，完成真实板端精度和性能验证 |
Model Zoo 在这里并不是单纯的“模型下载站”。它连接了训练框架和板端推理代码，规定训练产物怎样变成板端能够正确解释的模型。镜像中的导出、校准和后处理都与对应 Model Zoo 配方保持一致，避免出现“模型虽然编译成功，但输入颜色、归一化或输出解释不一致”的问题。
两套可以直接使用的镜像
- RDK X5 PaddleOCR v3 全链路镜像 v1.0：输出 X5
.bin - RDK S100/S100P/S600 PaddleOCR v6 全链路镜像 v1.0：输出 S 系列
.hbm
| 目标平台 | OCR 模型 | BPU 架构 | 开发机内验证 |
|---|---|---|---|
| RDK X5 | PP-OCRv3 Det/Rec | bayes-e |
OE x86 仿真与在线推理 |
| RDK S100 | PP-OCRv6 Tiny Det/Rec | nash-e |
OE x86 仿真与在线推理 |
| RDK S100P | PP-OCRv6 Tiny Det/Rec | nash-m |
OE x86 仿真与在线推理 |
| RDK S600 | PP-OCRv6 Tiny Det/Rec | nash-p |
完成 HBM 编译，必须到 S600 实板验证 |
5 分钟开始体验
1. 创建开发机
从上面的镜像链接创建开发机，推荐配置：
- GPU：
1 × RTX 4090（24 GB） - 系统盘：至少
120 GB - 数据目录：以读写方式挂载到
/personal - Web 应用端口：
7860 - Web 应用路径：
/
开机后直接点击“Web应用”。第一次出现 502 Bad Gateway 通常表示服务仍在初始化，等待 30～60 秒后刷新即可。
2. 先做一次在线推理验证
进入“在线推理测试”，选择“完整 OCR 串联推理”：
- 选择同一套检测和识别模型；
- 选择一张位于
/personal的测试图片； - 启动推理；
- 查看文本框、识别文字、置信度、坐标、耗时、结果图和 JSON。
建议先使用浮点 ONNX 跑通，再换成同一次任务生成的 X5 .bin 或 S 系列 .hbm。对比同一张图片，可以快速发现量化后是否出现漏检、框漂移、排序变化或识别结果下降。
X5 OCR 在线推理结果示例。页面会同时给出检测框、文字结果与置信度。
3. 已有浮点模型：直接量化
如果已经有 det/rec 两个浮点 ONNX，只需要提供：
- 文本检测 ONNX；
- 文字识别 ONNX；
- 原始训练图片目录；
- S 系列任务额外选择目标板卡。
工作台会从原始图片中选取检测模型校准数据，再调用浮点检测模型完成 DB 后处理和透视裁图，自动生成识别模型所需的真实文字框校准图。用户不需要另外手工制作一套 rec 校准数据。
原始训练图片 ─┬─→ det 校准 ─→ det 量化/编译
└─→ 浮点 det ─→ 文本框 ─→ 透视裁图 ─→ rec 校准 ─→ rec 量化/编译
4. 使用自己的数据训练
也可以从 PaddleOCR 数据集开始，在“训练与转换”中分别训练 det 或 rec，再导出 Model Zoo 合规 ONNX。
第一次使用自定义数据时，建议选择“等待确认再量化”：先检查训练指标、字符字典和浮点 ONNX 的完整 OCR 结果，确认无误后再开始 BPU 量化。流程稳定后，再选择自动继续量化。
所有输出默认保存到：
/personal/output/时间-模型/
├── 训练日志、评估指标和 Paddle 权重
├── 浮点 Model Zoo ONNX
├── 定点 ONNX
├── X5 .bin / S 系列 .hbm
├── 自动生成的识别校准裁图
├── ocr-quantization-report.json
└── OpenExplorer 编译、模型信息与仿真日志
怎样判断量化模型是否可靠
镜像不会把“生成了 .bin 或 .hbm”直接当作成功，而是同时检查：
- 模型输入、输出和固定形状是否符合 Model Zoo 配方；
- 浮点输出与量化输出的余弦相似度；
- BPU 对外输出是否保持
FLOAT，末端Dequantize是否保留； - X5、S100、S100P 的 BPU 模型是否通过 OE x86 仿真；
- 完整 OCR 串联推理中，文本框、文字和置信度是否合理。
v1.0 正式验收结果：
- X5：det/rec 浮点—量化余弦相似度为
0.986034/0.999919； - S100：det/rec 编译余弦为
0.996447/0.997547，HBM x86 仿真相似度为0.994965/0.997228。
S100 浮点 ONNX OCR 串联推理。
同一测试图的 S100 BPU .hbm 串联推理。
这些检查主要用于发现转换和量化造成的异常损失；它们不能替代训练数据质量、字符字典和浮点模型本身的精度评估。OE x86 仿真耗时也不是板端性能数据，最终吞吐、时延和完整效果仍应在对应 RDK 板卡上验证。
常用恢复命令
如果 Web 应用未正常启动，可以在开发机终端执行：
bash /home/robogo/START_TRAINING_WEB.sh
training-web status
training-web restart
training-web logs 100
两套镜像的详细数据格式、版本约束、ONNX opset、预处理和量化参数已经写在各自资产 README 中。论坛帖子重点介绍整体链路和快速体验；需要深入排查时，再查看镜像 README、ocr-quantization-report.json 和任务日志。
欢迎在 RoboGo 中体验。如果遇到训练数据格式、字符字典、量化精度或板端部署问题，可以在评论区附上目标平台、任务报告和错误日志，我们会继续完善这条从 PaddleOCR 到 RDK BPU 的开发链路。