行驶证正副页信息OCR识别系统

项目背景与难点

客户在业务中需要将行驶证正页、副页上的车辆信息录入系统，原有方式依赖人工，效率低且容易出错。实际图片往往不只包含单页，可能同时出现正页、副页甚至其他页面，系统需要先判断页面类型再提取对应字段。

技术难点包括：印刷体字符中“2”与“Z”、“0”与“8”、“6”与“9”、“g”与“G”等易混淆；印刷位置偏移导致小数点等符号干扰；部分文字在图片中占两行，对文本检测框的定位精度要求较高。此外，部署环境为国产麒麟操作系统，需支持内网离线运行，对兼容性和交付形态有明确要求。客户提供约600张真实照片用于训练，但训练数据量有限，需要算法具备较好的泛化能力。

软件交付内容

敏洽交付的行驶证识别系统采用Python开发，包含图像预处理、页面分类、文本检测、文字识别、字段解析与结果输出等模块。系统接收jpg、jpeg、png等常见格式图片，自动判断是否包含正页、副页，并提取PlateNo、VehicleType、Owner、OwnerAddress、UseCharacter、VehicleBrand、VIN、EngineNo、RegisterDate、IssueDate、CardNo、FileNo、SeatNum、TotalMass、CurbWeight、LoadMass、Dimensions、FuelType共18个字段，最终以JSON字典形式输出。

针对易混淆字符，系统在识别模型基础上进行了专项微调，并利用正则表达式过滤印刷偏移产生的干扰符号；对于跨行文本，优化了检测框的合并策略，确保字段内容完整。整个系统打包为Docker镜像，可部署在麒麟高级服务器操作系统上，通过内网API提供服务，满足数据不出网的合规要求。

实施成果

系统上线后，在超过20张的真实测试集上，字典级准确率超过90%，即20张图中允许错2张，达到验收标准。识别结果覆盖行驶证正页和副页的18个关键字段，能够满足车辆信息自动录入、档案电子化等业务需求。

由于采用Docker离线部署，系统在客户内网环境稳定运行，无需连接外网，降低了数据泄露风险。同时，Python代码便于后期维护和算法迭代，客户可自行补充训练数据进一步优化识别效果。相比人工录入，单张图片的信息提取时间大幅缩短，录入错误率显著下降，识别结果可直接对接业务系统，减少人工二次录入，为后续车辆管理流程的自动化奠定了基础。

关键指标