導(dǎo)讀

提取多種多樣字符的信息有利于在日常生活和工業(yè)生產(chǎn)中落實(shí)標(biāo)準(zhǔn)化和規(guī)范化的要求。友思特 Neuro-T的OCR模型基于無代碼深度學(xué)習(xí)算法，輕松實(shí)現(xiàn)了精準(zhǔn)高效的字符檢測(cè)。

在現(xiàn)代生活和工業(yè)領(lǐng)域，字符檢測(cè)技術(shù)應(yīng)用正變得越來越重要。無論是在日常生活中對(duì)掃描文檔的自動(dòng)識(shí)別，還是在工業(yè)生產(chǎn)線上的自動(dòng)化檢測(cè)，準(zhǔn)確提取和解析字符信息都是關(guān)鍵。

然而，這一任務(wù)面臨著諸多挑戰(zhàn)。首先，字符的多樣性和變異性，如字體、排版和手寫體的不同，使得識(shí)別過程復(fù)雜且易出錯(cuò)。其次，實(shí)際應(yīng)用中常見的數(shù)據(jù)噪聲和格式不規(guī)范問題，會(huì)影響檢測(cè)的準(zhǔn)確性。再者，大規(guī)模數(shù)據(jù)處理需要高效的實(shí)時(shí)性能，這對(duì)系統(tǒng)的處理能力提出了嚴(yán)格要求。

針對(duì)這些難點(diǎn)，友思特技術(shù)人員基于Neuro-T的OCR模型，使用深度學(xué)習(xí)的方式，通過訓(xùn)練強(qiáng)大的模型和優(yōu)化算法，結(jié)合前置傳統(tǒng)圖像處理算法，能夠在各種復(fù)雜環(huán)境下實(shí)現(xiàn)高效的字符檢測(cè)，為生活和工業(yè)應(yīng)用提供了可靠的技術(shù)支持。

友思特Neuro-T支持的深度學(xué)習(xí)模型類型

友思特 Neuro-T 支持九種不同的深度學(xué)習(xí)模型：

監(jiān)督學(xué)習(xí)
分類		將圖像分類為多個(gè)缺陷類別（一副圖像只能包含一類缺陷）
分塊分類		通過將高分辨率圖像分割成小塊來進(jìn)行分類（一幅圖像可能包含多類缺陷）
實(shí)例分割		在像素級(jí)檢測(cè)缺陷的精確形狀和位置(能在一張圖像中檢測(cè)出多個(gè)缺陷）
目標(biāo)檢測(cè)		識(shí)別物體數(shù)量并確定其位置
OCR字符識(shí)別		識(shí)別圖像中的文字（英文、數(shù)字、特殊符號(hào)）
旋轉(zhuǎn)		自動(dòng)將原始圖像旋轉(zhuǎn)到正確方向
GAN對(duì)抗生成網(wǎng)絡(luò)		生成與真實(shí)缺陷相似的人工缺陷圖像
無監(jiān)督學(xué)習(xí)
異常分類		以熱力圖的形式為二元分類提供基礎(chǔ)，僅對(duì)正常圖像進(jìn)行訓(xùn)練 *正常/缺陷
異常分割		像素級(jí)別檢測(cè)缺陷區(qū)域，僅對(duì)正常圖像進(jìn)行訓(xùn)練

Neuro-T的OCR模型訓(xùn)練字符檢測(cè)模型的具體操作步驟

新建項(xiàng)目→新建數(shù)據(jù)集→導(dǎo)入圖像數(shù)據(jù)

2. 創(chuàng)建標(biāo)簽集→選擇模型類型（OCR）

3. 標(biāo)注數(shù)據(jù)

可以使用手動(dòng)標(biāo)注或自動(dòng)標(biāo)注的方式對(duì)圖像進(jìn)行字符內(nèi)容的標(biāo)注。

(1)手動(dòng)標(biāo)注

將圖像中的文字旋轉(zhuǎn)到合適的朝向；

選擇繪制矩形框、設(shè)置大小寫類型以及字符排布方向；

在圖像中需要標(biāo)注的字符位置繪制矩形框并填寫字符內(nèi)容。

(2)自動(dòng)標(biāo)注

Neuro-T自動(dòng)學(xué)習(xí)平臺(tái)的OCR深度學(xué)習(xí)模型提供了兩種自動(dòng)標(biāo)注方式：

①預(yù)訓(xùn)練模型自動(dòng)標(biāo)注：

使用Neuro-T平臺(tái)自帶的預(yù)訓(xùn)練OCR模型對(duì)數(shù)據(jù)集進(jìn)行自動(dòng)批量快速標(biāo)注，再微調(diào)標(biāo)注結(jié)果。

②自定義模型自動(dòng)標(biāo)注：

手動(dòng)標(biāo)注部分圖像來訓(xùn)練OCR模型，選擇用于標(biāo)注的OCR模型，再應(yīng)用到想要標(biāo)注的圖像上即可。

4. 劃分訓(xùn)練集和測(cè)試集

自動(dòng)或手動(dòng)按預(yù)設(shè)比例將圖像集分配為訓(xùn)練集和測(cè)試集。

5. 訓(xùn)練生成OCR模型并查看模型結(jié)果

在模型訓(xùn)練頁(yè)面輸入訓(xùn)練的模型名字即可進(jìn)行OCR模型訓(xùn)練，無需參數(shù)設(shè)置，最后可以查看OCR模型的評(píng)估指標(biāo)結(jié)果。

正則匹配技術(shù)

通過OCR模型識(shí)別客戶檢測(cè)對(duì)象中的字符內(nèi)容，往往還沒能解決客戶的需求?？蛻粜枰氖?strong>自動(dòng)化從中提取分析出所需要的信息，并且排除冗余信息，或者替換部分檢測(cè)信息為其他字符內(nèi)容。這個(gè)時(shí)候，我們通常會(huì)選用正則匹配的方式來為客戶實(shí)現(xiàn)。

正則匹配（正則表達(dá)式匹配）是一種用于在文本中查找特定模式的技術(shù)。正則表達(dá)式（regex）是一種強(qiáng)大的文本處理工具，可以用于匹配、搜索、替換文本。它廣泛應(yīng)用于數(shù)據(jù)驗(yàn)證、文本處理、數(shù)據(jù)清理等場(chǎng)景。

例如”d{3}-d{4}-d{4}”用于匹配類似”020-1234-5678”的電話號(hào)碼信息。

例如”^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$”用于匹配郵箱地址。

客戶案例

場(chǎng)景1：工件的蝕刻/凹刻字符檢測(cè)

金屬工件表面通過物理或化學(xué)反應(yīng)形成的凹陷字樣的字符檢測(cè)需求。由于字符內(nèi)容與背景無明顯顏色差異，需要搭配一定的光源進(jìn)行打光來凸顯字符內(nèi)容的輪廓，再行調(diào)用OCR模型進(jìn)行字符檢測(cè)。

場(chǎng)景2：醫(yī)藥溶媒字符檢測(cè)

檢測(cè)醫(yī)療袋裝溶媒上面的字符，并使用正則匹配的方式，從中提取出溶媒種類、容量、濃度等信息傳輸至上位機(jī)。

場(chǎng)景3：物流紙箱打標(biāo)字符檢測(cè)

物流紙箱位于傳送帶上實(shí)時(shí)傳送，架設(shè) IDS 相機(jī)進(jìn)行實(shí)時(shí)動(dòng)態(tài)拍攝并返回上位機(jī)字符識(shí)別結(jié)果。由于紙箱粗糙表面存在噪點(diǎn)對(duì)字符識(shí)別造成干擾，且字符印刷顏色較淺，直接識(shí)別存在一定的難度，因此采用包括灰度化、Gamma校正、提高全局對(duì)比度、二值化、高通濾波和開運(yùn)算等一系列圖像處理操作，得到的圖像再調(diào)用OCR模型進(jìn)行檢測(cè)，返回檢測(cè)結(jié)果。

場(chǎng)景4：飲料包裝生產(chǎn)日期檢測(cè)

檢測(cè)易拉罐底部或盒裝飲料頂部的印刷字符，并從中提取出產(chǎn)品的生產(chǎn)日期。

其余常見場(chǎng)景

①車牌識(shí)別：

②高鐵票識(shí)別：

通過正則匹配的方式從檢測(cè)到的字符數(shù)組中匹配提取出包括站點(diǎn)、時(shí)間、座位等信息。

* 客戶現(xiàn)場(chǎng)真實(shí)數(shù)據(jù)保密，替代圖片來源網(wǎng)絡(luò)，侵刪。

友思特字符檢測(cè)系統(tǒng)套裝

Neuro-T

Neuro-T 使用簡(jiǎn)單的圖形用戶界面，通過自動(dòng)優(yōu)化深度學(xué)習(xí)模型結(jié)構(gòu)和訓(xùn)練參數(shù)來創(chuàng)建出性能最佳的模型，無需任何深度學(xué)習(xí)經(jīng)驗(yàn)，即可運(yùn)行自己的深度學(xué)習(xí)項(xiàng)目。在系統(tǒng)中，Neuro-T 是用于訓(xùn)練模型的核心工具。

2D 工業(yè)相機(jī)

友思特 2D 工業(yè)相機(jī)結(jié)合了支持USB3視覺標(biāo)準(zhǔn)的高質(zhì)量全局快門傳感器技術(shù)和具有成本效益的uEye XCP相機(jī)平臺(tái)，是流行的USB2接口的uEye LE相機(jī)系列的最佳、高性能和長(zhǎng)期替代品。借助友思特自研視覺軟件 VST-2D，對(duì)接IDS相機(jī)的實(shí)時(shí)圖像流，即可獲取PCB的實(shí)時(shí)圖像數(shù)據(jù)。

了解更多？歡迎訪問官網(wǎng)，探索豐富案例：https://viewsitec.com/neurocle/

審核編輯 黃宇