690608:0012 ADR-035-135 #08

2026-06-08 00:12:31 +07:00
parent a0f77ad121
commit 52b96d01de
48 changed files with 1590 additions and 1266 deletions
@@ -0,0 +1,41 @@
+# Session 8 — 2026-05-30 (OCR Engine Migration — PaddleOCR → Tesseract)
+
+## ปัญหาที่พบ (Root Cause)
+
+**Bug 1: PaddleOCR SIGILL (Illegal Instruction)**
+
+- PaddleOCR 2.6.2 ต้องการ AVX instruction set ซึ่ง CPU บน Desk-5439 ไม่รองรับ
+- ลองลดรุ่นเป็น 2.5.2 → ยังมี dependency conflict กับ paddleocr 2.7.3
+- ลองใช้ paddlepaddle-cpu → ยังคงมีปัญหา dependency
+
+**Bug 2: OCR ภาษาไทยผิด**
+
+- PaddleOCR ตั้งค่า `lang="en"` ทำให้ข้อความภาษาไทยถูกแปลงเป็นอักษรละตินผิดๆ
+- เช่น: "10 กุมภาพันธ์ 2568" → "10 qunnwus 2568"
+
+## การแก้ไข (Fix)
+
+เปลี่ยนจาก PaddleOCR เป็น Tesseract OCR เพื่อ:
+
+1. แก้ปัญหา SIGILL บน CPU เก่าที่ไม่รองรับ AVX
+2. รองรับภาษาไทยด้วย `tha+eng` language code
+
+| ไฟล์                                                                                        | การเปลี่ยนแปลย                                                               |
+| ------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------- |
+| `specs/04-Infrastructure-OPS/04-00-docker-compose/Desk-5439/ocr-sidecar/requirements.txt`   | ลบ paddlepaddle/paddleocr, เพิ่ม pytesseract, Pillow                         |
+| `specs/04-Infrastructure-OPS/04-00-docker-compose/Desk-5439/ocr-sidecar/app.py`             | เปลี่ยนใช้ pytesseract, OCR_LANG เป็น `tha+eng`, ลบ PaddleOCR initialization |
+| `specs/04-Infrastructure-OPS/04-00-docker-compose/Desk-5439/ocr-sidecar/Dockerfile`         | ติดตั้ง tesseract-ocr, tesseract-ocr-tha, tesseract-ocr-eng                  |
+| `specs/04-Infrastructure-OPS/04-00-docker-compose/Desk-5439/ocr-sidecar/docker-compose.yml` | OCR_LANG เป็น `tha+eng`, ลบ paddleocr_models volume                          |
+| `backend/src/modules/ai/services/ocr.service.ts`                                            | เปลี่ยน comment/error message จาก PaddleOCR เป็น Tesseract                   |
+| `frontend/components/admin/ai/OcrSandboxPromptManager.tsx`                                  | เปลี่ยน Badge text จาก PaddleOCR เป็น Tesseract                              |
+
+## กฎที่ Lock แล้ว
+
+- Tesseract OCR ไม่ต้องการ AVX instruction set → ทำงานได้บน CPU ทุกรุ่น
+- Tesseract รองรับภาษาไทยด้วย `tha+eng` language code
+- API contract ยังเหมือนเดิม (`POST /ocr` คืน `{ text, ocrUsed }`) → backend/frontend ไม่ต้องเปลี่ยน logic
+
+## Verification ที่ต้องทำ
+
+- Rebuild container บน Desk-5439: `docker compose down && docker compose up -d --build`
+- ทดสอบ OCR ภาษาไทย: "10 กุมภาพันธ์ 2568" ควรออกมาถูกต้อง