袁隆平院士逝世的消息弹出来时，我正在调试 PaddleOCR 对一张皱巴巴的送货单的识别准确率，窗外成都的雨声突然变得清晰起来。不是那种抒情的清晰，是物理上的，雨点砸在空调外机上的声音，和屏幕上不断跳出的识别错误日志，频率几乎一致。那一刻我脑子里闪过的念头是，这位让无数人吃饱饭的老人，大概不会想到，2021年还有我这样的人，在为了把纸上几个潦草的数字变成准确的 Excel 表格而绞尽脑汁，就为了省下几个雇人录入的工时。时间就是金钱，这话在疫情后我断尾求生、重新回归个人交付的档口，不再是口号，是生存的血压。
客户是本地一家连锁餐饮的供应商，每天经手几百张手写单据，入库、分拣、对账，全靠三个阿姨手工录入到电脑。一个月人工成本一万二，错误率还高。我接这个活的报价是八千，开发一套自动化系统。听起来很美，直到我拿到第一批扫描件——手机拍的，光线不均，有手指影子，纸张皱褶像地图上的等高线，字迹潦草得仿佛医生处方。Tesseract 这种老牌 OCR 上去就扑街了，识别率不到 30%。我不得不转向 PaddleOCR，看中的是它的中文场景优化和自定义训练能力。
真正的战斗从数据预处理开始。光是灰度化和二值化的阈值调整，就耗掉我两天。大津法（Otsu）在光照不均的图片上就是个废物，必须手动尝试不同的局部自适应阈值算法。然后是对比度增强，CLAHE 算法用上了，但参数（clipLimit 和 tileGridSize）稍微不对，就会把纸张纹理也强化成干扰噪点。这阶段的核心矛盾是：预处理得太“干净”，可能会损失笔画细节；保留太多原图信息，背景干扰又会让 OCR 引擎困惑。我写了个批处理脚本，用 OpenCV 遍历不同的参数组合，生成上百张中间结果图，再肉眼抽样判断，试图找到那个脆弱的平衡点。这活儿毫无技术浪漫可言，就是纯粹的体力型调试，一种数字时代的“精耕细作”。
调好了预处理，PaddleOCR 本身还有坑。默认的通用中文模型对印刷体友好，但对手写数字、连笔字、以及“土豆”“青椒”这种特定货品名，识别率感人。我没有足够的数据去从头训练模型，只能走微调（Fine-tuning）的路子。从现有的几百张单据里，手动标注了大概两千个文本区域，生成合成数据（比如加噪点、仿射变换模拟褶皱）扩充到一万条。训练环境又是一道坎，本地显卡是 GTX 1060，6G 显存，跑 PaddleOCR 的检测-识别联合训练，batch size 只能设到 4，一个 epoch 要跑三小时。训练过程中要盯着损失函数曲线，防止过拟合，还得用验证集实时测试准确率。那几天，电脑风扇的轰鸣声和窗外的雨声混在一起，我像个炼丹道士，守着炉子，期待着一炉能提升 5 个百分点的“仙丹”。
最后上线的系统，是一个用 FastAPI 搭的简易服务，部署在客户内网一台旧电脑上。前端就是个上传图片的网页，后端流程是：图片预处理 -> PaddleOCR 检测识别 -> 基于规则（正则表达式匹配金额、日期格式）和简单 NLP（匹配货品名称库）进行结构化 -> 输出 JSON 并自动填入提前设计好的 Excel 模板。识别率最终稳定在 94% 左右，剩下的 6% 错误，主要是极端模糊或字迹完全飞起的部分，系统会高亮标注出来，让阿姨们快速复查修正。整体效率提升了大概 70%。
雨还在下。我保存好最后的模型文件，关掉训练终端。新闻里在回顾袁老的一生，强调“一粒粮食能救一个国家”。我盯着屏幕上那套刚刚能稳定运行的 OCR 流程，想的是，我这一串代码，大概也能帮那个小供应商每个月省下几千块钱，少加几个班。一种非常具体、甚至有些卑微的“生产力提升”。在这个超级个体必须用技术武装到牙齿才能存活的时代，这种提升，就是我的“粮食”。它不宏大，但能让我，以及我的客户，在下一波不确定性到来时，多扛一会儿。技术人的价值，有时候就是这么直接而骨感。
