Files
ssw c303c315e5 rocr: rusto-rs 源码入库(上游 v0.2.5 基线 57609fc + 本地补丁)
- 源码 316 文件收编为 rusto-rs/ 文件夹,随本仓库管理
- 移除内部 .git(补丁已存档 docs/rusto-rs-metal-patch-20260912.patch,上游可随时 re-clone)
- target/ 与 docs/.yarn 缓存不入库;本地改动:ROCR_* 环境变量调优 + Metal 链接修复 + 预处理测试脚本
2026-09-12 17:30:04 +08:00

6.2 KiB

title, description, navigation, seo
title description navigation seo
Pengenalan Pustaka OCR Berperforma Tinggi Berbasis Rust Murni & Toolkit Multi-Platform
icon
i-ph-rocket
title description
Pengenalan - RustO! Pustaka OCR Berperforma Tinggi Berbasis Rust Murni & Toolkit Multi-Platform

::project-badges ::

RustO! adalah mesin Optical Character Recognition (OCR) berperforma tinggi dan toolkit lintas-platform yang ditulis dalam bahasa Rust murni. Berbasis RapidOCR dan ditenagai oleh model deep learning PaddleOCR dengan mesin inferensi ringan Alibaba MNN, RustO! menghadirkan kecepatan inferensi sub-detik, konsumsi memori sangat rendah, bebas dari ketergantungan runtime OpenCV, dan mencapai paritas akurasi 99.3%+ dibandingkan implementasi C++ OpenCV bawaan.

🎯 Alur Arsitektur Pipeline

RustO! mengorkestrasi pipeline OCR dan analisis tata letak visual dari ujung ke ujung (end-to-end) yang dioptimalkan untuk perangkat edge dan server berkecepatan tinggi:

flowchart TD
    A["Sumber Gambar Masukan<br/>(Path Filesystem, Buffer RAM, atau URI Native)"] --> B["1. Pra-pemrosesan & Penskalaan Ukuran<br/>(Penskalaan Aspek Rasio, Padding, Normalisasi)"]
    B --> C["2. Deteksi Teks DBNet<br/>(Peta Probabilitas, Binarisasi, Dilatasi, Pemotongan Poligon)"]
    C --> D{"3. Pengklasifikasi CLS?<br/>(Opsional: Teks Terbalik 0° vs 180°)"}
    D -->|Aktif| E["Putar Teks Terbalik 180°"]
    D -->|Nonaktif / Dilewati| F["Pemotongan Perspektif & Batch Paralel Rayon"]
    E --> F
    F --> G["4. Pengenalan Teks CTC<br/>(Batched SVTR/CRNN, Kamus 50 Bahasa)"]
    G --> H{"Pilihan Mode Keluaran?"}
    H -->|lines / words| I["Keluaran Terstruktur<br/>(TextResult dengan BoxPoints & Frame)"]
    H -->|spatial| J["5. Rekonstruksi Tata Letak Spasial<br/>(Kluster Baris Y & Perataan Kolom X)"]
    J --> K["Teks Terformat Spasial<br/>(Tabel, Struk, dan Indentasi Rapi)"]

⚡ Keunggulan Utama

  • 🚀 Inti Rust 100% Murni: Tanpa dependensi OpenCV. Binarisasi gambar, pelacakan kontur, polygon clipping, dan transformasi afinitas diimplementasikan dalam Rust yang aman memori dengan akselerasi SIMD.
  • 📦 Ukuran Biner Sangat Ringkas: Biner mandiri berukuran ~5 MB, dibandingkan 50+ MB pada tumpukan OpenCV + ONNX runtime tradisional.
  • 📄 Rekonstruksi Tata Letak Spasial: Dukungan bawaan untuk merekonstruksi struk, faktur (invoice), tabel multikolom, dan formulir langsung menjadi teks yang terformat rapi.
  • 🧠 Ekosistem Model Lengkap: Dukungan langsung untuk arsitektur PP-OCRv6 (Tiny, Small, Medium), PP-OCRv5 (Mobile, Server), dan PP-OCRv4 (Mobile, Server).
  • 🌐 50+ Bahasa dalam Satu Model: PP-OCRv6 menggunakan kamus terpadu yang mendukung alfabet Latin, Sirilik, CJK (Mandarin/Jepang/Korea), Dewanagari, Arab, dan lainnya secara bersamaan.
  • 📱 SDK Lintas Platform: Paket siap pakai untuk Rust, .NET / C#, React Native, iOS (Swift), Android (Kotlin), dan C FFI.

📦 Ekosistem Paket & Platform yang Didukung

Platform Paket Target / Registry Matriks Dukungan
Rust cargo add rusto-rs (crates.io) Linux, macOS, Windows, Android (NDK), iOS
.NET / C# dotnet add package RustODotnet (NuGet) .NET 6.0+, .NET 8.0+, .NET Standard 2.0+ (Win/Mac/Linux)
React Native npm install react-native-rusto (npm) React Native 0.70+ (Arsitektur Baru & Lama), Expo
iOS pod 'RustO' (CocoaPods) iOS 13.0+, Mac Catalyst (arm64, x86_64)
Android com.github.byrizki.rusto-rs:rusto-android (JitPack) Android API 21+ (ARM64-v8a, ARMv7a, x86_64, x86)
C / Native librusto.so / librusto.dylib / rusto.dll C99 / C++11 dan semua bahasa dengan C FFI bindings
CLI Biner rusto Aplikasi CLI mandiri untuk desktop & automasi CI

📊 Perbandingan Kinerja & Paritas Akurasi

Pengujian dilakukan pada dokumen invoice standar (A4, 150 DPI) pada CPU AMD Ryzen 7 / Apple M-series:

Metrik RustO! (Rust Murni + MNN) Pipeline Tradisional OpenCV + C++ Keunggulan
Kecepatan Deteksi ~80 ms ~85 ms ⚡ 6% lebih cepat
Kecepatan Pengenalan ~120 ms ~125 ms ⚡ 4% lebih cepat
Paritas Akurasi 99.3%+ Tolok Ukur (100%) 🎯 Kotak batas identik
Ukuran Biner ~5 MB ~55 MB+ (libopencv, onnxruntime) 📦 Hemat 90%
Puncak Memori (RAM) ~120 MB ~260 MB+ 🔒 Hemat 54% memori
Keamanan Memory-safe (Jaminan Rust) Manajemen pointer manual 🛡️ Nol celah memory leak

Langkah Selanjutnya