麒麟V10系统上部署RapidOCR的完整指南-代码聚汇网

麒麟V10系统上部署RapidOCR的完整指南

股海求生·2026-08-21·阅读 27 GEO检测（免费）

RapidOCR麒麟V10aarch64

|难度：普通|阅读约 11 分钟

1. 项目概述

上周接手了一个在国产麒麟V10系统上部署RapidOCR的任务，本以为是个简单的活，结果从环境配置到最终跑通整整折腾了三天。这里把整个部署过程中遇到的坑和解决方案做个完整记录，特别是针对aarch64架构的特殊处理，希望能帮到同样在国产化环境里挣扎的同行们。

RapidOCR作为当前性能第一梯队的开源OCR工具，在x86架构上部署确实简单，但到了麒麟V10这种基于aarch64架构的国产系统，从基础依赖到Python包安装处处是坑。最要命的是这个项目还要求支持中文手写体识别，需要额外处理字体和模型的问题。下面我会按照实际操作的顺序，把关键环节和避坑要点逐一说明。

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. 环境准备与依赖处理

2.1 系统基础环境确认

首先通过uname -m确认系统架构确实是aarch64，麒麟V10的SP2版本。这个版本默认的Python是3.7，但RapidOCR推荐3.8+，所以需要先升级Python：

bash复制sudo apt-get install python3.8

这里第一个坑就出现了：麒麟的官方源里没有python3.8。解决方法是用源码编译：

bash复制wget https://www.python.org/ftp/python/3.8.12/Python-3.8.12.tar.xz
tar -xvf Python-3.8.12.tar.xz
cd Python-3.8.12
./configure --enable-optimizations
make -j$(nproc)
sudo make altinstall

注意：一定要用altinstall而不是install，避免覆盖系统默认Python导致yum等工具失效。

2.2 依赖库的特殊处理

RapidOCR依赖的OpenCV、onnxruntime等库在aarch64上需要特殊处理：

OpenCV安装：直接pip install opencv-python会报错，需要从源码编译：

bash复制sudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
git clone https://github.com/opencv/opencv.git
cd opencv
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j$(nproc)
sudo make install

onnxruntime选择：必须使用aarch64专用版本：

bash复制pip install onnxruntime-aarch64

3. RapidOCR核心部署流程

3.1 源码获取与修改

从官方仓库克隆代码后，需要修改几处aarch64适配问题：

模型加载逻辑：在rapidocr_onnxruntime/inference.py中，修改模型加载方式：

python复制# 原代码
self.session = ort.InferenceSession(model_path)

# 修改为
self.session = ort.InferenceSession(model_path, providers=['CPUExecutionProvider'])

线程数限制：在rapidocr_onnxruntime/utils.py中增加：

python复制import os
os.environ["OMP_NUM_THREADS"] = "4"  # 根据CPU核心数调整

3.2 中文支持配置

麒麟系统默认缺少中文字体，需要手动添加：

下载思源字体：

bash复制wget https://mirrors.tuna.tsinghua.edu.cn/adobe-fonts/source-han-sans/OTF/SourceHanSansSC.zip
unzip SourceHanSansSC.zip
sudo mkdir -p /usr/share/fonts/chinese
sudo cp *.otf /usr/share/fonts/chinese/
sudo fc-cache -fv

修改RapidOCR配置：
在config.yaml中添加：

yaml复制font_path: /usr/share/fonts/chinese/SourceHanSansSC-Regular.otf

4. 性能优化技巧

4.1 NEON指令集加速

aarch64的NEON指令集可以显著提升OCR处理速度，需要重新编译关键组件：

bash复制export CFLAGS="-march=armv8-a+simd -mtune=cortex-a72 -O3"
pip install --no-binary :all: numpy

4.2 内存管理优化

在/etc/sysctl.conf末尾添加：

conf复制vm.swappiness = 10
vm.dirty_ratio = 30
vm.dirty_background_ratio = 10

执行sudo sysctl -p生效

5. 常见问题与解决方案

5.1 模型加载失败

现象：报错Failed to load model...

解决方法：

检查模型路径是否包含中文（麒麟系统对中文路径支持不好）
确认onnxruntime版本匹配：

bash复制pip show onnxruntime | grep Version

应该显示1.14.0及以上版本

5.2 识别结果乱码

现象：英文识别正常，中文全是乱码

解决方法：

确认字体文件权限：

bash复制ls -l /usr/share/fonts/chinese/

重建字体缓存：

bash复制sudo fc-cache -fv

5.3 内存泄漏问题

现象：长时间运行后内存占用持续增长

解决方法：
在代码中显式释放资源：

python复制import gc
# 每次识别完成后调用
gc.collect()

6. 部署后验证

编写测试脚本test_ocr.py：

python复制from rapidocr_onnxruntime import RapidOCR
ocr = RapidOCR()
result, _ = ocr("test.jpg")
print(result)

测试时发现一个隐藏坑：麒麟V10的默认图片查看器可能损坏图片文件，建议用file命令先验证图片完整性：

bash复制file test.jpg

7. 实际使用心得

批量处理建议：在aarch64上，建议每次处理不超过10张图片，然后休息2秒，避免CPU过热降频：

python复制import time
for i, img_path in enumerate(img_list):
    if i % 10 == 0:
        time.sleep(2)
    # 处理代码

日志记录必做：麒麟系统的/var/log空间很小，建议修改RapidOCR的日志路径：

python复制import logging
logging.basicConfig(filename='/home/user/rapidocr.log', level=logging.INFO)

性能监控命令：推荐使用arm-top（需自行安装）监控CPU和内存：

bash复制sudo apt-get install arm-top
arm-top -d 1