服装吊牌上的文字识别（OCR）看似简单，实际落地时却充满挑战。吊牌字体多样、印刷质量参差、背景纹理复杂，再加上反光、褶皱、遮挡等因素，直接套用通用 OCR 模型往往识别率不达标。更关键的是，业务侧真正需要的不是"识别出文字"，而是"把吊牌上的信息准确匹配到标准库中的款号、色号、尺码"。
因此，一个可落地的服装吊牌 OCR 方案，不能只靠单一模型，而应是一条完整链路：检测 → 识别 → 后处理 → 匹配。每一层解决一类问题，层层递进，最终输出业务可直接使用的结构化结果。
1. 整体架构
整条链路分为四个阶段，每个阶段各司其职：
- 检测层：解决"文字在哪里"的问题，从复杂背景中定位出每个文字区域。
- 识别层：解决"文字是什么"的问题，输出候选字符序列。
- 后处理层：解决"识别结果不可靠"的问题，用语言模型纠错、规范化。
- 匹配层：解决"如何命中标准库"的问题，用模糊匹配算法找到最接近的标准条目。
2. 检测层：定位文字区域
检测层是整条链路的地基。吊牌上的文字往往分布在多个区域：品牌 Logo、款号、色号、尺码、成分说明、洗涤标识等。检测模型需要把这些区域准确框出来。
2.1 技术选型
- DBNet（可微分二值化）：对不规则形状的文字区域支持好，推理速度快，适合吊牌这种文字区域相对规整的场景。
- PSENet（渐进式尺度扩展）：擅长处理相邻很近的文字行，能有效避免粘连。
- YOLO 系列微调：如果吊牌版式相对固定，可以用 YOLOv8 等目标检测模型直接检测"款号区域""尺码区域"等语义区域，再对区域内做文字检测。
2.2 针对吊牌的优化
吊牌检测的难点不在"检测不到"，而在"检测得太多"。吊牌上常有装饰性花纹、防伪标识、水印，这些都会被检测模型误判为文字。优化手段包括：
- 收集真实吊牌图像，标注时区分"有效文字"与"干扰纹理"。
- 对检测框做尺寸过滤，去掉过小或过大的异常框。
- 结合吊牌版式先验，按区域（顶部、中部、底部）约束文字框的合理位置。
3. 识别层：输出候选字符
检测层给出文字区域后，识别层负责把区域内的图像转为字符序列。吊牌字体与通用场景差异较大，直接使用开源预训练模型往往效果不佳，需要针对特定字体微调。
3.1 技术选型
- CRNN + CTC：经典方案，轻量、部署友好，适合嵌入式或服务端批量识别。
- SVTR：百度提出的纯视觉文字识别模型，对不规则文字和艺术字体效果更好。
- PaddleOCR 系列：开箱即用，支持自定义字典和微调，是工程落地的高性价比选择。
3.2 针对吊牌字体的微调
吊牌常用字体包括衬线体、无衬线体、手写体以及各种艺术变体。微调时注意：
- 收集各品牌吊牌的真实图像，按字体类型分组标注。
- 自定义字典：吊牌字符集有限，通常包含数字、大写字母、少量符号（如
#、-、/），把字典收敛到业务实际字符集能显著提升准确率。 - 数据增强：对训练图像做透视变换、模糊、噪声、亮度扰动，模拟真实拍摄环境。
3.3 输出候选字符
识别层不应只输出一个结果，而应输出带置信度的候选字符序列。例如识别"款号"区域时，输出：
候选1: AB1234 (置信度 0.92) 候选2: AB123B (置信度 0.85) 候选3: AB123A (置信度 0.78)这些候选会传递给后处理层，由语言模型和规则进一步筛选。
4. 后处理层：纠错与规范化
识别层输出的原始结果往往包含错误，例如O与0混淆、I与1混淆、B与8混淆。后处理层负责把这些不可靠的结果修正为合理形式。
4.1 规则纠错
针对吊牌字符集，可以建立混淆规则表：
| 易混淆字符 | 常见误识 | 纠错策略 |
|---|---|---|
0/O | 数字 0 被识别为字母 O | 结合上下文：款号中数字位优先判为 0 |
1/I/l | 数字 1 与字母 I、l 混淆 | 结合位置：尺码中优先判为 1 |
B/8 | 字母 B 被识别为数字 8 | 结合字典：标准库中无 8 开头款号则判为 B |
Z/2 | 字母 Z 与数字 2 混淆 | 结合字体风格：衬线体 Z 更常见 |
4.2 语言模型纠错
规则无法覆盖的情况，交给语言模型处理。这里不一定要用大模型，轻量级的方案即可：
- N-gram 语言模型：基于标准库中的款号、色号、尺码构建字符级 N-gram，对识别结果做困惑度评估，选择最合理的候选。
- 序列到序列纠错：用标准库数据训练一个轻量纠错模型，输入识别结果，输出修正后的文本。
- 大模型兜底：对于规则和轻量模型都无法确定的疑难样本，可调用大模型结合上下文做最终判断。
4.3 规范化
纠错之后，还需要把文本规范化为统一格式。例如：
- 统一大小写：
ab1234→AB1234。 - 统一分隔符：
AB-1234、AB 1234、AB1234统一为AB1234。 - 去除多余字符：去掉识别结果中混入的标点、空格、装饰符号。
5. 匹配层：命中标准库
后处理层输出的文本，最终要匹配到标准库中的条目。由于识别结果仍可能存在少量错误，直接做精确匹配会漏掉大量有效样本，因此需要模糊匹配。
5.1 LCS（最长公共子序列）
LCS 适合处理字符缺失或插入的情况。例如识别结果为AB124，标准库中有AB1234，LCS 长度为 5，相似度较高，可以判定为匹配。
deflcs_similarity(a:str,b:str)->float:"""计算两个字符串的 LCS 相似度"""m,n=len(a),len(b)dp=[[0]*(n+1)for_inrange(m+1)]foriinrange(1,m+1):forjinrange(1,n+1):ifa[i-1]==b[j-1]:dp[i][j]=dp[i-1][j-1]+1else:dp[i][j]=max(dp[i-1][j],dp[i][j-1])lcs_len=dp[m][n]returnlcs_len/max(m,n)5.2 Jaccard 相似度
Jaccard 相似度基于字符集合的重合度，适合处理字符替换的情况。例如AB1234与AB123B，字符集合高度重合，Jaccard 相似度较高。
defjaccard_similarity(a:str,b:str)->float:"""计算两个字符串的 Jaccard 相似度"""set_a,set_b=set(a),set(b)intersection=len(set_a&set_b)union=len(set_a|set_b)returnintersection/unionifunion>0else0.05.3 综合匹配策略
单一算法都有盲区，实际工程中采用加权融合：
defmatch_score(a:str,b:str)->float:"""综合 LCS 与 Jaccard 的匹配分数"""lcs=lcs_similarity(a,b)jac=jaccard_similarity(a,b)return0.6*lcs+0.4*jac匹配流程：
- 先用精确匹配快速命中，命中则直接返回。
- 未命中时，对标准库做候选召回（可用前缀索引或向量检索缩小范围）。
- 对候选逐一计算综合匹配分数，取最高分。
- 设定阈值：分数高于阈值才判定为匹配，否则标记为"未匹配，需人工确认"。
5.4 业务规则约束
匹配时还要结合业务规则进一步约束：
- 款号匹配：优先匹配款号字段，款号唯一时直接锁定。
- 色号匹配：在款号命中的前提下，再匹配色号，避免跨款误配。
- 尺码匹配：尺码字符集极小（S/M/L/XL 或数字），可单独建字典精确匹配。
6. 完整链路示例
下面用一个具体例子串起整条链路：
输入图像：一张服装吊牌，包含款号、色号、尺码三个字段。
检测层：检测模型定位出三个文字区域，分别标记为"款号区"“色号区”“尺码区”。
识别层：
款号区识别结果: AB12B4 (置信度 0.88) 色号区识别结果: RED (置信度 0.95) 尺码区识别结果: L (置信度 0.97)后处理层：
- 规则纠错：款号中第 5 位
B与3混淆，结合标准库判断应为3。 - 规范化：
AB12B4→AB1234。
匹配层：
- 精确匹配
AB1234命中标准库款号。 - 色号
RED精确匹配。 - 尺码
L精确匹配。
最终输出：
{"style_code":"AB1234","color_code":"RED","size":"L","matched":true,"confidence":0.92}服装吊牌 OCR 容错方案的核心思想是分层解耦：检测层解决定位问题，识别层解决字符问题，后处理层解决纠错问题，匹配层解决命中问题。每一层只专注解决一类问题，层与层之间通过标准化的数据结构衔接，既便于独立优化，也便于整体调优。
在实际落地中，建议按以下顺序逐步完善：
- 先跑通检测 + 识别，拿到原始识别结果。
- 再建立标准库，实现精确匹配，评估基线准确率。
- 加入后处理纠错，观察准确率提升。
- 最后引入模糊匹配，处理边界样本。
四层链路全部打通后，再针对业务数据持续迭代各层模型与规则，即可逐步逼近生产可用的识别准确率。
