easyocr

EasyOCR es un motor OCR basado en deep learning que soporta más de 80 idiomas y scripts. Funciona como alternativa/fallback a PaddleOCR con mejor rendimiento en caracteres especiales y alfabetos no latinos.

When to use

Usar en el ocr_agent como segundo motor OCR cuando PaddleOCR tiene baja confianza (< 0.7) en la extracción. Especialmente útil para documentos con caracteres árabes, cirílicos o asiáticos.

Instructions

1. Instalar: pip install easyocr.
2. Inicializar reader con idiomas: reader = easyocr.Reader(['es', 'en', 'fr'], gpu=True).
3. Ejecutar OCR: results = reader.readtext(image).
4. Cada resultado contiene: [bbox, text, confidence].
5. Filtrar resultados con confianza < 0.5.
6. Comparar resultados con PaddleOCR y usar el de mayor confianza por campo.
7. Normalizar texto extraído con el regex_data_normalizer.

Notes

• EasyOCR es más lento que PaddleOCR (~2x); usar solo como fallback.
• El modelo se descarga automáticamente la primera vez; pre-descargar en el Docker build.
• No soporta MRZ de forma nativa; usar mrz_parser para la zona MRZ.