在各類常見行業(yè)應(yīng)用及智能相機的市場定位中，OCR識別的需求一直是最多最豐富的需求也是大家最關(guān)注的方向，本文以智能相機為產(chǎn)品依托，結(jié)合實際需求介紹各場景下的OCR識別類型及方法

首先關(guān)注一個核心問題：什么場景下的OCR識別需求分別對應(yīng)選擇什么型號智能相機，以及是否需要深度學(xué)習(xí)？

一、字符識別 

對于一些產(chǎn)線產(chǎn)品位置固定，OCR 特征清晰明顯，對比度高、背景簡單的字符，可 以通過傳統(tǒng)方式即閾值分割的形式進行讀取的需求，相機字符識別自帶的模型可以應(yīng)對 現(xiàn)場如點陣、刻蝕、壓印出來的字符。自帶的模型內(nèi)部已經(jīng)訓(xùn)練了幾百萬張樣本，基本涵蓋了絕大部分應(yīng)用場景。

二、特征匹配（位置修正）+字符識別 

對于一些產(chǎn)品在視野內(nèi)可能位置會變動、產(chǎn)品位置不固定但前景和背景灰度差較大、干擾較少的實際場景，可以開啟位置修正對字符識別進行輔助定位，來保證產(chǎn)品移動、旋轉(zhuǎn)等各種情況下都可以定位到要識別的字符。

 

注：開啟位置修正后，需保證模板區(qū)域始終在相機視野內(nèi)，否則特征匹配不到會持續(xù)NG。

三、DL 字符識別 

在一些字符形態(tài)大小不統(tǒng)一，對比度低，背景存在干擾，字符粘連，畸變等場景， 傳統(tǒng)方法效果一般，這個時候可以用到深度學(xué)習(xí)，在常見行業(yè)如，食藥品包裝，電子行業(yè)，煙草行業(yè)薄膜，半導(dǎo)體晶源等等已經(jīng)實現(xiàn)全行業(yè)覆蓋，不需要進行過多的模型訓(xùn)練，就可以實現(xiàn)字符的高效識別檢測，準確率基本在三個九以上。

四、DL字符定位+DL字符識別
在很多實際的OCR檢測需求中，字符位置不固定，字符大小不統(tǒng)一，甚至一些需求僅檢測視野內(nèi)某個特定區(qū)域內(nèi)的字符，應(yīng)對這類情況，往往需要深度學(xué)習(xí)定位和深度學(xué)習(xí)識別搭配起來使用，提高準確率和穩(wěn)定性達到預(yù)期效果。

食品行業(yè)噴墨會導(dǎo)致字符大小、深淺、形態(tài)和位置都會有變化，傳統(tǒng)方法無法準確定位到字符，引入深度學(xué)習(xí)定位和深度學(xué)習(xí)識別有效解決難題。

面對僅檢測紅框內(nèi)字符（出界即NG）的實際需求，傳統(tǒng)算法模塊無法實現(xiàn)檢測需求，引入深度學(xué)習(xí)定位進行輔助，定位框框選目標區(qū)域，搭配出界過濾使能完美解決應(yīng)用難點。

外包裝行業(yè)需要對箱體噴墨進行OCR識別，字符位數(shù)、長短、大小、位置及拍照距離都存在變化，且應(yīng)對字符分段、噴墨深淺不一、存在劃痕等干擾，深度學(xué)習(xí)都可以穩(wěn)定定位并識別。

OCR識別仍然是智能相機的主要應(yīng)用方向之一，關(guān)于OCR識別的優(yōu)化和更新也是智能相機的重點迭代方向，智能相機會結(jié)合市場需求和建議不斷優(yōu)化算法庫以適應(yīng)并解決愈發(fā)多樣性的檢測場景和任務(wù)。

歡迎轉(zhuǎn)載，本文標題：?？抵悄芟鄼COCR識別-根據(jù)實際需求找到最優(yōu)方案 ，轉(zhuǎn)載請注明原文網(wǎng)址：http://choose-u.cn/xingy/3235.html