目 錄
1..... 應用概述... 2
2..... 免費下載試用... 2
3..... 視頻介紹... 2
4..... iNeuLink.Ocr影像資料采集應用... 2
5..... 資料上傳到iNeuOS工業互聯網作業系統... 4
6..... Ocr基本概念... 7
1. 應用概述
在工業、軍工或航天等領域，有些設備及軟體系統比較陳舊，但是更換的成本比較高，在實驗或生產程序中不能夠完整的記錄資料，給資料應用和分析造成了很大的障礙，更無法解決實驗和生產人員的勞動強度，
通過OCR影像識別的技術可以很好的解決上述問題，但是沒有一個完整的產品化的軟體實作操作級應用，盡管OCR技術相對比較成熟，除特定應用場景使用外，普及使用率并不高，
iNeuKernel.Ocr影像資料采集軟體，實作了實時自動獲得螢屏截圖或是應用程式截圖、動態增加資料識別標簽資訊、后臺任務自動切片采集資料以及實時轉發資料，與iNeuOS工業互聯網作業系統互聯互通，完整資料采集、傳輸、存盤、視圖建模、分析等應用程序，示意如下圖：
2. 免費下載試用
鏈接：https://pan.baidu.com/s/1joGfBefaBKiFJ1l08N3KZg
提取碼：v242
3. 視頻介紹
視頻介紹：iNeuKernel.Ocr 影像資料識別與采集
4. iNeuLink.Ocr影像資料采集應用
（1）運行的主界面，應用相對簡單，如下圖：
（2）配置圖源，可以使用快捷鍵，全屏截圖或是程式截圖，以便定位資料標簽的坐標的相對位置，進行資料提取，如下圖：
（3）增加或編輯識別標簽，單擊【資料識別】可以用紅色方框在圖源上標注要誤別的資料位置資訊，在【資料識別結果】中可以看到識別資料的結果，并且填寫資料標簽名稱，如下圖：
（4）轉發資料，可以把識別的資料結果轉發給其他系統，填寫站點編號、遠程IP、遠程Port轉發周期和是否啟用等資訊，如下圖:
5. 資料上傳到iNeuOS工業互聯網作業系統
下載iNeuOS離線安裝包，安裝程序參見：一鍵部署，進入系統后，選擇桌面【設備模型】，單擊左上角小加號圖示，增加一個新的設備，選擇【服務實體】后面的【編輯】按鈕鏈接，配置【基本設定】和【Socket】，【Socket】默認偵聽埠為6699，其他資訊一般不需要修改，如下圖：
選擇配置好的【服務實體】，并且配置通訊型別、應用協議和選擇驅動等，配置如下圖：
選擇左上角旋轉圖示，會重新啟動后臺服務，應用當前配置好的資訊，硬體網關與iNeuOS平臺第一次通信時會同步網關的設備和資料點資訊，會在當前iNeuOS設備驅動下生成子設備，在子設備上會有iNeuKernel硬體網關的資料點資訊，如下圖：
iNeuOS工業互聯網試用：試用地址
6. Ocr基本概念
（1）OCR的應用場景
根據OCR的應用場景而言，我們可以大致分成識別特定場景下的專用OCR以及識別多種場景下的通用OCR，就前者而言，證件識別以及車牌識別就是專用OCR的典型案例，針對特定場景進行設計、優化以達到最好的特定場景下的效果展示，那通用的OCR就是使用在更多、更復雜的場景下，擁有比較好的泛性，在這個程序中由于場景的不確定性，比如：圖片背景極其豐富、亮度不均衡、光照不均衡、殘缺遮擋、文字扭曲、字體多樣等等問題，會帶來極大的挑戰，
（2）OCR的技術路線
典型的OCR技術路線如下圖所示：
其中OCR識別的關鍵路徑在于文字檢測和文本識別部分，這也是深度學習技術可以充分發揮功效的地方，PaddleHub為大家開源的預訓練模型的網路結構是Differentiable Binarization+ CRNN，基于icdar2015資料集下進行的訓練，
首先，DB是一種基于分割的文本檢測演算法，在各種文本檢測演算法中，基于分割的檢測演算法可以更好地處理彎曲等不規則形狀文本，因此往往能取得更好的檢測效果，但分割法后處理步驟中將分割結果轉化為檢測框的流程復雜，耗時嚴重，因此作者提出一個可微的二值化模塊（Differentiable Binarization，簡稱DB），將二值化閾值加入訓練中學習，可以獲得更準確的檢測邊界，從而簡化后處理流程，DB演算法最終在5個資料集上達到了state-of-art的效果和性能，參考論文：Real-time Scene Text Detection with Differentiable Binarization
下圖是DB演算法的結構圖：
接著，我們使用 CRNN（Convolutional Recurrent Neural Network）即卷積遞回神經網路，是DCNN和RNN的組合，專門用于識別影像中的序列式物件，與CTC loss配合使用，進行文字識別，可以直接從文本詞級或行級的標注中學習，不需要詳細的字符級的標注，參考論文:An end-to-end trainable neural network for image-based sequence recognition and its application to scene text recognition
下圖是CRNN的網路結構圖：
物聯網&大資料技術 QQ群：54256083
物聯網&大資料專案 QQ群：727664080
QQ：504547114
微信：wxzz0151
博客：https://www.cnblogs.com/lsjwq
微信公眾號：iNeuOS
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/423625.html
標籤：.NET技术
下一篇：C#基礎_手動書寫XML