光学式文字認識（OCR）を試す

このガイドでは、Google の Vertex AI Vision サービスを使用して光学式文字認識（OCR）テストを実行するプロセスについて説明します。

このサンプルを試す前に、Vertex AI クイックスタート: クライアント ライブラリの使用にある Python の設定手順を行ってください。詳細については、Vertex AI Python API のリファレンス ドキュメントをご覧ください。

1. Python ファイル ocr_test.py を作成します。次のように、image_uri_to_test の値をソースイメージの URI に置き換えます。

   import os
   import requests
   import json
   
   def detect_text_rest(image_uri):
       """Performs Optical Character Recognition (OCR) on an image by invoking the Vertex AI REST API."""
   
       # Securely fetch the API key from environment variables
       api_key = os.environ.get("GCP_API_KEY")
       if not api_key:
           raise ValueError("GCP_API_KEY environment variable must be defined.")
   
       # Construct the Vision API endpoint URL
       vision_api_url = f"https://vision.googleapis.com/v1/images:annotate?key={api_key}"
   
       print(f"Initiating OCR process for image: {image_uri}")
   
       # Define the request payload for text detection
       request_payload = {
           "requests": [
               {
                   "image": {
                       "source": {
                           "imageUri": image_uri
                       }
                   },
                   "features": [
                       {
                           "type": "TEXT_DETECTION"
                       }
                   ]
               }
           ]
       }
   
       # Send a POST request to the Vision API
       response = requests.post(vision_api_url, json=request_payload)
       response.raise_for_status()  # Check for HTTP errors
   
       response_json = response.json()
   
       print("\n--- OCR Results ---")
   
       # Extract and print the detected text
       if "textAnnotations" in response_json["responses"]:
           full_text = response_json["responses"]["textAnnotations"]["description"]
           print(f"Detected Text:\n{full_text}")
       else:
           print("No text was detected in the image.")
   
       print("--- End of Results ---\n")
   
   if __name__ == "__main__":
       # URI of a publicly available image, or a storage bucket
       image_uri_to_test = "IMAGE_URI"
   
       detect_text_rest(image_uri_to_test)
   

   次のように置き換えます。

   • IMAGE_URI: テキストを含む一般公開されている画像の URI（例: https://cloud.google.com/vision/docs/images/sign.jpg）。または、Cloud Storage URI（例: gs://your-bucket/your-image.png）を指定することもできます。

2. Dockerfile を作成します。

   ROM python:3.9-slim
   
   WORKDIR /app
   
   COPY ocr_test.py /app/
   
   # Install 'requests' for HTTP calls
   RUN pip install --no-cache-dir requests
   
   CMD ["python", "ocr_test.py"]
   

3. 翻訳アプリケーションの Docker イメージをビルドします。

   docker build -t ocr-app .
   

4. Docker の構成の手順に沿って、次の操作を行います。

   1. Docker を構成する。
   2. シークレットを作成する。
   3. イメージを HaaS にアップロードします。

5. ユーザー クラスタにログインし、ユーザー ID を使用して kubeconfig ファイルを生成します。kubeconfig パスを環境変数として設定してください。

   export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
   

6. ターミナルで次のコマンドを実行し、API キーを貼り付けて、Kubernetes Secret を作成します。

   kubectl create secret generic gcp-api-key-secret \
     --from-literal=GCP_API_KEY='PASTE_YOUR_API_KEY_HERE'
   

   このコマンドは、鍵 GCP_API_KEY を含む gcp-api-key-secret という名前のシークレットを作成します。

7. Kubernetes マニフェストを適用します。

   apiVersion: batch/v1
   kind: Job
   metadata:
     name: ocr-test-job-apikey
   spec:
     template:
       spec:
         containers:
         - name: ocr-test-container
           image: HARBOR_INSTANCE_URL/HARBOR_PROJECT/ocr-app:latest # Your image path
           # Mount the API key from the secret into the container
           # as an environment variable named GCP_API_KEY.
           imagePullSecrets:
           - name: ${SECRET}
           envFrom:
           - secretRef:
               name: gcp-api-key-secret
         restartPolicy: Never
     backoffLimit: 4
   
   

   次のように置き換えます。

   • HARBOR_INSTANCE_URL: Harbor インスタンスの URL。
   • HARBOR_PROJECT: Harbor プロジェクト。
   • SECRET: Docker 認証情報を保存するために作成されたシークレットの名前。

8. ジョブのステータスを確認します。

   kubectl get jobs/ocr-test-job-apikey
   # It will show 0/1 completions, then 1/1 after it succeeds
   

9. ジョブが完了したら、Pod ログで OCR 出力を確認できます。

   kubectl logs -l job-name=ocr-test-job-apikey