OCR 容器号识别系统产品系统

在国际物流和跨境电商中，集装箱号与单据识别是高频需求，但人工录入效率低、易出错，影响整体供应链效率。传统 OCR 系统对复杂票据识别率低，无法满足企业批量化、标准化处理需求。
本项目聚焦物流仓储与企业服务场景，针对托书、进仓通知单等单据进行自动化识别，降低人工成本，提升信息处理效率，满足企业数字化转型需求。

1. 支持单张/批量上传物流单据图片，自动识别集装箱号、托书号等关键信息。
2. 提供 RESTful API 接口，可直接集成到企业管理系统中，支持远程调用。
3. 支持结果结构化输出（JSON 格式），便于后续对接数据库或 ERP 系统。
4. 具备基础的图像预处理功能，提升识别准确率，对模糊/倾斜图片也能有效识别。

在本项目中，我主要负责系统整体开发与部署：
- 技术栈：Python、FastAPI、OpenCV、PaddleOCR、Docker
- 架构：基于 FastAPI 提供 HTTP 接口，前端可通过 POST/GET 请求调用 OCR 服务，返回 JSON 结构化结果
- 实现要点：
1. 使用 OpenCV 进行图像预处理（灰度化、二值化、裁切），提升 OCR 识别准确率。
2. 集成 PaddleOCR 模型，识别出集装箱号、托书号等关键字段。
3. 设计正则校验规则，保证识别结果符合国际集装箱号格式（ISO 6346 标准）。
4. 将服务打包为 Docker 镜像，支持 Linux 环境快速部署，方便客户在企业私有服务器或云环境运行。
- 难点与突破：针对票据复杂背景和多种扫描分辨率，增加了预处理与结果校验逻辑，最终识别准确率显著提升。