Testar o reconhecimento óptico de caracteres (OCR)

Este guia explica o processo de execução de um teste de reconhecimento óptico de caracteres (OCR) usando o serviço Vertex AI Vision do Google.

Antes de testar essa amostra, siga as instruções de configuração para Python no Guia de início rápido da Vertex AI: como usar bibliotecas de cliente. Para mais informações, consulte a documentação de referência da API Python da Vertex AI.

1. Crie um arquivo Python ocr_test.py. Substitua o valor image_uri_to_test pelo URI de uma imagem de origem, conforme mostrado:

   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)
   

   Substitua:

   • IMAGE_URI com o URI de uma imagem disponível publicamente que contenha texto, por exemplo, "https://cloud.google.com/vision/docs/images/sign.jpg". Outra opção é especificar um URI do Cloud Storage, por exemplo, "gs://your-bucket/your-image.png".

2. Crie um Dockerfile:

   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. Crie a imagem do Docker para o aplicativo de tradução:

   docker build -t ocr-app .
   

4. Siga as instruções em Configurar o Docker para:

   1. Configure o Docker.
   2. Crie um secret e
   3. Faça upload da imagem para o HaaS.

5. Faça login no cluster de usuário e gere o arquivo kubeconfig com uma identidade de usuário. Verifique se você definiu o caminho do kubeconfig como uma variável de ambiente:

   export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
   

6. Execute o seguinte comando no terminal, colando sua chave de API, para criar um secret do Kubernetes:

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

   Esse comando cria um secret chamado gcp-api-key-secret com uma chave GCP_API_KEY.

7. Aplique o manifesto do Kubernetes:

   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
   
   

   Substitua:

   • HARBOR_INSTANCE_URL: o URL da instância do Harbor.
   • HARBOR_PROJECT: o projeto do Harbor.
   • SECRET: o nome do secret criado para armazenar credenciais do Docker.

8. Verifique o status do job:

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

9. Depois que o job for concluído, será possível conferir a saída do OCR nos registros do pod:

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