HalalBench：面向食品包装成分提取的多语言OCR基准
计算机视觉与模式识别
2026-04-28 v1 计算与语言
摘要
尽管OCR在自动化香料食品认证中发挥着关键作用，但尚无针对食品包装的标准化基准测试。现有基准针对文档或场景文本，无法覆盖配料标签独特挑战：凹面 surfaces、密集多语言文本、小于8pt字体。我们提出HalalBench，首个开放式食品包装OCR多语言基准，包含1,043张图像（50张真实，993张合成），36,438个COCO格式标注，覆盖14种语言。我们评估了四个引擎：docTR达F1=0.193，ML Kit为0.180，EasyOCR为0.167，所有引擎在日语上均失败（F1=0.000）。聚类消融实验显示，我们的后处理算法带来36%的F1提升。我们通过HalalLens（https://halallens.no）验证了结果，该系统为20+国家提供生产级香料扫描服务。数据集和代码均在开放许可下发布。
引用
@article{arxiv.2604.22754,
title = {HalalBench: A Multilingual OCR Benchmark for Food Packaging Ingredient Extraction},
author = {Hasan Arief},
journal= {arXiv preprint arXiv:2604.22754},
year = {2026}
}
备注
8 pages, 6 figures, 7 tables