HalalBench：一种多语言OCR基准用于食品包装成分提取
HalalBench: A Multilingual OCR Benchmark for Food Packaging Ingredient Extraction
AI总结：
本文提出HalalBench，首个多语言食品包装OCR基准，包含1043张图像和36438个标注，评估四种引擎并验证发现，通过后处理算法提升36%F1值，通过HalalLens验证。
摘要：
尽管OCR在自动清真食品验证中至关重要，但尚无标准化基准用于评估食品包装OCR。现有基准针对文档或场景文本，未涵盖成分标签的独特挑战：曲面、密集多语言文本和小于8点字体。我们提出了HalalBench，首个开放的多语言食品包装OCR基准，包含1043张图像（50张真实、993张合成）和36,438个COCO格式标注，覆盖14种语言。我们评估了四种引擎：docTR达到F1=0.193，ML Kit为0.180，EasyOCR为0.167，而所有引擎在日语上均失败（F1=0.000）。通过聚类消融分析，我们的后处理算法使F1提升36%。我们通过HalalLens（https://halallens.no），一个服务于20多个国家的生产清真扫描仪，验证了发现。数据集和代码已以开放许可证发布。
英文摘要：
No standardized benchmark exists for evaluating OCR on food packaging, despite its critical role in automated halal food verification. Existing benchmarks target documents or scene text, missing the unique challenges of ingredient labels: curved surfaces, dense multilingual text, and sub-8pt fonts. We present HalalBench, the first open multilingual benchmark for food packaging OCR, comprising 1,043 images (50 real, 993 synthetic) with 36,438 annotations in COCO format spanning 14 languages. We evaluate four engines: docTR achieves F1=0.193, ML Kit 0.180, EasyOCR 0.167, while all fail on Japanese (F1=0.000). A clustering ablation shows 36% F1 improvement from our post-processing algorithm. We validate findings through HalalLens (https://halallens.no), a production halal scanner serving 20+ countries. Dataset and code are released under open licenses.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
