Chemical Structure Extract 分子结构图识别

optical structure recognition application

官方链接：

• imago

由图易知，

1. JPO 数据集 MolVec 精度更高
2. CLEF 2012 数据集 OSRA 精度更高
3. 其他数据集 USPTO 和 UOB 数据集 两者精度相差不大

MolVec 完全占优势。

注：但这是有偏见的，测试者对 molvec 使用的是批量处理，osra 是命令行一次一个调用的，如果使用 C++ 编写程序使 osra 支持批量处理，两者哪个速度更快，还需要进一步测试

linux 系统源码安装

1. 代码指定版本下载

   • osra 最新版本： 2.1.3

     • https://sourceforge.net/projects/osra/files/osra/

   • gocr 的 osra 订制 patch 版： gocr-0.50pre-patched

     • https://sourceforge.net/projects/osra/files/gocr-patched/

   • ocrad 限定版本： 0.23

     • http://mirrors.syringanetworks.net/gnu/ocrad/ocrad-0.23.tar.lz

     • 解压缩命令：

       1 2	lzip -d ./ocrad-0.23.tar.lz tar -xvf ./ocrad-0.23.tar

2. 其他依赖安装

   1	sudo pacman -S graphicsmagick poppler openbabel potrace tclap

   注意： 这里使用的测试系统使 arch linux, 如果使 ubuntu 或其他系统，请查找 poppler 等安装包的对应版本，比如：在 ubuntu 上使用 poppler-dev

3. gocr 编译安装

   1	./configure; make libs; sudo make install

4. ocrad 编译安装

   1 2 3 4 5

   # 如果需要编译生成 libosra ./configure CXXFLAGS=-fPIC LDFLAGS=-fPIC; make; sudo make install # 否则 ./configure; make; sudo make install

5. osra 编译安装

   1 2 3 4 5 6 7 8

   # 生成 libosra, 验证失败 ./configure --enable-lib; make ; sudo make install # 生成 libosra, 验证失败 ./configure --enable-java; make all ; sudo make install # 只有命令行工具 osra, 验证成功 ./configure; make; sudo make install

使用 conda 安装

1

conda install -c edbeard -c mcs07 -c conda-forge pyosra

注意：实际安装版本使 osra 2.1.0 (2017.0.16 发布)

1

conda install -c bioconda osra

注意：

1. 最新版本也是 osra 2.1.0, 参见：Package Recipe 'osra' — Bioconda documentation
2. 测试安装成功，但是无法使用

使用 bioconda 构建的 image

1
2
3
4

docker pull quay.io/biocontainers/osra:2.1.0--0

docker run --rm -it quay.io/biocontainers/osra:2.1.0--0  osra --version
# output: osra  version: 2.1.0

1. 直接识别

1
2
3
4
5

osra ./benzene.png -w output.txt

# 或者

osra ./benzene.png > output.txt

注： 识别的结果默认是 SMILES 格式

2. 设定导出格式

   1	osra ./benzene.png -w output.sdf -f sdf

   格式类型：

   • smi: smiles
   • sdf: sdf 文件格式
   • can: 不知道什么意思，但是导出结果实际上还是 smiles