開發函式計算的正確姿勢——OCR 服務

阿新 • • 發佈：2020-12-14

作者 | 杜萬（倚賢）阿里雲技術專家

簡介

首先介紹下在本文出現的幾個比較重要的概念：

OCR（光學字元識別）：光學字元識別（Optical Character Recognition, OCR）是指對文字資料的影象檔案進行分析識別處理，獲取文字及版面資訊的過程。亦即將影象中的文字進行識別，並以文字的形式返回。

Tesserocr：Tesserocr 是 python 的一個 OCR 識別庫，但其實是對 tesseract 做的一層 python API 封裝，所以它的核心是 tesseract。

函式計算（Function Compute）：函式計算是一個事件驅動的服務，通過函式計算，使用者無需管理伺服器等執行情況，只需編寫程式碼並上傳。函式計算準備計算資源，並以彈性伸縮的方式執行使用者程式碼，而使用者只需根據實際程式碼執行所消耗的資源進行付費。函式計算更多資訊

參考。

Funcrfat：Funcraft 是一個用於支援 Serverless 應用部署的工具，能幫助您便捷地管理函式計算、API 閘道器、日誌服務等資源。它通過一個資源配置檔案（template.yml），協助您進行開發、構建、部署操作。Fun 的更多文件參考。

備註: 本文介紹的技巧需要 Funcraft 版本大於等於 3.6.8 。

本文介紹將一個預製的 tesserocr 示例快速部署到函式計算平臺。該示例藉助於 Funcraft 安裝了最新的 4.1.1 版本的 tesseract，相比於包管理器的 3.0.2 版本識別率大幅度提升。

該示例提供了一個 vue.js 實現的互動介面，有三種提供輸入圖片的方式：使用示例圖片、上傳圖片或者提供圖片 URL。然後使用者點選識別按鈕就能迅速體驗識別效果。

將 tesserocr 部署於函式計算，藉助於函式計算的自動伸縮和按量計費的特性，提供了免運維和成本優勢。

下面是部署以後的使用效果動圖：

初始化

git clone https://github.com/vangie/fc-ocr-example.git

安裝依賴

$ fun install

本地測試

$ fun local start domain_for_ocr
using template: template.yml
CustomDomain domain_for_ocr of tesserocr/tesserocr was registered
        url: http://localhost:8000/
        methods: [ 'GET', 'POST' ]
        authType: ANONYMOUS

function compute app listening on port 8000!

使用瀏覽器開啟 http://localhost:8000/

同步檔案到 NAS

同步模型目錄 tessdata_fast 和依賴目錄 .fun/root .fun/python 到 NAS 盤。

$ fun nas sync

部署

$ fun deploy
using template: template.yml
using region: cn-shanghai
using accountId: ***********3743
using accessKeyId: ***********Ptgk
using timeout: 60

...

Detect 'DomainName:Auto' of custom domain 'domain_for_ocr'
Fun will reuse the temporary domain 1712300-1986114430573743.test.functioncompute.com, expired at 2020-04-27 19:35:00, limited by 1000 per day.

Waiting for custom domain domain_for_ocr to be deployed...
custom domain domain_for_ocr deploy success

...

注意上面返回的臨時域名地址：1712300-1986114430573743.test.functioncompute.com

使用瀏覽器開啟 http://1712300-1986114430573743.test.functioncompute.com