宝塔面板使用Python管理器制作验证码识别服务器
2020-08-06 admin python 2046
python是目前最火热的编程语言了，特别是在人工智能方面，比如OCR，非常强大。
最近因需要用于验证码识别，先试用次世代验证码识别系统，发现字符粘连的无法识别，整体识别成功率不到10%，效果不满意。
最后还是考虑使用Python，毕竟CNN（卷积神经网络）识别图形验证码是非常专业的。百度找了几天资料，发现都是偏理论的，实用性不足，基本上无法用于实战，且很多都无法跑起来。最后找到了这个：muggle-ocr 1.0.3，只需要几行代码，就能使用自带的识别库，识别大部分的验证码了。安装极其简单：
pip install muggle-ocr
使用方法也非常简单：
import time# 1. 导入包import muggle_ocr"""使用预置模型，预置模型包含了[ModelType.OCR, ModelType.Captcha] 两种其中 ModelType.OCR 用于识别普通印刷文本, ModelType.Captcha 用于识别4-6位简单英数验证码"""# 打开印刷文本图片with open(r"test1.png", "rb") as f: ocr_bytes = f.read()# 打开验证码图片with open(r"test2.jpg", "rb") as f: captcha_bytes = f.read()# 2. 初始化；model_type 可选: [ModelType.OCR, ModelType.Captcha]sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)# ModelType.Captcha 可识别光学印刷文本for i in range(5): st = time.time() # 3. 调用预测函数 text = sdk.predict(image_bytes=ocr_bytes) print(text, time.time() - st)# ModelType.Captcha 可识别4-6位验证码sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)for i in range(5): st = time.time() # 3. 调用预测函数 text = sdk.predict(image_bytes=captcha_bytes) print(text, time.time() - st)"""使用自定义模型支持基于 https://github.com/kerlomz/captcha_trainer 框架训练的模型训练完成后，进入导出编译模型的[out]路径下, 把[graph]路径下的pb模型和[model]下的yaml配置文件放到同一路径下。将 conf_path 参数指定为 yaml配置文件 的绝对或项目相对路径即可，其他步骤一致，如下示例："""with open(r"test3.jpg", "rb") as f: b = f.read()sdk = muggle_ocr.SDK(conf_path="./ocr.yaml")text = sdk.predict(image_bytes=b)
不过，在本机上直接安装时，由于宝塔面板默认的Python版本太低，无法安装。最后使用了Python项目管理器（面板可选择安装)，使用虚拟环境安装成功了。方法如下：
首先，添加一个项目，设置如下：
这是设置好的配置文件：
[uwsgi] master = true processes = 1 threads = 2 chdir = /www/wwwroot/ocr.dzbfsj.com wsgi-file= /www/wwwroot/ocr.dzbfsj.com/ http = 0.0.0.0:8000 logto = /www/wwwroot/ocr.dzbfsj.com/logs/error.log chmod-socket = 660 vacuum = true master = true max-requests = 1000 wsgi-file = /www/wwwroot/ocr.dzbfsj.com/ocr/ocr/wsgi.py
进入虚拟环境安装
cd /www/wwwroot/ocr.dzbfsj.com source ./webocr_venv/bin/activate pip install pybase64 pip install muggle-ocr
安装过程比较久，因为需要安装的组件比较多。
安装完后，因需要使用Django框架做WEB服务，需要检查sqlite3版本：sqlite3 -version，如果版本太低，需要到官网下载最新版编译安装。百度教程很多，注意路径就可以了。
sqlite-snapshot-202007301737.tar.gz
cd /www/server/sqlite wget xxxxxx网址 tar zxvf sqlite-snapshot-202007301737.tar.gz cd sqlite-snapshot-202007301737 ./configure --prefix=/usr/local/sqlite make && makeinstall mv /usr/bin/sqlite3 /usr/bin/sqlite3_old ln -s /usr/local/sqlite/bin/sqlite3 /usr/bin/sqlite3 source ~/.bashrc sqlite3 -version
如果正确，最后会显示最新的版本号。因时间有限，这是关键代码，完整代码我再打包上传：
from django.shortcuts import render,HttpResponse
from django.views.decorators.csrf import csrf_exempt
import time
import base64
# 1. 导入ocr识别包
import muggle_ocr
"""
使用预置模型，预置模型包含了[ModelType.OCR, ModelType.Captcha] 两种
其中 ModelType.OCR 用于识别普通印刷文本, ModelType.Captcha 用于识别4-6位简单英数验证码
"""
@csrf_exempt
def ocr(request):
if request.method == "POST":
img = request.POST.get("img")
if img != "":
#图片base64经过post传输后+会变成空格，这里要替换回来
img = img.replace(" ", "+")
image = base64.b64decode(img)
# 2. 初始化；model_type可选:[ModelType.OCR,ModelType.Captcha],ModelType.Captcha可识别4-6位验证码
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
# 3. 调用预测函数
text = sdk.predict(image_bytes=image)
return HttpResponse(text)
else:
return HttpResponse("图片为空")启动顺序，先在宝塔Python停止当前项目，再进入命令行：
cd /www/wwwroot/ocr.dzbfsj.com source ./webocr_venv/bin/activate cd ocr python manage.py runserver > nohup.log 2>&1 &
完整代码很大，将近500MB，上传到百度网盘了。
如何训练识别库呢，点击查看网址：
先下载python3.7.0 amd64版本：python-3.7.0rc1-amd64.rar
然后，下载编译版的源码：captcha_trainer-1.0.rar
解压到D盘，cmd进入目录，安装依赖：
pip install -r requirements.txt