lcbp3/specs/88-logs/session-2026-05-30-ocr-engine-migration.md

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