【Bug反馈】OCR功能中 ocr.mlkit.detect 与 ocr.paddle.detect 返回完全相同的结果

[zhu855]

1. 环境信息

• 设备型号： (红米k80pro)
• Android 版本： (例如: os版本：3.0.3.0)
• Auto.js 6 版本： 6.6.4

2. 问题描述 根据官方文档，ocr.mlkit.detect() 和 ocr.paddle.detect() 应该分别调用 MLKit 和 PaddleOCR 两个不同的识别引擎，并产生不同的识别结果。

然而，在我的环境中，无论调用 ocr.mlkit.detect(img) 还是 ocr.paddle.detect(img)，两者返回的识别结果（包括所有文本块的 label, confidence 和 bounds）都完全一致，精确到每一个细节。这表明底层实际上可能只调用了同一个 OCR 引擎，或者其中一个引擎静默失败并回退到了另一个。

3. 预期行为 调用 ocr.mlkit.detect(img) 和 ocr.paddle.detect(img) 时，应该分别激活两个独立的 OCR 引擎，并针对同一张图片返回两组具有明显差异（尤其是在置信度 confidence 上）的识别结果。

4. 实际行为 两个函数返回了完全相同的 OcrResult[] 数组，使我无法对两个引擎进行独立的测试和使用。

[SuperMonster003]

感谢反馈, 这是一个相对难以发现的 bug. 问题在于 ocr.xxx.detect 方法对 ocr.mode 的判断出现了条件遗漏, 而 ocr.xxx.recognizeText 是正常的.

源码体现如下:

val results = when (scriptRuntime.ocr.mode) {
    OcrMode.MLKIT -> OcrMLKit.detectInternal(scriptRuntime, image, options)
    OcrMode.PADDLE -> OcrPaddle.detectInternal(scriptRuntime, image, options)
    OcrMode.RAPID -> OcrRapid.detectInternal(scriptRuntime, image, options)
    else -> throw WrappedIllegalArgumentException("Cannot call ocr.detect with an unknown mode")
}

val results = when (opt.prop("mode").takeIf { it is OcrMode } ?: scriptRuntime.ocr.mode) {
    OcrMode.MLKIT -> OcrMLKit.recognizeTextInternal(scriptRuntime, image, options)
    OcrMode.PADDLE -> OcrPaddle.recognizeTextInternal(scriptRuntime, image, options)
    OcrMode.RAPID -> OcrRapid.recognizeTextInternal(scriptRuntime, image, options)
    else -> throw WrappedIllegalArgumentException("Cannot call ocr.recognizeText with an unknown mode")
}

可以看到 recognizeText 的判断条件是全面的, 而 detect 是存在遗漏的.

目前在脚本代码层面可以替代的方案, 是使用 ocr.mode 的 setter 形式变更 OCR 模式, 再使用通用的 ocr.detect 进行文本识别 (暂时避免使用 ocr.xxx.detect 这种特定方法).

一个简单的示例:

ocr.mode = 'paddle';
console.log(ocr.detect( /* ... */ ));
ocr.mode = 'rapid';
console.log(ocr.detect( /* ... */ ));
ocr.mode = 'mlkit';
console.log(ocr.detect( /* ... */ ));

[zhu855]

谢谢，按照建议修改后已经正常工作了