我们在Google Cloud Platform中运行了一个管道：
1.从文本文档图像中提取裁剪
1.处理这些裁剪以确保它们始终是白色黑字
1.将crop传递给pytesseract以提取文本。
大多数时候，一切都运行良好，提取的文本是正确的，除了一些作物。
一个示例是格式中的多行裁剪，其经常被错误地输出，例如：

35LURC194-     -> output as SSLUBe404-
6                           6

(this是一个稍微修改过的问题的例子，但你得到的要点）

现在事情变得很奇怪

作为调试过程的一部分，我们在本地运行了相同的代码，并且，对于生产（云）上OCR文本出错的每个示例，它在本地机器上都能准确工作！
本地环境和云环境的区别在于：
| | 当地|云|
| --------------|--------------|--------------|
| 操作系统|Arch Linux|Debian Slim Buster Docker镜像|
| Python版本|3.10.10|3.8.6|
| 随机存取存储器|8 GB|3 GB|
| 环境|本土|Docker容器（Cloud Run）|
到目前为止我们尝试过的事情：

• 确保重要软件包（pytesseract、torch、torchvision、Tesseract）的版本在本地和生产中相同
• 为Cloud Run示例添加了更多RAM和CPU
• 将容器Dockerfile中的Python版本升级到3.10.10
• 已确保传递给Tesseract的裁剪图像在两种情况下相同（相同的长宽比，看起来相同）
• 三次检查本地运行的代码与云上运行的代码相同
• 在两种情况下，使用不同的OEM设置和正确的PSM（多行）运行Tesseract

我们已经不知道是什么原因导致了这个问题，这真的很令人困惑。在两种情况下，直到Tesseract处理步骤之前的所有事情都是一样的，所以这个问题必须与Tesseract本身或环境有关，但是，除了操作系统本身之外，一切都是一样的。
很想听听我们还能尝试什么，或者其他人是否有类似的经历。