先把当时的情况摆出来。PaddleOCR 3.0 识别竖排的快递面单，det 出的框没错，rec 结果按从左到右拼接，收件人和电话串成一串，加 use_angle_cls=True 后部分框仍被转成横向。
原因不止一个，得分开看。后处理默认按 x 坐标排序，竖排文本应按 y 坐标。另一种情况是角度分类模型只处理 180 度，不处理 90 度旋转。
另外，det 的框是细长竖框，rec 输入被强行拉成横条变形。少数情况下是多列文本没有按列聚类，跨列直接拼在一起。
先把 det 框坐标导出来看排序依据
python -c "import json;d=json.load(open('det.json'));print([(round(b[0]),round(b[1])) for b in d[0][:6]])"识别时关闭角度分类并指定 rec 输入不缩放
python -c "from paddleocr import PaddleOCR;o=PaddleOCR(use_angle_cls=False,rec_image_shape='3,48,320');print(o.ocr('ticket.jpg',cls=False)[0][:2])"再往下按列聚类后逐列自上而下拼接
python -c "print(sorted(boxes,key=lambda b:(round(b[0][0]/50),b[0][1])))"等前面都确认过，再用官方竖排样本回归验证拼接顺序
python ocr_check.py --dir samples/vertical --order column恢复的判定其实很直接。竖排面单的收件人与电话分行输出，列内顺序自上而下，20 张抽样里字段错位为 0。
容易忽略的是，竖排识别不是模型能力问题而是排序问题，det 框本身是对的，改后处理比换模型或调阈值更直接。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。