FastDeploy中OCRResult结构体字段缺失问题解析

问题背景

在FastDeploy项目的1.0.7版本中，vision模块的OCRResult结构体在C++头文件中定义了多个字段，包括表格识别相关的table_boxes和table_structure等字段。然而，在Python绑定(pybind11)部分却遗漏了这些字段的导出，导致Python开发者无法直接访问这些重要的表格识别结果。

技术细节分析

OCRResult结构体在C++层面设计得相当完善，包含了以下关键字段：

1. 基础OCR字段：

   • boxes: 存储检测框坐标的二维数组
   • text: 识别出的文本内容
   • rec_scores: 识别置信度分数
   • cls_scores和cls_labels: 分类相关分数和标签

2. 表格识别专用字段：

   • table_boxes: 表格检测框坐标
   • table_structure: 表格结构信息
   • table_html: 表格HTML表示形式

然而，在Python绑定实现中，只导出了基础OCR字段，遗漏了表格识别相关的三个重要字段。这种不一致性会导致以下问题：

1. Python开发者无法获取完整的表格识别结果
2. 表格识别功能在Python端无法完整使用
3. 跨语言功能不一致，影响开发体验

解决方案探讨

针对这一问题，技术团队可以考虑以下几种解决方案：

1. 直接补充绑定字段： 最简单的解决方案是在pybind11绑定代码中添加缺失的三个表格识别字段。这种方法改动最小，能快速解决问题。

2. 派生专用结果类： 更面向对象的做法是创建一个新的TableOCRResult类，继承自OCRResult，专门处理表格识别相关字段。这种设计更符合单一职责原则，但需要更多重构工作。

3. 版本兼容性考虑： 在添加新字段时，需要考虑向后兼容性，确保老版本代码不会因为新字段而出现问题。

技术实现建议

如果采用第一种直接补充字段的方案，pybind11绑定代码应修改为：

pybind11::class_<vision::OCRResult>(m, "OCRResult")
    .def(pybind11::init())
    .def_readwrite("boxes", &vision::OCRResult::boxes)
    .def_readwrite("text", &vision::OCRResult::text)
    .def_readwrite("rec_scores", &vision::OCRResult::rec_scores)
    .def_readwrite("cls_scores", &vision::OCRResult::cls_scores)
    .def_readwrite("cls_labels", &vision::OCRResult::cls_labels)
    .def_readwrite("table_boxes", &vision::OCRResult::table_boxes)
    .def_readwrite("table_structure", &vision::OCRResult::table_structure)
    .def_readwrite("table_html", &vision::OCRResult::table_html)
    .def("__repr__", &vision::OCRResult::Str)
    .def("__str__", &vision::OCRResult::Str);

总结

FastDeploy作为一款高效的推理部署工具，其OCR功能在实际业务场景中应用广泛。表格识别作为OCR的重要应用场景，其功能完整性直接影响用户体验。通过修复这一字段导出问题，可以确保Python开发者能够充分利用FastDeploy的完整表格识别能力，提升开发效率和用户体验。

技术团队已确认将在未来版本中解决这一问题，开发者可以关注后续版本更新。对于急需使用表格识别功能的开发者，目前可以考虑通过C++接口获取完整结果，或等待官方修复后的版本发布。