OCR de texto em cenas com Ultralytics YOLO26

O que é OCR de texto em cenas?#

O reconhecimento ótico de caracteres (OCR) deteta e lê texto em imagens. A solução de OCR combina um detetor de texto Ultralytics YOLO26 com um backend de reconhecimento de texto. Suporta caixas de deteção alinhadas aos eixos, caixas orientadas (OBB) e polígonos de segmentação e, em seguida, devolve o texto reconhecido pela ordem de leitura.

A deteção e o reconhecimento continuam a ser componentes separados, por isso podes combinar o teu detetor de texto em cenas com PaddleOCR ou com o teu próprio modelo de reconhecimento.

Porquê usar OCR de texto em cenas?#

• Geometria de texto flexível: usa modelos de deteção, OBB ou segmentação para texto horizontal, rodado ou irregular.
• Reconhecimento intercambiável: executa PaddleOCR sem código de integração adicional ou passa uma função chamável para outro modelo.
• Saída estruturada: acede ao texto reconhecido, às confianças de reconhecimento e deteção, à geometria de origem e a uma imagem anotada a partir de um único objeto de resultados.

Executar OCR de texto em cenas com YOLO26#

PaddleOCR é opcional e é carregado quando OCR é criado com recognizer="paddleocr", instalando PaddleOCR 3.x e a compilação de CPU do PaddlePaddle, caso ainda não estejam instalados. Para reconhecimento na GPU, instala primeiro uma compilação compatível de paddlepaddle-gpu; não são adicionados pacotes de OCR às dependências base de Ultralytics.

Passa uma imagem e um detetor de texto à solução OCR. O resultado contém a imagem anotada e o texto reconhecido:

yolo solutions ocr model="scene-text-obb.pt" source="path/to/video.mp4" recognizer="paddleocr"

Pontos de controlo YOLO26-Text#

A família pública YOLO26-Text disponibiliza pontos de controlo OBB n, s, m, l e x. Define ULTRALYTICS_API_KEY com a tua chave de API da Ultralytics Platform e, em seguida, carrega um ponto de controlo através do URI da Platform:

export ULTRALYTICS_API_KEY="your-api-key"

ocr = solutions.OCR(model="ul://ultralytics-yolo/yolo26-text/yolo26n-text", recognizer="paddleocr")
result = ocr(im0)

Substitui yolo26n-text por yolo26s-text, yolo26m-text, yolo26l-text ou yolo26x-text para usar um modelo maior.

Argumentos de OCR#

Aqui está uma tabela com os argumentos de OCR:

Além disso, há suporte para as seguintes configurações de visualização:

Como funciona o OCR de texto em cenas#

1. Detetar texto: YOLO26 produz caixas alinhadas aos eixos, caixas orientadas ou polígonos de segmentação.
2. Criar recortes para reconhecimento: as caixas são ajustadas aos limites da imagem. As OBB são retificadas por transformação afim ao longo da aresta que se estende mais da esquerda para a direita, para que as caixas quase quadradas permaneçam direitas e as linhas de texto inclinadas fiquem na horizontal, na direção de leitura. No caso dos polígonos de segmentação, o retângulo rodado de área mínima é retificado e o polígono original é mantido. Os recortes com uma altura pelo menos 1,5× superior à largura são rodados 90° no sentido anti-horário, tal como no PaddleOCR.
3. Reconhecer texto: PaddleOCR processa todos os recortes em lotes de 16. Os reconhecedores personalizados recebem um recorte de cada vez.
4. Ordenar e apresentar resultados: o texto é agrupado em linhas horizontais e ordenado de cima para baixo e da esquerda para a direita. A visualização usa um tipo de letra Unicode para texto não ASCII, como o chinês.

As coordenadas referem-se sempre à imagem original, não à entrada do detetor nem ao recorte de reconhecimento.

Usar um reconhecedor personalizado#

Passa uma função chamável para integrar outro modelo de reconhecimento sem alterar o fluxo de deteção, geometria ou ordenação. A função chamável é executada uma vez para cada recorte BGR numpy.ndarray não vazio. Devolve uma tupla (text, confidence) por chamada, não uma lista de resultados de lotes:

def recognize(crop):
    # Executa o teu modelo de reconhecimento no recorte BGR e descodifica aqui a respetiva saída.
    return "example", 0.95

ocr = solutions.OCR(model="custom-text.pt", recognizer=recognize)
result = ocr(im0)

Nomes de backend não suportados geram um erro ValueError. Quando não é detetado texto, result.texts fica vazio e o reconhecedor não é chamado.

Resultados de OCR#

Cada chamada devolve um objeto SolutionResults. Usa result.plot_im para obter a imagem anotada e result.texts para obter registos numa ordem de leitura determinística:

Dependências e licenças#

PaddleOCR pode transferir pesos de reconhecimento na primeira utilização. Consulta o cartão do modelo selecionado e os termos de redistribuição antes de empacotar ou implementar esses artefactos. As licenças dos pontos de controlo personalizados são independentes.

Perguntas frequentes#