DNI Panamá Listo

app.py

@@ -1,15 +1,13 @@
-import herramientas
+import ia
 from io import BytesIO
-import funciones, globales
 from fastapi import FastAPI, Form
 from fastapi import FastAPI, File, UploadFile
 from fastapi.responses import StreamingResponse, FileResponse, JSONResponse
 
 app = FastAPI()
 
-# Nuevo endpoint para Health Check
 @app.get("/health",
-         tags=["Health Check"],
+         tags=["Monitoreo Server"],
          description="Verifica el estado de salud de la API.",
          summary="Health Check"
          )
@@ -20,8 +18,9 @@ async def health_check():
     return JSONResponse(content={"status": "ok"}, status_code=200)
 
 @app.post("/echo-image/",
-          description="Test endpoint que recibe y regresa la misma imagen, para probar envío, recepción y problemas con api o red.",
-          summary="Summary"
+          tags=["Monitoreo Server"],
+          description="Test endpoint para prueba de envío de imagenes.",
+          summary="Mirror test para envío de imagenes"
           )
 async def echo_image(image: UploadFile = File(...)):
     if not image.content_type.startswith("image/"):
@@ -30,60 +29,13 @@ async def echo_image(image: UploadFile = File(...)):
     return StreamingResponse(BytesIO(contents), media_type=image.content_type)
 
 @app.post("/procesa-dni/",
-          description="Procesa DNI.",
-          summary="Summary"
+          tags=["Rapicash"],
+          description="Procesa DNI de Panamá obteniendo los datos deseados.",
+          summary="Identificación de DNI con IA"
           )
 async def echo_image(image: UploadFile = File(...)):
     if not image.content_type.startswith("image/"):
         return {"error": "El archivo no es una imagen"}
-    contents = await image.read()
-    return StreamingResponse(BytesIO(contents), media_type=image.content_type)
-
-@app.post("/genera-imagen/")
-async def genera_imagen(platillo: str = Form(...)):
-
-    seconds_available = herramientas.obtenSegundosDisponibles() #Ahora los segundos disponible son independientes. Por server no hay diferencia, pero si por cuenta (y ahora tenemos 3 PRO), es importante que no quede ese distintivo en código para que la sincronización sea fácil y rápida. Local es Moibe, las demás su respectivo server. Todos manejados en bridges y en hf variables.
-
-    print(herramientas.imprimeTimeNow())
-    
-    if seconds_available > globales.work_cost:
-        print("Usando GPU (capa gratuita)...")
-        resultado = funciones.genera_platillo_gpu(platillo)
-        if "Error" in resultado:
-            return resultado
-        else:
-            return FileResponse(resultado, media_type="image/png", filename="imagen.png")
-    else: 
-        
-        print("Usando Inference...")
-        resultado = funciones.genera_platillo_inference(platillo)
-        print("El resultado de inference es: ", resultado)
-        if type(resultado) is str:
-            return resultado
-        else:
-            return StreamingResponse(content=resultado, media_type="image/png")    
-
-# @app.post("/procesador-lotes/")
-# async def procesa_lote(platillo: str = Form(...)):
-
-#     print("Servicio Secundario de Procesamiento de Lotes")    
-#     seconds_available = herramientas.obtenSegundosDisponibles()
-#     #seconds_available = 0 
-#     print(herramientas.imprimeTimeNow())
-    
-#     if seconds_available > globales.work_cost:
-#         print("Usando GPU (capa gratuita)...")
-#         resultado = funciones.genera_platillo_gpu(platillo)
-#         if "Error" in resultado:
-#             return resultado
-#         else:
-#             return FileResponse(resultado, media_type="image/png", filename="imagen.png")
-#     else: 
-        
-#         print("Usando Inference...")
-#         resultado = funciones.genera_platillo_inference(platillo)
-#         print("El resultado de inference es: ", resultado)
-#         if type(resultado) is str:
-#             return resultado
-#         else:
-#             return StreamingResponse(content=resultado, media_type="image/png")                
+    contents = await image.read()    
+    # return StreamingResponse(BytesIO(contents), media_type=image.content_type)
+    return ia.inference(contents, 'en')

cloudfunction.py

@@ -1,64 +0,0 @@
-# main.py o donde definas tus funciones
-
-import firebase_admin
-from firebase_functions import pubsub_fn, options
-from firebase_admin import firestore, exceptions # Import exceptions for better error handling
-
-# Inicializa Firebase Admin si no lo has hecho ya en tu proyecto
-# Esto generalmente se hace una vez en el punto de entrada de tus funciones (ej. en __init__.py o al inicio de tu main.py)
-# Puedes usar un bloque try/except para evitar reinicializar si ya está inicializado.
-# try:
-#     firebase_admin.get_app()
-# except ValueError:
-#     firebase_admin.initialize_app()
-
-# Obtén una referencia a la base de datos de Firestore con el nombre 'nowme'
-# Asegúrate de que firebase_admin.initializeApp() se haya ejecutado antes de obtener esta referencia.
-# firestore.client() obtiene el cliente para la app por defecto,
-# y luego .instance('nowme') especifica la base de datos con nombre.
-db = firestore.client().instance('nowme')
-
-@pubsub_fn.on_message_published(
-    # Puedes dar un nombre lógico al trabajo programado (Cloud Scheduler job) si quieres
-    # topic="increment-segundos-job", # Este parámetro no es necesario para schedule, Firebase lo gestiona
-    schedule="every 24 hours at 16:00",
-    timezone="America/Mexico_City", # Establece la zona horaria a Ciudad de México
-    # Opcional: puedes añadir opciones de runtime aquí si lo necesitas
-    # memory=options.MemoryOption.GB_1, # Ejemplo: 1 GB de memoria
-    # timeout_sec=300, # Ejemplo: 5 minutos de timeout
-)
-def incrementar_segundos_python(event: pubsub_fn.CloudEvent) -> None:
-    """
-    Cloud Function en Python activada por un programador
-    para incrementar el campo 'segundos' en un documento de Firestore.
-    """
-    print(f"Function incrementar_segundos_python activada a las {event.time} por mensaje ID: {event.id}")
-    # Para este caso, no necesitamos los datos específicos del evento Pub/Sub
-
-    # Referencia al documento específico: colección 'nowme', documento 'sosa'
-    doc_ref = db.collection('nowme').document('sosa')
-
-    try:
-        # Usa update con FieldValue.increment para una actualización atómica segura
-        # Esto es especialmente bueno para valores numéricos que pueden ser
-        # modificados por múltiples fuentes al mismo tiempo.
-        doc_ref.update({
-            "segundos": firestore.FieldValue.increment(1500)
-        })
-        print("Campo 'segundos' actualizado con éxito (+1500) en el documento 'nowme/sosa'.")
-
-    except exceptions.NotFound:
-        print("Error: Documento nowme/sosa no encontrado. No se pudo actualizar.")
-        # Puedes decidir si quieres crear el documento si no existe,
-        # pero update() solo funciona si el documento ya existe.
-        # Si quieres crearlo si no existe, usarías set(..., merge=True).
-        # doc_ref.set({"segundos": 1500}, merge=True) # Ejemplo de cómo crear/actualizar
-
-    except Exception as e:
-        print(f"Error al actualizar el documento nowme/sosa: {e}")
-        # Puedes lanzar la excepción si quieres que Cloud Functions lo reporte como un fallo.
-        # raise e
-        pass # O simplemente pasar para que la Function no se marque como fallo en este caso
-
-    print("Fin de la ejecución de la Function.")
-

conexion_firebase.py

@@ -1,44 +0,0 @@
-import firebase_admin
-from firebase_admin import firestore
-from firebase_admin import auth
-from firebase_admin import credentials
-import time
-
-
-firebase_cred = credentials.Certificate('config.json')
-firebase_admin.initialize_app(firebase_cred)
-
-db = firestore.client(database_id='nowme')
-#dato es el dato que traes  como el nombre del user. 
-#info es la info de ese dato que estás buscando, como token.
-def obtenDato(coleccion, dato, info):
-    #Future: Tentativamente ésta parte podría solo hacerse una vez y vivir en la app para ser reutilizado.
-    
-    #Primero debemos definir la referencia al documento, o sea a la hoja de usuario.
-    doc_ref = db.collection(coleccion).document(dato)    
-    #Éste es el documento que tiene los datos de ella.
-    documento = doc_ref.get()
-    
-    #Recuerda la conversión a diccionario.
-    documento = doc_ref.get() 
-    diccionario = documento.to_dict()
-    return diccionario.get(info)
-
-def editaDato(coleccion, dato, info, contenido):
-        
-    #Primero debemos definir la referencia al documento, o sea a la hoja de usuario.
-    doc_ref = db.collection(coleccion).document(dato)
-        
-    doc_ref.update({
-        # 'quote': quote,
-        info: contenido,
-    })
-
-def creaDato(coleccion, dato, info, contenido):
-
-    #Primero debemos definir la referencia al documento, o sea a la hoja de usuario.
-    doc_ref = db.collection(coleccion).document(dato)
-    
-    doc_ref.set({
-        info: contenido,
-    })

config.json

@@ -1,13 +0,0 @@
-{
-  "type": "service_account",
-  "project_id": "nowme-images-dea8a",
-  "private_key_id": "5b80469ffe674a059beba453312ed588c2e6406f",
-  "private_key": "-----BEGIN PRIVATE KEY-----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\ncBgEwYp4liDawuNjz8tgSw==\n-----END PRIVATE KEY-----\n",
-  "client_email": "firebase-adminsdk-fbsvc@nowme-images-dea8a.iam.gserviceaccount.com",
-  "client_id": "107709451350786325129",
-  "auth_uri": "https://accounts.google.com/o/oauth2/auth",
-  "token_uri": "https://oauth2.googleapis.com/token",
-  "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs",
-  "client_x509_cert_url": "https://www.googleapis.com/robot/v1/metadata/x509/firebase-adminsdk-fbsvc%40nowme-images-dea8a.iam.gserviceaccount.com",
-  "universe_domain": "googleapis.com"
-}

documentos.py

@@ -0,0 +1,10 @@
+import obtenCampo
+
+def dni(textos_extraidos):
+    textos_extraidos_simplificados = [texto.lower().replace(" ", "") for texto in textos_extraidos]
+
+    #Campos Buscados
+    nombre, apellido = obtenCampo.Nombre(textos_extraidos, textos_extraidos_simplificados)   
+    identificacion = obtenCampo.Identificacion(textos_extraidos, textos_extraidos_simplificados)
+
+    return nombre, apellido, identificacion

espacios.py

@@ -1,41 +0,0 @@
-import herramientas
-
-# server =  herramientas.getFluxServer()
-# print("Server elegido: ", server)
-# print("El type es: ", type(server))
-
-espacio = [
-    {
-        "id": "black-forest-labs/FLUX.1-dev",
-        "static_kwargs": { 
-            "api_name": "/infer",
-        }
-    },
-    # { 
-    #     "id": "black-forest-labs/FLUX.1-schnell",
-    #     "static_kwargs": {
-    #         "api_name": "/infer",
-    #     }
-    # },
-    # {
-    #     "id": "NihalGazi/FLUX-Pro-Unlimited",
-    #     "static_kwargs": {
-    #         "api_name": "/generate_image", 
-    #         "server_choice": server,
-    #     }
-    # },
-    # { 
-    #     "id": "HiDream-ai/HiDream-I1-Dev",
-    #     "static_kwargs": {
-    #         "api_name": "/infer",
-    #      
-    #     }
-    # },
-    # { 
-    #     "id": "stabilityai/stable-diffusion",
-    #     "static_kwargs": {
-    #         "api_name": "/generate",
-    #         
-    #     }
-    # }
-]

funciones.py

@@ -11,6 +11,63 @@ from huggingface_hub import InferenceClient
 
 servidor = globales.servidor
 
+def procesa_dni(platillo):
+
+    print("Estoy en procesa DNI...")
+
+    print("Y esto es contents: ", platillo)
+
+    time.sleep(18)
+
+    prompt = globales.previo + platillo
+    print("Platillo enviado:", platillo) 
+
+    try:
+
+        dict_espacios = conexion_firebase.obtenDato('nowme', servidor, 'espacios')
+
+        espacios_habilitados = [
+        nombre for nombre, config in dict_espacios.items()
+        if config.get("habilitado", False) # Usamos .get() para evitar KeyError si 'habilitado' no existe
+        ]
+
+        print(f"Espacios habilitados: {espacios_habilitados}")
+        
+        espacio_aleatorio_elegido = random.choice(espacios_habilitados)
+        configuracion_espacio = dict_espacios[espacio_aleatorio_elegido]
+        print(f"La configuración completa para '{espacio_aleatorio_elegido}' es: {configuracion_espacio}")
+
+        client = gradio_client.Client(configuracion_espacio['ruta'], hf_token=globales.llave)
+        #kwargs = selected_space_config['static_kwargs']
+
+        result = client.predict(
+        #**kwargs,
+        prompt=prompt,
+        #negative_prompt="live animals",
+        # seed=42,
+        # randomize_seed=True,
+        width=786,
+        height=568,
+        # guidance_scale=3.5,
+        # num_inference_steps=28,
+        api_name=configuracion_espacio['api_name']       
+        )
+
+        #Cuando es GPU, debe de restar segundos disponibles de HF 
+        herramientas.restaSegundosGPU(globales.work_cost)
+
+        print("Platillo generado:", platillo)
+        return result[0]
+
+    except Exception as e:     
+        print("Excepción: ", e)        
+        # Opción para regresar imagen genérica. (ya no porque se envía desde backend.)
+        # return "default.png"
+        raise HTTPException(
+            status_code=status.HTTP_500_INTERNAL_SERVER_ERROR,
+            detail=e
+        )
+
 def genera_platillo_gpu(platillo):
 
     prompt = globales.previo + platillo

herramientas.py

@@ -1,197 +1,26 @@
-import conexion_firebase
-import globales
-import pytz
-import random
-from datetime import datetime
-
-servidor = globales.servidor
-
-# segundos = server_configs[globales.servidor]["segundos_var"]
-
-def obtenUltimoTimestamp():
-    """
-    Obtiene el último timestamp de renovación guardado.
-    """
-    resultado = conexion_firebase.obtenDato('nowme', servidor, 'timestamp')
-    print("Obten último timestamp obtenido: ", resultado)    
-    
-    return resultado
-    
-def obtenSegundosDisponibles(): 
-
-    if esDiaSiguiente() == True:
-        renuevaSegundosDisponibles()
-        renuevaModeloPrincipal()
-
-    #Finalmente obten los segundos disponibles después de las operaciones.
-    return conexion_firebase.obtenDato('nowme', servidor, 'segundos')
-
-def obtenSegundosDisponiblesInference(): 
-
-    # if esDiaSiguiente() == True:
-    #     renuevaSegundosDisponibles()
-    #     renuevaModeloPrincipal()
-
-    #Finalmente obten los segundos disponibles después de las operaciones.
-    return conexion_firebase.obtenDato('nowme', servidor, 'inferencias')
-    
-    
-def renuevaSegundosDisponibles():
-
-    #Segundos de cuota total gratuita disponibles al momento.
-    conexion_firebase.editaDato('nowme', servidor, 'segundos', globales.quota)
-    renuevaTimestampActual()
-
-def renuevaTimestampActual(): 
-
-    timestamp_actual = imprimeTimeNowFixed16h()
-    print("Ésto es el timestamp now de la renovación...: ", timestamp_actual)
-    conexion_firebase.editaDato('nowme', servidor, 'timestamp', timestamp_actual)    
-
-def restaSegundosGPU(cuantos_segundos):
-    """
-    Lee el número de segundos disponibles,
-    resta los segundos dados como parámetro y guarda el nuevo valor en el archivo.
-    """
-
-    segundos_disponibles = obtenSegundosDisponibles()    
-    print("Segundos disponibles: ", segundos_disponibles)
-
-    # Restar los segundos
-    nuevos_segundos_disponibles = segundos_disponibles - cuantos_segundos
-    print("Segundos disponibles ahora: ", nuevos_segundos_disponibles)
-    conexion_firebase.editaDato('nowme', servidor, 'segundos', nuevos_segundos_disponibles)
-
-def restaSegundosInference(cuantos_segundos):
-    """
-    Lee el número de segundos disponibles desde seconds_available.txt,
-    resta los segundos dados como parámetro y guarda el nuevo valor en el archivo.
-    """
-
-    segundos_disponibles = obtenSegundosDisponiblesInference()    
-    print("Segundos disponibles Inference: ", segundos_disponibles)
-    
-    # Restar los segundos
-    nuevos_segundos_disponibles = segundos_disponibles - cuantos_segundos
-    print("Segundos disponibles ahora en restaSegundosInference: ", nuevos_segundos_disponibles)
-    conexion_firebase.editaDato('nowme', servidor, 'inferencias', nuevos_segundos_disponibles)    
-
-def modificaModeloActual(nuevo_modelo):
-    """
-    Actualiza el archivo archivos/modelo_actual.txt con el modelo funcional en caso de
-    problemas con el actual.
-    """
-
-    modelo_actual = conexion_firebase.obtenDato('nowme', servidor, 'modelo_actual')
-    conexion_firebase.editaDato('nowme', servidor, 'modelo_actual', nuevo_modelo)
-    print(f"Se actualizó el modelo actual: {modelo_actual} por {nuevo_modelo}.")
-
-def renuevaModeloPrincipal():
-    #Obten el modelo principal (default).   
-    modelo_principal = conexion_firebase.obtenDato('nowme', servidor, 'modelo_principal')
-    #Asignalo como modelo actual.
-    conexion_firebase.editaDato('nowme', servidor, 'modelo_actual', modelo_principal)
-
-def imprimeTimeNow(): 
-    """
-    Devuelve la fecha y hora actual en la zona horaria de la Ciudad de México (GMT-6).
-    """
-    # 1. Definir la zona horaria de la Ciudad de México
-    # Puedes usar 'America/Mexico_City' para que pytz maneje el horario de verano automáticamente.
-    mexico_city_tz = pytz.timezone('America/Mexico_City')
-
-    # 2. Obtener la hora actual en UTC
-    utc_now = datetime.now(pytz.utc)
-
-    # 3. Convertir la hora UTC a la zona horaria deseada
-    mexico_city_now = utc_now.astimezone(mexico_city_tz)
-
-    # 4. Formatear la fecha y hora
-    # El formato que deseas es "YYYY-MM-DD HH:MM:SS"
-    formatted_time = mexico_city_now.strftime("%Y-%m-%d %H:%M:%S")
-
-    return formatted_time
-
-def imprimeTimeNowFixed16h():
-    """
-    Devuelve la fecha actual con la hora fijada a las 16:00:00 (4 PM)
-    en la zona horaria de la Ciudad de México (GMT-6).
-    """
-    # 1. Definir la zona horaria de la Ciudad de México
-    mexico_city_tz = pytz.timezone('America/Mexico_City')
-
-    # 2. Obtener la fecha y hora actual en UTC
-    utc_now = datetime.now(pytz.utc)
-
-    # 3. Convertir la hora UTC a la zona horaria de la Ciudad de México
-    #    Esto nos da la fecha correcta (año, mes, día) para esa zona.
-    mexico_city_aware_dt = utc_now.astimezone(mexico_city_tz)
-
-    # 4. Crear un nuevo objeto datetime con la fecha obtenida
-    #    pero con la hora fijada a las 16:00:00
-    fixed_time_dt = mexico_city_tz.localize(
-        datetime(
-            mexico_city_aware_dt.year,
-            mexico_city_aware_dt.month,
-            mexico_city_aware_dt.day,
-            16,  # Hora fijada a las 16 (4 PM)
-            0,   # Minutos fijados a 0
-            0    # Segundos fijados a 0
-        )
-    )
-    
-    # 5. Formatear la fecha y hora
-    formatted_time = fixed_time_dt.strftime("%Y-%m-%d %H:%M:%S")
-
-    return formatted_time
-
-def esDiaSiguiente(): 
-    """
-    Compara dos timestamps Unix y devuelve True si el día de timestamp_actual
-    es diferente al día de timestamp_registro.
-
-    Args:
-        timestamp_registro (int): Timestamp Unix del registro original (en segundos).
-        timestamp_actual (int): Timestamp Unix actual (en segundos).
-
-    Returns:
-        bool: True si el día de timestamp_actual es diferente al día de
-              timestamp_registro, False si es el mismo día.
-    """
-
-    #Obtiene el último registro de fecha de la base de firestore.
-    fecha_registro_dt = obtenUltimoTimestamp()   
-    
-    print("Primero, el último timestamp obtenido de base es: ", fecha_registro_dt)
-    print("Y su tipo es: ", type(fecha_registro_dt))
-   
-    #Timestamp actual
-    fecha_actual_dt = imprimeTimeNow()
-    print("Segundo, la fecha_actual_dt quedó como: ", fecha_actual_dt)
-    print("Y su tipo es: ", type(fecha_actual_dt))
-    
-
-    formato = "%Y-%m-%d %H:%M:%S"
-    datetime_obj_1 = datetime.strptime(fecha_registro_dt, formato)
-    datetime_obj_2 = datetime.strptime(fecha_actual_dt, formato)   
-        
-    # Extraer solo la fecha de los objetos datetime
-    fecha_registro = datetime_obj_1.date()
-    #print("Primera extracción: ", fecha_registro)
-    fecha_actual = datetime_obj_2.date()
-    #print("Segunda extracción: ", fecha_actual)    
-    
-
-    # Verificar si las fechas son diferentes
-    resultado = fecha_actual > fecha_registro
-    print("Resultado de resta de fechas: ", resultado)    
-    
-    return resultado
-
-def getFluxServer(): 
-    print("In getFluxServer...")
-    server_keys = list(globales.SERVER_NAMES.values())
-    random_value = random.choice(server_keys)
-    print("Random key: ", random_value)
-    
-    return random_value
+#Herramientas Generales
+
+def listaTextosExtraidos(result):
+
+    textos_extraidos = [] 
+    print("Líneas encontradas con modelo IA:")
+    for item in result:
+        texto = item[1][0] 
+        print(texto)
+        textos_extraidos.append(texto)
+    return textos_extraidos
+
+#Herramientas para DNI Panamá.
+
+def buscaIndexPalabra(arreglo, palabra):
+    palabra_limpia = palabra.lower().replace(" ", "")
+    for i, texto_limpio in enumerate(arreglo):        
+        if palabra_limpia in texto_limpio:
+            return i
+    return 'error'
+
+def buscarPatronCedula(lista_textos):    
+    for i, texto in enumerate(lista_textos):
+        if texto and texto[0].isdigit() and '-' in texto:     
+            return i 
+    return 'error' 

ia.py

@@ -0,0 +1,96 @@
+import atexit
+import functools
+from queue import Queue
+from threading import Event, Thread
+from paddleocr import PaddleOCR
+import documentos
+import herramientas
+
+LANG_CONFIG = {
+    "ch": {"num_workers": 2},
+    "en": {"num_workers": 2},
+    "fr": {"num_workers": 1},
+    "german": {"num_workers": 1},
+    "korean": {"num_workers": 1},
+    "japan": {"num_workers": 1},
+}
+CONCURRENCY_LIMIT = 8
+
+class PaddleOCRModelManager(object):
+    def __init__(self,
+                 num_workers,
+                 model_factory):
+        super().__init__()
+        self._model_factory = model_factory
+        self._queue = Queue()
+        self._workers = []
+        self._model_initialized_event = Event()
+        for _ in range(num_workers):
+            worker = Thread(target=self._worker, daemon=False)
+            worker.start()
+            self._model_initialized_event.wait()
+            self._model_initialized_event.clear()
+            self._workers.append(worker)
+
+    def infer(self, *args, **kwargs):
+        # XXX: Should I use a more lightweight data structure, say, a future?
+        result_queue = Queue(maxsize=1)
+        self._queue.put((args, kwargs, result_queue))
+        success, payload = result_queue.get()
+        if success:
+            return payload
+        else:
+            raise payload
+
+    def close(self):
+        for _ in self._workers:
+            self._queue.put(None)
+        for worker in self._workers:
+            worker.join()
+
+    def _worker(self):
+        model = self._model_factory()
+        self._model_initialized_event.set()
+        while True:
+            item = self._queue.get()
+            if item is None:
+                break
+            args, kwargs, result_queue = item
+            try:
+                result = model.ocr(*args, **kwargs)
+                result_queue.put((True, result))
+            except Exception as e:
+                result_queue.put((False, e))
+            finally:
+                self._queue.task_done()
+
+def create_model(lang):
+    return PaddleOCR(lang=lang, use_angle_cls=True, use_gpu=False)
+
+model_managers = {}
+for lang, config in LANG_CONFIG.items():
+    model_manager = PaddleOCRModelManager(config["num_workers"], functools.partial(create_model, lang=lang))
+    model_managers[lang] = model_manager
+
+def close_model_managers():
+    for manager in model_managers.values():
+        manager.close()
+
+# XXX: Not sure if gradio allows adding custom teardown logic
+atexit.register(close_model_managers)
+
+def inference(img, lang):
+    ocr = model_managers[lang]
+    result = ocr.infer(img, cls=True)[0]
+    textos_extraidos = herramientas.listaTextosExtraidos(result)
+
+    #Campos DNI Panamá.
+    nombre, apellido, identificacion = documentos.dni(textos_extraidos)    
+  
+    print(f"Hola: {nombre}, {apellido} con identificación: {identificacion}")
+
+    return {
+        "nombre": nombre,
+        "apellido": apellido,
+        "identificacion": identificacion
+    }

obtenCampo.py

@@ -0,0 +1,12 @@
+import herramientas
+
+def Nombre(textos_extraidos, textos_extraidos_limpios):
+    indice = herramientas.buscaIndexPalabra(textos_extraidos_limpios, 'usual')
+    nombre = textos_extraidos[indice-2]    
+    apellido = textos_extraidos[indice-1]
+    return nombre, apellido
+
+def Identificacion(textos_extraidos, textos_extraidos_limpios):   
+   indice = herramientas.buscarPatronCedula(textos_extraidos_limpios)   
+   identificacion = textos_extraidos[indice]
+   return identificacion

requirements.txt

@@ -4,4 +4,9 @@ huggingface_hub
 gradio_client
 Pillow
 firebase_admin
-pytz
+pytz
+#OCR
+Pillow
+requests
+paddlepaddle
+paddleocr==2.10.0