kgb19861. 项目背景与需求分析
去年在给公司做内部文档管理系统升级时，遇到一个棘手问题：财务、法务等部门的同事经常需要将扫描的合同、票据图片转换成可编辑文本，但现有方案要么需要手动上传到第三方服务（有数据泄露风险），要么识别准确率太低。于是我用UmiOCR的API接口开发了一个局域网部署的多用户文档转换工具，完美解决了这个问题。
这个工具的核心价值在于：
- 完全内网部署，敏感业务数据不出局域网
- 支持多用户同时提交转换任务
- 自动保留原始文档排版格式
- 特别优化了财务票据的识别准确率
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术方案选型
2.1 为什么选择UmiOCR
对比过市面上主流的OCR方案后，最终选择UmiOCR主要基于以下几点考量：
- 离线部署能力：UmiOCR提供完整的本地化部署方案，不需要连接外网
- API接口友好：完善的RESTful接口文档，支持批量处理
- 排版保持优秀：相比其他开源方案，对表格、多栏排版的还原度更好
- 自定义训练：可以针对财务票据等特殊文档进行模型微调
实测对比数据（百张测试样本）：
| 指标 | UmiOCR | Tesseract | 某商业云服务 |
|---|---|---|---|
| 中文准确率 | 98.2% | 89.7% | 99.1% |
| 表格还原度 | 95% | 70% | 97% |
| 响应速度(ms) | 320 | 210 | 150 |
2.2 系统架构设计
整个工具采用经典的三层架构：
code复制[前端界面] -> [API网关] -> [任务队列] -> [UmiOCR Worker]
↑ ↑ ↑
[用户管理] [权限验证] [结果存储]
关键组件说明：
- 前端：Vue3 + Element Plus实现的多标签页界面
- API网关：基于Spring Boot的鉴权和请求分发
- 任务队列：Redis存储待处理文档队列
- **Wo