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、副页上的关键信息录入系统，原有方式依赖人工逐项抄录，效率低且容易出错。实际图片场景复杂，可能只包含正页或副页单页，也可能包含正页、副页与其他页面混排，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，对检测框的定位精度要求高；同时要求软件能在麒麟高级服务器操作系统上离线部署，通过内网API访问，不能依赖公有云服务。客户提供约600张真实拍摄的行驶证照片用于训练，但样本覆盖有限，算法需要具备较强的泛化能力，才能在验收测试集上稳定达到准确率要求。

软件交付内容

敏洽交付的行驶证识别系统以Docker镜像形式部署在客户内网服务器上，对外提供HTTP API接口。系统接收上传的行驶证图片后，首先进行页面类型判别，区分正页、副页及混合页面；然后通过目标检测模型定位各字段所在区域，利用OCR模型识别文字内容；最后经过正则表达式与字段映射后处理，输出结构化字典数据。

系统支持jpg、jpeg、png等常见图片格式，覆盖行驶证正页、副页及混合页面共3种版式。针对易混淆字符和印刷偏移问题，在后处理环节设计了字符纠错规则；对于跨行文字，通过检测框合并策略保证字段完整性。交付物包括可离线运行的Docker镜像、API接口文档、部署说明及Python源码，便于客户后续维护。

实施成果

系统在客户提供的测试集上完成验收，测试集图片超过20张且人眼可辨，提取字典准确率超过90%，满足技术协议要求。系统成功部署于麒麟高级服务器操作系统，利用NVIDIA Tesla V100S GPU实现离线推理，客户业务系统通过内网API调用识别服务，无需连接外网。

上线后，行驶证信息录入由人工逐项抄录变为自动识别与结构化输出，单张图片的处理时间显著缩短，减少了人工录入环节，降低了因疲劳或疏忽导致的差错风险。系统以Docker镜像形式交付，部署周期短，运维成本低；API接口设计简洁，客户可快速将其集成到现有业务流程中。后续客户可自行扩充训练数据，对模型进行迭代优化，进一步提升在复杂场景下的识别效果。

关键指标