IronOCR.iOS para España: Escáner de DNI, NIE, Facturae y TicketBAI conforme con LOPDGDD

Configuración de inferencia de tres etapas

Para configurar PaddleSharp para una tarea simple de extracción de texto, es necesario conectar las tres etapas del modelo:

// Simplified — see Sdcb.PaddleOCR documentation for full API
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models;
using OpenCvSharp;

public class PaddleOcrService
{
    private readonly PaddleOcrAll _ocr;

    public PaddleOcrService()
    {
        // Three separate models, each downloaded independently
        var detModel = LocalFullModels.ChineseV3.DetectionModel;
        var clsModel = LocalFullModels.ChineseV3.ClassifierModel;
        var recModel = LocalFullModels.ChineseV3.RecognitionModel;

        // GPU config: set GpuDeviceId = 0 and install CUDA runtime packages
        _ocr = new PaddleOcrAll(detModel, clsModel, recModel);
    }

    public string ExtractText(string imagePath)
    {
        // OpenCV required for image loading — not System.Drawing
        using var image = Cv2.ImRead(imagePath);
        var result = _ocr.Run(image);

        // Manual sort by position; no automatic reading-order guarantee
        return string.Join("\n", result.Regions
            .OrderBy(r => r.Rect.Center.Y)
            .ThenBy(r => r.Rect.Center.X)
            .Select(r => r.Text));
    }
}

// Simplified — see Sdcb.PaddleOCR documentation for full API
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models;
using OpenCvSharp;

public class PaddleOcrService
{
    private readonly PaddleOcrAll _ocr;

    public PaddleOcrService()
    {
        // Three separate models, each downloaded independently
        var detModel = LocalFullModels.ChineseV3.DetectionModel;
        var clsModel = LocalFullModels.ChineseV3.ClassifierModel;
        var recModel = LocalFullModels.ChineseV3.RecognitionModel;

        // GPU config: set GpuDeviceId = 0 and install CUDA runtime packages
        _ocr = new PaddleOcrAll(detModel, clsModel, recModel);
    }

    public string ExtractText(string imagePath)
    {
        // OpenCV required for image loading — not System.Drawing
        using var image = Cv2.ImRead(imagePath);
        var result = _ocr.Run(image);

        // Manual sort by position; no automatic reading-order guarantee
        return string.Join("\n", result.Regions
            .OrderBy(r => r.Rect.Center.Y)
            .ThenBy(r => r.Rect.Center.X)
            .Select(r => r.Text));
    }
}

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

Public Class PaddleOcrService
    Private ReadOnly _ocr As PaddleOcrAll

    Public Sub New()
        ' Three separate models, each downloaded independently
        Dim detModel = LocalFullModels.ChineseV3.DetectionModel
        Dim clsModel = LocalFullModels.ChineseV3.ClassifierModel
        Dim recModel = LocalFullModels.ChineseV3.RecognitionModel

        ' GPU config: set GpuDeviceId = 0 and install CUDA runtime packages
        _ocr = New PaddleOcrAll(detModel, clsModel, recModel)
    End Sub

    Public Function ExtractText(imagePath As String) As String
        ' OpenCV required for image loading — not System.Drawing
        Using image = Cv2.ImRead(imagePath)
            Dim result = _ocr.Run(image)

            ' Manual sort by position; no automatic reading-order guarantee
            Return String.Join(vbLf, result.Regions _
                .OrderBy(Function(r) r.Rect.Center.Y) _
                .ThenBy(Function(r) r.Rect.Center.X) _
                .Select(Function(r) r.Text))
        End Using
    End Function
End Class

El constructor solo hace un trabajo real: carga binarios de modelos desde el disco e inicializa el motor de inferencia. Ese costo de inicialización se paga una vez por instancia de PaddleOcrAll, lo que hace que el objeto sea caro de crear y requiere una gestión cuidadosa del ciclo de vida en aplicaciones orientadas a servicios .NET.

Comparación detallada de características

Enfoque PaddleSharp

En la práctica, la cadena de dependencias se ve así:

1. Baidu PaddlePaddle : el marco de aprendizaje profundo subyacente. Aquí se definen los formatos de modelo y las API de inferencia.
2. PaddleOCR : proyecto de entrenamiento de modelos de Baidu que genera los pesos del modelo de detección, clasificación y reconocimiento.
3. Sdcb.PaddleSharp : la capa de enlace .NET que llama a las bibliotecas nativas de PaddleInference y encapsula la API de carga del modelo.

Cada capa tiene su propio ritmo de lanzamiento, historial de cambios importantes y comunidad. Cuando Baidu actualiza las API de inferencia de PaddlePaddle, la capa de enlace debe actualizarse. Cuando el formato de un modelo cambia entre versiones de PaddleOCR, las rutas de descarga del modelo y el código de carga en PaddleSharp deben actualizarse. Para un equipo .NET , estos problemas son invisibles hasta que falla una implementación.

Ilustración simplificada del costo de inicialización:

// Simplified — see Sdcb.PaddleOCR documentation for full API
// This is not one line of setup; it represents several coordinated decisions:
// - Which model version to use (ChineseV3, V4, etc.)
// - Whether models are local files or downloaded on first use
// - Which inference backend (CPU, MKL, GPU)
// - Which OpenCvSharp runtime package matches the deployment OS

var detModel = LocalFullModels.ChineseV3.DetectionModel;  // Version-specific
var clsModel = LocalFullModels.ChineseV3.ClassifierModel; // Version-specific
var recModel = LocalFullModels.ChineseV3.RecognitionModel; // Version-specific

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// If a newer model format is released, these names and classes may change

// Simplified — see Sdcb.PaddleOCR documentation for full API
// This is not one line of setup; it represents several coordinated decisions:
// - Which model version to use (ChineseV3, V4, etc.)
// - Whether models are local files or downloaded on first use
// - Which inference backend (CPU, MKL, GPU)
// - Which OpenCvSharp runtime package matches the deployment OS

var detModel = LocalFullModels.ChineseV3.DetectionModel;  // Version-specific
var clsModel = LocalFullModels.ChineseV3.ClassifierModel; // Version-specific
var recModel = LocalFullModels.ChineseV3.RecognitionModel; // Version-specific

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// If a newer model format is released, these names and classes may change

' Simplified — see Sdcb.PaddleOCR documentation for full API
' This is not one line of setup; it represents several coordinated decisions:
' - Which model version to use (ChineseV3, V4, etc.)
' - Whether models are local files or downloaded on first use
' - Which inference backend (CPU, MKL, GPU)
' - Which OpenCvSharp runtime package matches the deployment OS

Dim detModel = LocalFullModels.ChineseV3.DetectionModel  ' Version-specific
Dim clsModel = LocalFullModels.ChineseV3.ClassifierModel ' Version-specific
Dim recModel = LocalFullModels.ChineseV3.RecognitionModel ' Version-specific

Dim ocr As New PaddleOcrAll(detModel, clsModel, recModel)
' If a newer model format is released, these names and classes may change

La sensibilidad a las versiones en este caso es real. Los equipos que se han fijado en Sdcb.PaddleOCR 2.x y necesitan actualizar para acceder a modelos más nuevos se enfrentan a cambios en la API en la capa de enlace. Los archivos del modelo ascendente no son compatibles con versiones anteriores entre las principales versiones de PaddleOCR.

Enfoque de IronOCR

IronOCR distribuye el motor y todas las dependencias incluidas en el paquete NuGet . No hay que seleccionar ninguna versión del modelo, configurar ningún sistema de inferencia ni mantener sincronizada ninguna biblioteca secundaria:

// One package: dotnet add package IronOcr
// No model downloads. No OpenCV. No runtime packages.
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var result = new IronTesseract().Read("document.jpg");
Console.WriteLine(result.Text);
Console.WriteLine($"Confidence: {result.Confidence}%");

// One package: dotnet add package IronOcr
// No model downloads. No OpenCV. No runtime packages.
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var result = new IronTesseract().Read("document.jpg");
Console.WriteLine(result.Text);
Console.WriteLine($"Confidence: {result.Confidence}%");

Imports IronOcr

' One package: dotnet add package IronOcr
' No model downloads. No OpenCV. No runtime packages.
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Dim result = New IronTesseract().Read("document.jpg")
Console.WriteLine(result.Text)
Console.WriteLine($"Confidence: {result.Confidence}%")

La actualización de IronOCR se realiza simplemente actualizando la versión de NuGet . Los cambios en la interfaz de programación de aplicaciones (API) están documentados en las notas de la versión y se mantiene la compatibilidad con versiones anteriores dentro de las versiones principales. Para los equipos que trabajan con pipelines de CI/CD, la diferencia en la superficie de despliegue es sustancial: un paquete frente a cuatro paquetes, más paquetes de tiempo de ejecución específicos de la plataforma, más archivos de modelo que deben existir en el disco en las rutas correctas.

Consulte la guía de configuración de IronTesseract para conocer las opciones de configuración y el tutorial de entrada de imágenes para obtener una lista completa de las fuentes de entrada aceptadas.

Enfoque PaddleSharp

Cambiar de idioma en PaddleSharp implica cambiar el conjunto de modelos. El modelo de reconocimiento es específico del idioma y no existe una opción de API sencilla; se instancia un conjunto diferente de objetos del modelo:

// Simplified — see Sdcb.PaddleOCR documentation for full API
// English model set (if available for your version)
// var recModel = LocalFullModels.EnglishV3.RecognitionModel;

// Chinese model set (primary supported use case)
var detModel = LocalFullModels.ChineseV3.DetectionModel;
var recModel = LocalFullModels.ChineseV3.RecognitionModel;
var clsModel = LocalFullModels.ChineseV3.ClassifierModel;

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// Non-CJK languages require checking upstream PaddleOCR model availability
// Mixed CJK + Latin in the same document may require model selection decisions

// Simplified — see Sdcb.PaddleOCR documentation for full API
// English model set (if available for your version)
// var recModel = LocalFullModels.EnglishV3.RecognitionModel;

// Chinese model set (primary supported use case)
var detModel = LocalFullModels.ChineseV3.DetectionModel;
var recModel = LocalFullModels.ChineseV3.RecognitionModel;
var clsModel = LocalFullModels.ChineseV3.ClassifierModel;

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// Non-CJK languages require checking upstream PaddleOCR model availability
// Mixed CJK + Latin in the same document may require model selection decisions

' Simplified — see Sdcb.PaddleOCR documentation for full API
' English model set (if available for your version)
' Dim recModel = LocalFullModels.EnglishV3.RecognitionModel

' Chinese model set (primary supported use case)
Dim detModel = LocalFullModels.ChineseV3.DetectionModel
Dim recModel = LocalFullModels.ChineseV3.RecognitionModel
Dim clsModel = LocalFullModels.ChineseV3.ClassifierModel

Dim ocr = New PaddleOcrAll(detModel, clsModel, recModel)
' Non-CJK languages require checking upstream PaddleOCR model availability
' Mixed CJK + Latin in the same document may require model selection decisions

Para un equipo que procesa facturas en francés, contratos en alemán o formularios en árabe, la cuestión no es solo si existe un paquete de modelos hoy en día, sino si se mantendrá el próximo año y si existe la documentación en inglés para configurarlo.

Enfoque de IronOCR

IronOCR ofrece paquetes NuGet en más de 125 idiomas . Cada paquete de idioma se instala exactamente como cualquier otra dependencia y se integra con las canalizaciones CI/CD estándar sin necesidad de implementar archivos manualmente:

// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.French
// dotnet add package IronOcr.Languages.Arabic

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.English); // Mixed-language document

var result = ocr.Read("mixed-document.jpg");

// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.French
// dotnet add package IronOcr.Languages.Arabic

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.English); // Mixed-language document

var result = ocr.Read("mixed-document.jpg");

' dotnet add package IronOcr.Languages.ChineseSimplified
' dotnet add package IronOcr.Languages.French
' dotnet add package IronOcr.Languages.Arabic

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
ocr.AddSecondaryLanguage(OcrLanguage.English) ' Mixed-language document

Dim result = ocr.Read("mixed-document.jpg")

La guía de múltiples idiomas cubre el reconocimiento simultáneo de múltiples idiomas para documentos que mezclan scripts, una capacidad que no requiere ninguna decisión a nivel de modelo, solo una llamada AddSecondaryLanguage.

Para los equipos cuyos documentos abarcan varios idiomas, o cuyos requisitos lingüísticos se prevé que superen el alcance inicial, un catálogo de 125 idiomas respaldado por paquetes NuGet con mantenimiento garantizado es una opción más duradera que un conjunto de 10 a 20 idiomas con un compromiso de mantenimiento variable.

Enfoque PaddleSharp

// Simplified — see Sdcb.PaddleOCR documentation for full API
// PaddleSharp has no PDF support — pages must be pre-converted to images
// Preprocessing (deskew, denoise) requires OpenCV operations:

using OpenCvSharp;

// Load image via OpenCV
using var image = Cv2.ImRead("scan.jpg");

// Manual grayscale conversion
using var gray = new Mat();
Cv2.CvtColor(image, gray, ColorConversionCodes.BGR2GRAY);

// Manual threshold (binarization)
using var binary = new Mat();
Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary);

// Then pass to OCR engine
var result = _ocr.Run(binary);
// Each preprocessing step requires OpenCV knowledge
// PDF pages require a separate PDF-to-image conversion step first

// Simplified — see Sdcb.PaddleOCR documentation for full API
// PaddleSharp has no PDF support — pages must be pre-converted to images
// Preprocessing (deskew, denoise) requires OpenCV operations:

using OpenCvSharp;

// Load image via OpenCV
using var image = Cv2.ImRead("scan.jpg");

// Manual grayscale conversion
using var gray = new Mat();
Cv2.CvtColor(image, gray, ColorConversionCodes.BGR2GRAY);

// Manual threshold (binarization)
using var binary = new Mat();
Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary);

// Then pass to OCR engine
var result = _ocr.Run(binary);
// Each preprocessing step requires OpenCV knowledge
// PDF pages require a separate PDF-to-image conversion step first

Imports OpenCvSharp

' Load image via OpenCV
Using image As Mat = Cv2.ImRead("scan.jpg")

    ' Manual grayscale conversion
    Using gray As New Mat()
        Cv2.CvtColor(image, gray, ColorConversionCodes.BGR2GRAY)

        ' Manual threshold (binarization)
        Using binary As New Mat()
            Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary)

            ' Then pass to OCR engine
            Dim result = _ocr.Run(binary)
            ' Each preprocessing step requires OpenCV knowledge
            ' PDF pages require a separate PDF-to-image conversion step first
        End Using
    End Using
End Using

Escribir este preprocesamiento es factible para equipos con experiencia en OpenCV. Para los equipos que no lo utilizan, la curva de aprendizaje no es sencilla: OpenCV tiene una amplia interfaz de programación de aplicaciones (API) y la documentación está escrita principalmente en C++.

Enfoque de IronOCR

El proceso de preprocesamiento de IronOCR no requiere ninguna biblioteca externa. El mismo objeto OcrInput que acepta imágenes también acepta PDFs, y los filtros de preprocesamiento son llamadas de método único:

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

// Built-in preprocessing — no OpenCV, no manual image math
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

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

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

// Built-in preprocessing — no OpenCV, no manual image math
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

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

Imports IronOcr

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

    ' Built-in preprocessing — no OpenCV, no manual image math
    input.Deskew()
    input.DeNoise()
    input.Contrast()
    input.Binarize()
    input.EnhanceResolution(300)

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

Para la entrada de archivos PDF, la compatibilidad nativa significa que no se requiere ningún paso de conversión:

// PDF input — no external library, no page conversion
var result = new IronTesseract().Read("scanned-document.pdf");

// Password-protected PDFs
using var input = new OcrInput();
input.LoadPdf("encrypted.pdf", Password: "secret");
var result = new IronTesseract().Read(input);

// Output as searchable PDF
result.SaveAsSearchablePdf("searchable-output.pdf");

// PDF input — no external library, no page conversion
var result = new IronTesseract().Read("scanned-document.pdf");

// Password-protected PDFs
using var input = new OcrInput();
input.LoadPdf("encrypted.pdf", Password: "secret");
var result = new IronTesseract().Read(input);

// Output as searchable PDF
result.SaveAsSearchablePdf("searchable-output.pdf");

Imports IronTesseract

' PDF input — no external library, no page conversion
Dim result = New IronTesseract().Read("scanned-document.pdf")

' Password-protected PDFs
Using input As New OcrInput()
    input.LoadPdf("encrypted.pdf", Password:="secret")
    result = New IronTesseract().Read(input)
End Using

' Output as searchable PDF
result.SaveAsSearchablePdf("searchable-output.pdf")

La guía de corrección de la calidad de imagen abarca todos los filtros disponibles con ejemplos. El tutorial sobre la introducción de archivos PDF abarca la selección de páginas, la introducción de flujos de datos y la gestión de contraseñas. Para los equipos que generan archivos PDF con capacidad de búsqueda a partir de documentos escaneados, la salida de PDF con capacidad de búsqueda es un formato de salida integrado, no un paso de procesamiento independiente.

El sistema Pipeline procesa documentos que no son CJK (chino, japonés o coreano).

PaddleSharp fue diseñado para el mercado chino. Esa herencia se hace visible en la convención de nombres del modelo (ChineseV3), el idioma principal de la documentación y la disponibilidad de paquetes de idiomas. Un equipo que comienza procesando documentos chinos y luego se expande a facturas francesas o contratos alemanes se topa con un muro infranqueable: los paquetes de modelos disponibles fuera de los idiomas CJK son escasos, el compromiso de mantenimiento para los modelos que no son CJK es incierto y la documentación en inglés para configurarlos es escasa. El catálogo de más de 125 idiomas de IronOCR a través de NuGet significa que la expansión de idiomas se realiza mediante la instalación de un paquete, no como un proyecto de investigación.

El entorno de despliegue no tiene GPU.

El sistema de aprendizaje profundo de PaddleOCR está diseñado para la inferencia mediante GPU. En cuanto al rendimiento de la CPU, las cifras son fiables: entre 500 y 1500 ms por imagen a resoluciones de documento típicas. Para un proceso por lotes que procesa miles de documentos, o para una aplicación ASP.NET que atiende solicitudes de OCR simultáneas, PaddleSharp en modo CPU agrega una latencia que se acumula a medida que aumenta la escala. El motor Tesseract 5 optimizado de IronOCR funciona a un ritmo de 100 a 400 ms por imagen en la CPU, sin necesidad de GPU. Para implementaciones en niveles de máquinas virtuales estándar, contenedores sin transferencia de GPU o trabajadores de CI, esa diferencia radica en la diferencia entre una carga de trabajo que se ajusta y una que no.

Los documentos PDF están en proceso de entrada.

El formato PDF es el formato oficial para los documentos comerciales. PaddleSharp no tiene lector de PDF. Los equipos que descubren esta limitación después de haber desarrollado soluciones basadas en PaddleSharp se enfrentan a una disyuntiva: añadir una biblioteca de PDF (gestionando así otra dependencia con sus propias consideraciones de licencia y versión), convertir los PDF a imágenes como paso de preprocesamiento (añadiendo almacenamiento y sobrecarga de E/S), o migrar a una biblioteca con soporte nativo para PDF. La entrada nativa de PDF de IronOCR, que incluye archivos PDF protegidos con contraseña y selección de rangos de páginas, lo convierte en la opción más sencilla para flujos de trabajo de documentos que comienzan con PDF.

La cadena de dependencias no supera una revisión de seguridad o cumplimiento.

Las implementaciones Enterprise (sanitarias, financieras, gubernamentales) a menudo requieren una lista de materiales de software y una auditoría de dependencias. La cadena de PaddleSharp incluye archivos de modelos originados en Baidu y un entorno de ejecución de inferencia de aprendizaje profundo de Baidu. Para las organizaciones con políticas que restringen los componentes de software a orígenes específicos, o para los equipos que necesitan un camino claro hacia las divulgaciones de seguridad de los proveedores, la dependencia de binarios originados en Baidu requiere pasos de revisión adicionales.IronOCR es un único producto comercial de un proveedor de software occidental con términos de licencia documentados y un servicio de soporte comercial estándar.

El equipo no puede cubrir los gastos operativos.

Mantener una implementación de PaddleSharp durante 18 meses implica realizar un seguimiento de la compatibilidad de las versiones del modelo, coordinar las versiones del paquete de tiempo de ejecución de OpenCV con las implementaciones específicas de la plataforma, mantener alineadas las versiones del kit de herramientas CUDA si se utiliza la GPU y supervisar los problemas de GitHub (principalmente en chino) para detectar cambios incompatibles. Se trata de una inversión operativa considerable. Para los equipos cuya competencia principal es la aplicación que están desarrollando, y no la infraestructura de aprendizaje profundo, los gastos generales de gestionar PaddleSharp no generan un valor proporcional a su coste.

Eliminando la dependencia de OpenCV

PaddleSharp requiere OpenCvSharp4 y un paquete OpenCvSharp4.runtime.* específico de la plataforma para cargar imágenes.IronOCR acepta System.Drawing.Bitmap, rutas de archivos, flujos y matrices de bytes directamente a través de OcrInput. La migración implica reemplazar llamadas Cv2.ImRead() con input.LoadImage() y eliminar por completo las referencias al paquete OpenCvSharp:

// PaddleSharp pattern — requires OpenCV
using var image = Cv2.ImRead(imagePath);
var result = _ocr.Run(image);

//IronOCR equivalent — no OpenCV
var result = new IronTesseract().Read(imagePath);

// PaddleSharp pattern — requires OpenCV
using var image = Cv2.ImRead(imagePath);
var result = _ocr.Run(image);

//IronOCR equivalent — no OpenCV
var result = new IronTesseract().Read(imagePath);

Imports OpenCvSharp
Imports IronOcr

' PaddleSharp pattern — requires OpenCV
Using image = Cv2.ImRead(imagePath)
    Dim result = _ocr.Run(image)
End Using

' IronOCR equivalent — no OpenCV
Dim result = New IronTesseract().Read(imagePath)

La guía de entrada de imágenes abarca todos los tipos de entrada aceptados, incluidos flujos de datos, URL y mapas de bits en memoria.

Mapeo de resultados a nivel regional

PaddleSharp devuelve result.Regions: una lista plana de regiones de texto detectadas con rectángulos delimitadores y cadenas de texto.IronOCR devuelve una jerarquía más rica: las páginas contienen párrafos, los párrafos contienen líneas, las líneas contienen palabras, todo ello con coordenadas y puntuaciones de confianza por elemento. Si tu código de migración usa result.Regions, el equivalente de IronOCR para la enumeración plana de palabras con datos de posición es:

var result = new IronTesseract().Read("document.jpg");

// Per-word with position — equivalent to PaddleSharp region enumeration
foreach (var word in result.Words)
{
    Console.WriteLine($"'{word.Text}' at ({word.X},{word.Y}) confidence:{word.Confidence}%");
}

var result = new IronTesseract().Read("document.jpg");

// Per-word with position — equivalent to PaddleSharp region enumeration
foreach (var word in result.Words)
{
    Console.WriteLine($"'{word.Text}' at ({word.X},{word.Y}) confidence:{word.Confidence}%");
}

Imports System
Imports IronOcr

Dim result = New IronTesseract().Read("document.jpg")

' Per-word with position — equivalent to PaddleSharp region enumeration
For Each word In result.Words
    Console.WriteLine($"'{word.Text}' at ({word.X},{word.Y}) confidence:{word.Confidence}%")
Next

La guía de lectura de resultados documenta la estructura completa de los resultados. La guía de puntuaciones de confianza explica los valores de confianza por elemento y cómo utilizarlos para el filtrado de calidad.

Gestión del ciclo de vida del motor OCR

La PaddleOcrAll de PaddleSharp es costosa de construir: carga binarios de modelos desde el disco al crearse y debe tratarse como un servicio único o de ámbito en ASP.NET Core. La IronTesseract de IronOCR tiene un costo de inicialización más ligero, pero se aplica el mismo principio: reutilizar instancias a través de solicitudes en una aplicación web es más eficiente que construir por solicitud. En ambos casos, la inyección de dependencias como servicio único o de ámbito por solicitud es el patrón correcto.

Instalación del paquete de idiomas

La compatibilidad con idiomas en PaddleSharp implica seleccionar diferentes conjuntos de modelos en el momento de la construcción. En IronOCR, la compatibilidad con idiomas es un paquete NuGet que se agrega al proyecto y una llamada de configuración de una sola línea:

// dotnet add package IronOcr.Languages.ChineseSimplified

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
var result = ocr.Read("document.jpg");

// dotnet add package IronOcr.Languages.ChineseSimplified

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
var result = ocr.Read("document.jpg");

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
Dim result = ocr.Read("document.jpg")

Para los equipos de habla china, japonesa y coreana que migran desde PaddleSharp, el chino simplificado, el chino tradicional, el japonés y el coreano están disponibles como paquetes de idiomas de IronOCR. La guía de lenguaje personalizado abarca la incorporación de datos de prueba entrenados a medida para casos de uso especializados.