C++还在测试未更新，当前博客仅支持python版本
测试的模型、文件、模型转换工具和系统下载参见百度网盘（文件下载后可以直接使用无需自己搭建模型转换的环境，板端测试程序放置到板端就可以运行无需修改测试，需要的基础环境和基础测试全部打包）
https://pan.baidu.com/s/1Vhu_iYkO5rfB8008WzwLFw?pwd=usyt 提取码：usyt
虚拟机：虚拟机文件下载后参考说明文档打开后就可以直接使用。
文件：保存虚拟机内的所有文件，可以复制文件到自己的虚拟机，但是需要自己搭建测试环境。
X3镜像文件：地平线的官方ubuntu系统文件。
板端测试程序：det的检测程序和demo的检测识别程序（pyton版本）
测试系统的制作参靠官方网址
本测试使用的系统放置在百度网盘中（解压后使用）
链接：https://pan.baidu.com/s/1whCbIRQ6w-XlCeu8JQkauw?pwd=mu6w 提取码：mu6w
下载制作工具：balenaEtcher – Flash OS images to SD cards & USB drives
1、打开balenaEtcher工具，点击Flash frome file按钮，选择解压出来的ubuntu-preinstalled-desktop-arm64.img文件作为烧录镜像
2、点击Select target按钮，选择对应的Micro SD存储卡作为目标存储设备
3、点击Flash按钮开始烧录，待工具提示Flash Complete时，表示镜像烧录完成，可以关闭balenaEtcher并取出存储卡
环境搭建
#创建虚拟环境
conda create -n x3model python=3.6
#激活虚拟环境
conda activate x3model
#进入到指定的测试路径
cd /home/kkx3/wyj/x3/TransModel/Paddle2ONNX/PaddleOCR
#首次使用安装
pip install paddlepaddle==2.2.0 -i https://mirror.baidu.com/pypi/simple/
pip install onnxruntime==1.9.0 -i https://mirror.baidu.com/pypi/simple/
pip install paddle2onnx -i https://mirror.baidu.com/pypi/simple/
pip install onnx==1.6.0 -i https://mirror.baidu.com/pypi/simple/
模型转换（转onnx模型）
#下载模型
wget -nc -P ./inference https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_det_infer.tar
cd ./inference && tar xf en_PP-OCRv3_det_infer.tar && cd ..
wget -nc -P ./inference https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_infer.tar
cd ./inference && tar xf en_PP-OCRv3_rec_infer.tar && cd ..
wget -nc -P ./inference https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
cd ./inference && tar xf ch_ppocr_mobile_v2.0_cls_infer.tar && cd ..
#rec
#模型输入输出固化
python paddle_infer_shape.py --model_dir ./inference/en_PP-OCRv3_rec_infer/ \
--model_filename inference.pdmodel \
--params_filename inference.pdiparams \
--save_dir new_model/rec/ \
--input_shape_dict="{'x':[1,3,48,320]}"
#模型转换
paddle2onnx --model_dir new_model/rec/ \
--model_filename inference.pdmodel \
--params_filename inference.pdiparams \
--save_file new_model/rec/en_PP-OCRv3_rec_infer.onnx \
--opset_version 11 \
--enable_dev_version True
#降低ONNX版本
python ModelTransVersion_rec.py
#det
#模型输入输出固化
python paddle_infer_shape.py --model_dir ./inference/en_PP-OCRv3_det_infer/ \
--model_filename inference.pdmodel \
--params_filename inference.pdiparams \
--save_dir new_model/det/ \
--input_shape_dict="{'x':[1,3,640,640]}"
#模型转换
paddle2onnx --model_dir new_model/det/ \
--model_filename inference.pdmodel \
--params_filename inference.pdiparams \
--save_file new_model/det/en_PP-OCRv3_det_infer.onnx \
--opset_version 11 \
--enable_dev_version True
#降低ONNX版本
python ModelTransVersion_det.pyrec模型转换
输出的rec模型路径
/home/kkx3/wyj/x3/TransModel/Paddle2ONNX/PaddleOCR/new_model/rec
模型转换
输出的det模型路径
/home/kkx3/wyj/x3/TransModel/Paddle2ONNX/PaddleOCR/new_model/det
由于x3派支持的版本限制需要降低onnx版本,左侧原版，右侧是降低版本后的，将降低后的复制到onnx模型转x3派的路径下进行模型转换。
模型转换（转x3板端的模型）
#进入到指定的测试路径
cd /home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_det/mapper
#激活虚拟环境
conda activate x3model
修改配置文件01_check.sh
配置上述上述步骤中生成的降低onnx版本后的onnx模型
执行脚本
#运行
bash 01_check.sh运行结果
修改维度
/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/10_LED/mapper/preprocess.py
修改配置文件02_preprocess.sh
执行脚本
#运行
bash 02_preprocess.sh 运行结果
修改配置文件03_build.sh和ocr_config.yaml
配置输入输出的模型路径和模型的名称
运行
#运行
bash 03_build.sh 
输出模型的路径
/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_det/mapper/model_output
修改配置文件04_inference.sh
配置测试的模型和图片的路径
运行
结果图片保存路径
/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_det/mapper/ocr_det_result.png
左侧书输入的图像右侧是输出的解雇图片，白色的位置表示检测到的文字。
rec模型转换
#进入到指定的测试路径
cd /home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_rec/mapper
#激活虚拟环境
conda activate x3model
修改配置文件01_check.sh
配置上述上述步骤中生成的降低onnx版本后的onnx模型
执行脚本
#运行
bash 01_check.sh运行结果
修改配置文件02_preprocess.sh
执行脚本
#运行
bash 02_preprocess.sh 
修改配置文件03_build.sh和ocr_config.yaml
配置输入输出的模型路径和模型的名称
运行
运行
bash 03_build.sh
运行结果
输出模型的路径
/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_rec/mapper/model_output
修改配置文件04_inference.sh
配置测试的模型和图片的路径
运行
运行
bash 04_inference.sh
运行结果
联合测试
进入指定的路径并激活虚拟环境
cd /home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_demo/mapper
conda activate x3model
修改配置文件04_inference.sh
运行
bash 04_inference.sh
运行结果
测试图片
Python版本测试，将模型复制到板端测试(模型在板端的运行测试)
Det检测测试
复制模型到板端运行
cd /app/pydev_demo/09_ocr_det_sample
./test_ocr.py
测试结果保存在当前的文件夹
Rec检测测试
复制模型到板端运行
cd /app/pydev_demo/09_ocr_demo_sample
./test_ocr.py
测试结果
测试的结果
