Paddle OCR vs Tesseract: Comparación detallada de OCR

El modelo de tubería de tres etapas en la práctica

Cada llamada de inferencia de PaddleOCR ejecuta tres redes neuronales consecutivamente. El código que aparece a continuación muestra la ruta de configuración completa que un desarrollador encuentra antes de que se devuelva cualquier texto:

// Five packages required before this compiles:
// dotnet add package Sdcb.PaddleOCR
// dotnet add package Sdcb.PaddleOCR.Models.Online
// dotnet add package Sdcb.PaddleInference.runtime.win64.mkl
// dotnet add package OpenCvSharp4
// dotnet add package OpenCvSharp4.runtime.win

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;

// Async download from Baidu servers — blocks first run for 10-30 seconds
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// PaddleOcrAll bundles detection, classification, and recognition
using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

// OpenCV required — no file path shortcut
using Mat mat = Cv2.ImRead("document.png");

if (mat.Empty())
{
    throw new FileNotFoundException("Could not load image");
}

// Three neural networks fire in sequence
PaddleOcrResult result = ocr.Run(mat);

Console.WriteLine(result.Text);

// Five packages required before this compiles:
// dotnet add package Sdcb.PaddleOCR
// dotnet add package Sdcb.PaddleOCR.Models.Online
// dotnet add package Sdcb.PaddleInference.runtime.win64.mkl
// dotnet add package OpenCvSharp4
// dotnet add package OpenCvSharp4.runtime.win

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;

// Async download from Baidu servers — blocks first run for 10-30 seconds
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// PaddleOcrAll bundles detection, classification, and recognition
using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

// OpenCV required — no file path shortcut
using Mat mat = Cv2.ImRead("document.png");

if (mat.Empty())
{
    throw new FileNotFoundException("Could not load image");
}

// Three neural networks fire in sequence
PaddleOcrResult result = ocr.Run(mat);

Console.WriteLine(result.Text);

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models.Online
Imports OpenCvSharp

' Five packages required before this compiles:
' dotnet add package Sdcb.PaddleOCR
' dotnet add package Sdcb.PaddleOCR.Models.Online
' dotnet add package Sdcb.PaddleInference.runtime.win64.mkl
' dotnet add package OpenCvSharp4
' dotnet add package OpenCvSharp4.runtime.win

' Async download from Baidu servers — blocks first run for 10-30 seconds
Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()

' PaddleOcrAll bundles detection, classification, and recognition
Using ocr As New PaddleOcrAll(models) With {
    .AllowRotateDetection = True,
    .Enable180Classification = True
}

    ' OpenCV required — no file path shortcut
    Using mat As Mat = Cv2.ImRead("document.png")

        If mat.Empty() Then
            Throw New FileNotFoundException("Could not load image")
        End If

        ' Three neural networks fire in sequence
        Dim result As PaddleOcrResult = ocr.Run(mat)

        Console.WriteLine(result.Text)
    End Using
End Using

El arreglo result.Regions contiene objetos de región de texto individual, cada uno con una cadena Text, un valor de confianza Score y un cuadro delimitador Rect. Para filtrar por confianza: result.Regions.Where(r => r.Score > 0.8). El ordenamiento de regiones es espacial, no se garantiza orden de lectura, por lo que ordenar por region.Rect.Center.Y luego region.Rect.Center.X es un patrón común.

Comparación detallada de características

Enfoque PaddleOCR

El modelo chino funciona bien porque las redes de detección y reconocimiento fueron entrenadas con grandes conjuntos de datos de documentos chinos por Baidu, cuyo negocio principal consiste en procesar contenido web chino a gran escala.

// Chinese model: highest accuracy for CJK documents
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead("chinese-invoice.png");
PaddleOcrResult result = ocr.Run(mat);

// Filter low-confidence regions for cleaner output
var highConfidence = result.Regions
    .Where(r => r.Score >= 0.8)
    .OrderBy(r => r.Rect.Center.Y)
    .ThenBy(r => r.Rect.Center.X);

foreach (var region in highConfidence)
{
    Console.WriteLine($"{region.Text} ({region.Score:P0})");
}

// Chinese model: highest accuracy for CJK documents
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead("chinese-invoice.png");
PaddleOcrResult result = ocr.Run(mat);

// Filter low-confidence regions for cleaner output
var highConfidence = result.Regions
    .Where(r => r.Score >= 0.8)
    .OrderBy(r => r.Rect.Center.Y)
    .ThenBy(r => r.Rect.Center.X);

foreach (var region in highConfidence)
{
    Console.WriteLine($"{region.Text} ({region.Score:P0})");
}

Imports System
Imports System.Linq
Imports OpenCvSharp

' Chinese model: highest accuracy for CJK documents
Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()

Using ocr As New PaddleOcrAll(models) With {
    .AllowRotateDetection = True,
    .Enable180Classification = True
}

    Using mat As Mat = Cv2.ImRead("chinese-invoice.png")
        Dim result As PaddleOcrResult = ocr.Run(mat)

        ' Filter low-confidence regions for cleaner output
        Dim highConfidence = result.Regions _
            .Where(Function(r) r.Score >= 0.8) _
            .OrderBy(Function(r) r.Rect.Center.Y) _
            .ThenBy(Function(r) r.Rect.Center.X)

        For Each region In highConfidence
            Console.WriteLine($"{region.Text} ({region.Score:P0})")
        Next
    End Using
End Using

El patrón de filtro de confianza (r.Score >= 0.8) es importante porque el paso de detección basado en aprendizaje profundo ocasionalmente marcará regiones no textuales como texto. Sin filtrado, aparecen regiones de ruido en la salida. Ordenar por Rect.Center.Y luego Rect.Center.X aproxima el orden de lectura pero no lo garantiza para diseños complejos de múltiples columnas.

Enfoque de IronOCR

La compatibilidad con chino simplificado de IronOCR se instala como un paquete NuGet y no requiere gestión de modelos. La precisión en documentos chinos oscila entre el 85 % y el 90 %, inferior al 95 % o más que ofrece PaddleOCR en el mismo material, pero suficiente para muchos casos de uso en producción, especialmente cuando los documentos tienen un formato uniforme.

// dotnet add package IronOcr.Languages.ChineseSimplified

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;

using var input = new OcrInput();
input.LoadImage("chinese-invoice.png");

// Preprocessing handles rotation, noise, and contrast automatically
input.Deskew();
input.DeNoise();

var result = ocr.Read(input);

// Word-level results with coordinates
foreach (var word in result.Words)
{
    Console.WriteLine($"{word.Text} at ({word.X},{word.Y}) — {word.Confidence}%");
}

// dotnet add package IronOcr.Languages.ChineseSimplified

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;

using var input = new OcrInput();
input.LoadImage("chinese-invoice.png");

// Preprocessing handles rotation, noise, and contrast automatically
input.Deskew();
input.DeNoise();

var result = ocr.Read(input);

// Word-level results with coordinates
foreach (var word in result.Words)
{
    Console.WriteLine($"{word.Text} at ({word.X},{word.Y}) — {word.Confidence}%");
}

Imports IronOcr

' dotnet add package IronOcr.Languages.ChineseSimplified

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified

Using input As New OcrInput()
    input.LoadImage("chinese-invoice.png")

    ' Preprocessing handles rotation, noise, and contrast automatically
    input.Deskew()
    input.DeNoise()

    Dim result = ocr.Read(input)

    ' Word-level results with coordinates
    For Each word In result.Words
        Console.WriteLine($"{word.Text} at ({word.X},{word.Y}) — {word.Confidence}%")
    Next
End Using

Para equipos que necesitan varios idiomas simultáneamente — como documentos en chino/inglés mezclados —IronOCR maneja la combinación con AddSecondaryLanguage. PaddleOCR requiere cambiar los conjuntos de modelos entre idiomas, lo que implica llamadas de descarga separadas e instancias de motor separadas.

La disyuntiva es clara: PaddleOCR gana en precisión pura para caracteres CJK.IronOCR destaca por su precisión en inglés/latín (97-99% frente a 92-95%), el preprocesamiento de escaneos de baja calidad y la simplicidad operativa de no tener que gestionar archivos de modelo. Los equipos que procesan documentos en una mezcla de idiomas, o que procesan principalmente documentos en idiomas europeos con contenido ocasional en caracteres chinos, japoneses y coreanos (CJK), encontrarán que el perfil de precisión de IronOCR es más útil en su conjunto. Consulta el centro de tutoriales de IronOCR para ver ejemplos en varios idiomas y de preprocesamiento.

Enfoque PaddleOCR

PaddleOCR distribuye los modelos por separado del paquete NuGet . Se requieren tres directorios de modelos para una ejecución completa de OCR, y cada enfoque para obtenerlos tiene una ventaja o desventaja diferente:

// Option A: Online download — simplest, but requires Baidu server access
// This runs on application startup; first run blocks for 10-30 seconds
FullOcrModel onlineModels = await OnlineFullModels.ChineseV4.DownloadAsync();

// Option B: Pre-downloaded local models — for air-gapped or compliance environments
// Developer must manually download and maintain three directories:
//   models/ch_PP-OCRv4_det_infer/
//   models/ch_ppocr_mobile_v2.0_cls_infer/
//   models/ch_PP-OCRv4_rec_infer/
FullOcrModel localModels = new FullOcrModel(
    LocalDetectionModel.FromDirectory("models/ch_PP-OCRv4_det_infer"),
    LocalClassificationModel.FromDirectory("models/ch_ppocr_mobile_v2.0_cls_infer"),
    LocalRecognitionModel.FromDirectory("models/ch_PP-OCRv4_rec_infer")
);

// Option C: Embedded model package — adds 100MB to NuGet restore, simplest deployment
// dotnet add package Sdcb.PaddleOCR.Models.LocalV4

// Japanese and Korean require separate model downloads:
FullOcrModel japaneseModels = await OnlineFullModels.JapanV4.DownloadAsync();
FullOcrModel koreanModels = await OnlineFullModels.KoreanV4.DownloadAsync();

// Option A: Online download — simplest, but requires Baidu server access
// This runs on application startup; first run blocks for 10-30 seconds
FullOcrModel onlineModels = await OnlineFullModels.ChineseV4.DownloadAsync();

// Option B: Pre-downloaded local models — for air-gapped or compliance environments
// Developer must manually download and maintain three directories:
//   models/ch_PP-OCRv4_det_infer/
//   models/ch_ppocr_mobile_v2.0_cls_infer/
//   models/ch_PP-OCRv4_rec_infer/
FullOcrModel localModels = new FullOcrModel(
    LocalDetectionModel.FromDirectory("models/ch_PP-OCRv4_det_infer"),
    LocalClassificationModel.FromDirectory("models/ch_ppocr_mobile_v2.0_cls_infer"),
    LocalRecognitionModel.FromDirectory("models/ch_PP-OCRv4_rec_infer")
);

// Option C: Embedded model package — adds 100MB to NuGet restore, simplest deployment
// dotnet add package Sdcb.PaddleOCR.Models.LocalV4

// Japanese and Korean require separate model downloads:
FullOcrModel japaneseModels = await OnlineFullModels.JapanV4.DownloadAsync();
FullOcrModel koreanModels = await OnlineFullModels.KoreanV4.DownloadAsync();

La versión del modelo debe coincidir con la versión del contenedor. Cuando Sdcb.PaddleOCR se actualice, los modelos pre-descargados de la versión anterior pueden requerir una nueva descarga. Las canalizaciones de CI/CD que almacenan en caché el paso de restauración de NuGet también deben gestionar por separado el almacenamiento en caché de archivos de modelo o activar las descargas de modelos durante la fase de creación del contenedor. La comparación de imágenes Docker muestra la consecuencia: un contenedor PaddleOCR ocupa aproximadamente 1,5 GB; Un contenedor IronOCR de aproximadamente 400 MB.

Enfoque de IronOCR

Los modelos de lenguaje de IronOCR son paquetes NuGet estándar. Sin llamadas de descarga, sin gestión de directorios de modelos, sin sincronización de versiones. El paquete NuGet para IronOCR incluye el modelo en inglés; Los paquetes de idiomas adicionales se instalan exactamente igual que cualquier otra dependencia.

// dotnet add package IronOcr
// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.Japanese

using IronOcr;

// No async initialization, no model path, no version matching
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.Japanese);

using var input = new OcrInput();
input.LoadImage("mixed-cjk-document.png");

var result = ocr.Read(input);
Console.WriteLine(result.Text);

// dotnet add package IronOcr
// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.Japanese

using IronOcr;

// No async initialization, no model path, no version matching
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.Japanese);

using var input = new OcrInput();
input.LoadImage("mixed-cjk-document.png");

var result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr

' No async initialization, no model path, no version matching
Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
ocr.AddSecondaryLanguage(OcrLanguage.Japanese)

Using input As New OcrInput()
    input.LoadImage("mixed-cjk-document.png")

    Dim result = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

Los paquetes de idioma se restauran como parte de dotnet restore. El paso de construcción de Docker que copia directorios models/, ejecuta apt-get install libopencv-dev y añade la imagen base CUDA simplemente no existe en un contenedor IronOCR. Para los equipos que utilizan la implementación con Docker o la implementación con Azure , la diferencia en la complejidad de la creación de contenedores es sustancial.

Enfoque PaddleOCR

La inferencia mediante GPU requiere una pila de software completamente independiente, ajena a NuGet. Los requisitos del entorno son precisos y están vinculados a una versión específica:

// Prerequisites (must be installed before this compiles correctly):
// 1. NVIDIA GPU with CUDA capability 3.5+
// 2. NVIDIA Driver 452.39+ (Windows) / 450.80.02+ (Linux)
// 3. CUDA Toolkit 11.8 — exact version, not 12.x
// 4. cuDNN 8.6.0+ for CUDA 11.x
// 5. dotnet add package Sdcb.PaddleInference.runtime.win64.cuda118

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using Sdcb.PaddleInference;
using OpenCvSharp;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// GPU device 0, 1000MB GPU memory pool
using PaddleOcrAll ocr = new PaddleOcrAll(models, PaddleDevice.Gpu(deviceId: 0))
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead(imagePath);
PaddleOcrResult result = ocr.Run(mat);

// Prerequisites (must be installed before this compiles correctly):
// 1. NVIDIA GPU with CUDA capability 3.5+
// 2. NVIDIA Driver 452.39+ (Windows) / 450.80.02+ (Linux)
// 3. CUDA Toolkit 11.8 — exact version, not 12.x
// 4. cuDNN 8.6.0+ for CUDA 11.x
// 5. dotnet add package Sdcb.PaddleInference.runtime.win64.cuda118

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using Sdcb.PaddleInference;
using OpenCvSharp;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// GPU device 0, 1000MB GPU memory pool
using PaddleOcrAll ocr = new PaddleOcrAll(models, PaddleDevice.Gpu(deviceId: 0))
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead(imagePath);
PaddleOcrResult result = ocr.Run(mat);

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models.Online
Imports Sdcb.PaddleInference
Imports OpenCvSharp

' Prerequisites (must be installed before this compiles correctly):
' 1. NVIDIA GPU with CUDA capability 3.5+
' 2. NVIDIA Driver 452.39+ (Windows) / 450.80.02+ (Linux)
' 3. CUDA Toolkit 11.8 — exact version, not 12.x
' 4. cuDNN 8.6.0+ for CUDA 11.x
' 5. dotnet add package Sdcb.PaddleInference.runtime.win64.cuda118

Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()

' GPU device 0, 1000MB GPU memory pool
Using ocr As New PaddleOcrAll(models, PaddleDevice.Gpu(deviceId:=0)) With {
    .AllowRotateDetection = True,
    .Enable180Classification = True
}

    Using mat As Mat = Cv2.ImRead(imagePath)
        Dim result As PaddleOcrResult = ocr.Run(mat)
    End Using

End Using

Si CUDA_PATH no está configurado, el DLL cuDNN correspondiente está ausente de la ruta esperada, o la versión del paquete de ejecución no coincide con el kit de herramientas CUDA instalado, la llamada lanza una excepción de carga de biblioteca nativa. Para diagnosticar ese fallo es necesario comprobar las versiones de los controladores, las entradas de la variable PATH y la presencia de las DLL en varios directorios. En Docker, el soporte de GPU requiere la imagen base nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04 más nvidia-container-toolkit en el host, añadiendo complejidad tanto a la construcción de la imagen como a la configuración de tiempo de ejecución del contenedor.

Para implementaciones que solo utilizan CPU, PaddleOCR usa por defecto el entorno de ejecución acelerado por MKL: entre 300 y 500 ms por imagen, con un arranque en frío de carga del modelo de 3 a 5 segundos.

Enfoque de IronOCR

IronOCR está diseñado para la inferencia de CPU. Ofrece un tiempo de respuesta de 150 a 300 ms por imagen en hardware estándar, sin dependencia de la GPU, sin pila CUDA y sin preocupaciones relacionadas con la versión del controlador. Además, el motor arranca en menos de un segundo porque los modelos se agrupan en lugar de cargarse desde el disco durante la inicialización.

using IronOcr;

// No GPU setup, no CUDA, no driver checks
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var ocr = new IronTesseract();

// Preprocessing built-in — improves accuracy on poor scans without extra code
using var input = new OcrInput();
input.LoadImage("document.png");
input.Deskew();
input.DeNoise();
input.EnhanceResolution(300);

var result = ocr.Read(input);
Console.WriteLine($"Confidence: {result.Confidence}%");

using IronOcr;

// No GPU setup, no CUDA, no driver checks
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var ocr = new IronTesseract();

// Preprocessing built-in — improves accuracy on poor scans without extra code
using var input = new OcrInput();
input.LoadImage("document.png");
input.Deskew();
input.DeNoise();
input.EnhanceResolution(300);

var result = ocr.Read(input);
Console.WriteLine($"Confidence: {result.Confidence}%");

Imports IronOcr

' No GPU setup, no CUDA, no driver checks
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Dim ocr As New IronTesseract()

' Preprocessing built-in — improves accuracy on poor scans without extra code
Using input As New OcrInput()
    input.LoadImage("document.png")
    input.Deskew()
    input.DeNoise()
    input.EnhanceResolution(300)

    Dim result = ocr.Read(input)
    Console.WriteLine($"Confidence: {result.Confidence}%")
End Using

Para rendimiento a gran escala sin hardware de GPU, el diseño seguro para hilos de IronOCR permite Parallel.ForEach a través de un lote de imágenes con instancias IronTesseract separadas — cada uno se procesa independientemente sin bloqueo. El ejemplo de multihilo muestra el patrón. Con un tiempo de procesamiento de entre 150 y 300 ms por imagen en una CPU de 4 núcleos, un lote de 100 imágenes se completa en 20-40 segundos utilizando paralelismo; un rendimiento de CPU que hace innecesaria la inversión en GPU para la mayoría de los escenarios de API web y flujos de trabajo de documentos.

La guía de corrección de la calidad de imagen cubre en detalle la configuración del preprocesamiento para los casos en los que sea necesario ajustar el preprocesamiento automático.

Enfoque PaddleOCR

// Requires additional package: PdfiumViewer or similar
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;
using PdfiumViewer;
using System.Drawing.Imaging;
using System.Text;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();
using PaddleOcrAll ocr = new PaddleOcrAll(models);

var results = new StringBuilder();

// ManualPDF-to-image conversion, page by page
using PdfDocument pdf = PdfDocument.Load("document.pdf");

for (int i = 0; i < pdf.PageCount; i++)
{
    // Render page to bitmap — 200 DPI
    using var pageImage = pdf.Render(i, 200, 200, PdfRenderFlags.CorrectFromDpi);

    // Save to temp file — OpenCvSharp cannot read from memory easily
    string tempPath = Path.GetTempFileName() + ".png";
    pageImage.Save(tempPath, ImageFormat.Png);

    try
    {
        using Mat mat = Cv2.ImRead(tempPath);
        var result = ocr.Run(mat);
        results.AppendLine($"--- Page {i + 1} ---");
        results.AppendLine(result.Text);
    }
    finally
    {
        File.Delete(tempPath);  // Must clean up temp files
    }
}

return results.ToString();

// Requires additional package: PdfiumViewer or similar
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;
using PdfiumViewer;
using System.Drawing.Imaging;
using System.Text;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();
using PaddleOcrAll ocr = new PaddleOcrAll(models);

var results = new StringBuilder();

// ManualPDF-to-image conversion, page by page
using PdfDocument pdf = PdfDocument.Load("document.pdf");

for (int i = 0; i < pdf.PageCount; i++)
{
    // Render page to bitmap — 200 DPI
    using var pageImage = pdf.Render(i, 200, 200, PdfRenderFlags.CorrectFromDpi);

    // Save to temp file — OpenCvSharp cannot read from memory easily
    string tempPath = Path.GetTempFileName() + ".png";
    pageImage.Save(tempPath, ImageFormat.Png);

    try
    {
        using Mat mat = Cv2.ImRead(tempPath);
        var result = ocr.Run(mat);
        results.AppendLine($"--- Page {i + 1} ---");
        results.AppendLine(result.Text);
    }
    finally
    {
        File.Delete(tempPath);  // Must clean up temp files
    }
}

return results.ToString();

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models.Online
Imports OpenCvSharp
Imports PdfiumViewer
Imports System.Drawing.Imaging
Imports System.Text

Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()
Using ocr As New PaddleOcrAll(models)

    Dim results As New StringBuilder()

    ' Manual PDF-to-image conversion, page by page
    Using pdf As PdfDocument = PdfDocument.Load("document.pdf")

        For i As Integer = 0 To pdf.PageCount - 1
            ' Render page to bitmap — 200 DPI
            Using pageImage = pdf.Render(i, 200, 200, PdfRenderFlags.CorrectFromDpi)

                ' Save to temp file — OpenCvSharp cannot read from memory easily
                Dim tempPath As String = Path.GetTempFileName() & ".png"
                pageImage.Save(tempPath, ImageFormat.Png)

                Try
                    Using mat As Mat = Cv2.ImRead(tempPath)
                        Dim result = ocr.Run(mat)
                        results.AppendLine($"--- Page {i + 1} ---")
                        results.AppendLine(result.Text)
                    End Using
                Finally
                    File.Delete(tempPath)  ' Must clean up temp files
                End Try
            End Using
        Next
    End Using

    Return results.ToString()
End Using

Eso supone más de 30 líneas para un solo PDF. Agregar otra dependencia de NuGet (PdfiumViewer), renderizar manualmente la página con un DPI seleccionado, crear y eliminar archivos temporales y acumular resultados de forma iterativa, todo esto antes de que se ejecute PaddleOCR. Una configuración de DPI demasiado baja reduce la precisión; Un valor demasiado alto aumenta el tiempo de procesamiento. El desarrollador es responsable de esa decisión.

Enfoque de IronOCR

IronOCR lee archivos PDF de forma nativa. Sin biblioteca de conversión, sin archivos temporales, sin bucle por página en el punto de llamada:

using IronOcr;

var ocr = new IronTesseract();

// Entrada nativa de PDF — no external library needed
using var input = new OcrInput();
input.LoadPdf("document.pdf");

var result = ocr.Read(input);

// Per-page access available if needed
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}: {page.Text.Length} chars");
}

// Produce a searchable PDF in one additional line
result.SaveAsSearchablePdf("searchable-output.pdf");

using IronOcr;

var ocr = new IronTesseract();

// Entrada nativa de PDF — no external library needed
using var input = new OcrInput();
input.LoadPdf("document.pdf");

var result = ocr.Read(input);

// Per-page access available if needed
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}: {page.Text.Length} chars");
}

// Produce a searchable PDF in one additional line
result.SaveAsSearchablePdf("searchable-output.pdf");

Imports IronOcr

Dim ocr As New IronTesseract()

' Entrada nativa de PDF — no external library needed
Using input As New OcrInput()
    input.LoadPdf("document.pdf")

    Dim result = ocr.Read(input)

    ' Per-page access available if needed
    For Each page In result.Pages
        Console.WriteLine($"Page {page.PageNumber}: {page.Text.Length} chars")
    Next

    ' Produce a searchable PDF in one additional line
    result.SaveAsSearchablePdf("searchable-output.pdf")
End Using

Los PDFs protegidos por contraseña usan el mismo camino LoadPdf con un parámetro Password. La guía de entrada de PDF y la guía de PDF con función de búsqueda cubren en detalle las opciones de salida y de varias páginas. Para las organizaciones que digitalizan archivos de documentos escaneados, donde cada archivo llega en formato PDF, esta diferencia elimina una capa importante de código de integración.

Cuando los requisitos lingüísticos se extienden más allá de los 14 años.

Un proyecto comienza a procesar facturas chinas; PaddleOCR lo gestiona correctamente. Posteriormente, la base de clientes se amplía y los documentos llegan en polaco, holandés, griego, vietnamita y turco. Los 14 idiomas compatibles con PaddleOCR no incluyen ninguno de estos. La migración se hace necesaria porque la herramienta no puede crecer al ritmo de los casos de uso. Agregar soporte para el idioma polaco en IronOCR es tan sencillo como añadir un paquete NuGet y modificar una sola línea de configuración. Los equipos que definen un proyecto como "inicialmente centrado en el chino, pero que eventualmente será multirregional" deben decidir de antemano si comienzan con una herramienta que pueda ampliar la cobertura lingüística sin necesidad de reescribir el código.

Cuando el costo de instalación excede el presupuesto del problema

La documentación de PaddleOCR estima que la configuración inicial tarda entre 30 y 60 minutos para la CPU y entre 2 y 8 horas para la GPU. El tiempo de desarrollo, a 100 dólares la hora, significa que el primer intento de configuración de la GPU cuesta entre 200 y 800 dólares antes de que se procese la primera imagen de producción. La configuración de IronOCR se realiza con un único comando de instalación y un ejemplo de código de cuatro líneas, en menos de cinco minutos. En el caso de herramientas internas, prototipos o proyectos donde el OCR es una función secundaria en lugar del producto principal, esa diferencia de tiempo determina si la función de OCR se implementa en el sprint actual o si se le resta prioridad. Poner en marcha IronOCR lleva menos tiempo que configurar un entorno CUDA.

Cuando los flujos de trabajo basados ​​en PDF dominan

Las organizaciones que digitalizan archivos de documentos escaneados, procesan flujos de conversión de fax a PDF o extraen datos de facturas y contratos en formato PDF se enfrentan a un problema estructural con PaddleOCR: cada PDF requiere una biblioteca adicional, renderizado manual de páginas, gestión de archivos temporales y lógica de selección de DPI antes de que PaddleOCR pueda procesarlo. No se trata de una complejidad incidental, sino de un mantenimiento permanente. Los equipos que descubren que su carga de trabajo se basa en más del 80 % en archivos PDF después de la integración inicial de PaddleOCR suelen migrar cuando la capa de conversión de PDF se convierte en una fuente de errores, y no cuando falla el propio PaddleOCR.

Cuando las revisiones de cumplimiento señalan el origen de Baidu

Los equipos de seguridad Enterprise de organizaciones gubernamentales, de defensa, sanitarias y de servicios financieros aplican cada vez más criterios de revisión a componentes originarios de empresas vinculadas al Estado chino. PaddleOCR es un proyecto de Baidu; Las descargas de modelos se conectan de forma predeterminada al almacenamiento en la nube de Baidu; El framework PaddlePaddle es un producto de Baidu. El código se ejecuta localmente y los documentos no se transmiten, pero los artefactos del modelo provienen de la infraestructura de Baidu. En entornos FedRAMP, ITAR o CMMC, esa procedencia desencadena una revisión de cumplimiento que puede bloquear la adopción.IronOCR es un producto de Iron Software, una empresa con sede en EE. UU., que procesa todo el contenido localmente, no realiza conexiones externas y no requiere la descarga de modelos desde ningún servidor de terceros.

Cuando no se dispone de infraestructura de GPU

PaddleOCR en CPU (300-500 ms/imagen, arranque en frío de 3-5 segundos, 500 MB-1 GB de memoria) es más lento y consume más recursos que IronOCR en CPU (150-300 ms/imagen, arranque en frío de menos de 1 segundo, 100-200 MB de memoria). La ventaja de la GPU de PaddleOCR solo se materializa después de la configuración de CUDA/cuDNN, y esa ventaja solo justifica la complejidad operativa a alto volumen. Los equipos que utilizan infraestructura en la nube estándar sin instancias con GPU (EC2 sin GPU, Azure App Service, AWS Lambda) están pagando el coste de configuración de PaddleOCR sin recibir el beneficio de rendimiento que lo justifica.

Reemplazo de paquetes y espacios de nombres

El intercambio de paquetes elimina cinco dependencias y añade una. Eliminar Sdcb.PaddleOCR, Sdcb.PaddleOCR.Models.Online, el paquete Sdcb.PaddleInference.runtime.*, OpenCvSharp4 y OpenCvSharp4.runtime.win de .csproj. Agregar IronOcr. Agregue paquetes de idioma como paquetes NuGet para cualquier idioma que no sea inglés y que anteriormente utilizara un conjunto de modelos descargado.

Las directivas using Sdcb.PaddleOCR y using OpenCvSharp se reemplazan con using IronOcr. El patrón Mat mat = Cv2.ImRead(path) se reemplaza con new OcrInput(path) o input.LoadImage(path). La llamada ocr.Run(mat) se convierte en ocr.Read(input). Para proyectos que utilizan la API de entrada de imágenes, el objeto OcrInput acepta rutas de archivo, arreglos de bytes, flujos y System.Drawing.Bitmap — el intermediario OpenCvSharp desaparece por completo.

Reasignación de la estructura de resultados

PaddleOCR devuelve result.Regions — un arreglo de objetos PaddleOcrResultRegion donde region.Score es un flotante de 0 a 1.IronOCR devuelve result.Words — donde word.Confidence es un porcentaje de 0 a 100. El filtro de confianza r.Score >= 0.8 se mapea a w.Confidence >= 80. El acceso al cuadro delimitador cambia de region.Rect.Center.X / region.Rect.Size.Width a word.X / word.Width. La guía de resultados estructurada abarca páginas, párrafos, líneas y palabras.

La ordenación espacial (ordenar por Y y luego por X para aproximar el orden de lectura) es menos frecuente con IronOCR, ya que el motor de maquetación Tesseract realiza un análisis del orden de lectura como parte de su segmentación de página. Para documentos donde PaddleOCR requería una lógica de ordenación explícita, compruebe si el orden de salida predeterminado de IronOCR ya cumple con el requisito antes de adaptar el código de ordenación.

Transición de preprocesamiento

El modelo de detección de aprendizaje profundo de PaddleOCR tolera una degradación moderada de la calidad de la imagen: la red neuronal maneja el ruido y la distorsión de forma más fiable que el proceso de segmentación clásico de Tesseract. Al migrar a IronOCR, añada un preprocesamiento explícito para los documentos que se procesaron correctamente con anterioridad sin él:

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("low-quality-scan.png");

// These filters recover the accuracy that PaddleOCR provided automatically
// on noisy or skewed inputs
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

var result = ocr.Read(input);

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("low-quality-scan.png");

// These filters recover the accuracy that PaddleOCR provided automatically
// on noisy or skewed inputs
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

var result = ocr.Read(input);

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadImage("low-quality-scan.png")

    ' These filters recover the accuracy that PaddleOCR provided automatically
    ' on noisy or skewed inputs
    input.Deskew()
    input.DeNoise()
    input.Contrast()
    input.Binarize()
    input.EnhanceResolution(300)

    Dim result = ocr.Read(input)
End Using

Para documentos escaneados en ángulos no estándar o con ruido de fondo, estos cuatro filtros recuperan la mayor parte de la precisión perdida. La guía de corrección de orientación de imagen y la guía de corrección de color de imagen documentan el efecto de cada filtro sobre los artefactos de escaneo más comunes. Antes de finalizar la migración, procese documentos representativos a través de ambos canales para verificar que la precisión cumpla con los requisitos del conjunto de documentos real.

Limpieza de la implementación

Tras la migración, el tamaño del artefacto de despliegue se reduce significativamente. Eliminar el árbol de directorios models/ (tres subdirectorios, ~21MB de archivos de modelos), paddle_inference.dll (~200MB), paddle2onnx.dll (~5MB) y los archivos opencv_world*.dll (~50MB en total). Eliminar la línea apt-get install libopencv-dev del Dockerfile y el paso de copia de modelos. Eliminar cualquier paso de CI/CD que pre-descargue modelos o almacene en caché los directorios de modelos. La imagen de Docker se reduce de aproximadamente 1,5 GB a aproximadamente 400 MB.