工业常见PCB、数码管字符识别难？这个OCR工具你值得拥有！

背景

我国作为制造业大国，智能制造升级需求旺盛。近年，相关部委围绕智能制造接连推出政策，促进产业向强向优升级。以人工智能、5G、大数据为主的技术在制造升级的过程中扮演关键作用，例如，在智能装备制造的感知层面，以深度学习为基础的目标检测、文字识别、语义分割等技术在工业制造的各场景中应用广泛。

文字识别技术（OCR）在制造业中的应用场景大多分布在产品追溯、智能监控、仓储物流、缺陷检测等，通过算法自动批量完成图片信息中的文字提取，降低企业人力重复手动录入信息的人力成本，增加生产效率。

图1 OCR应用场景全景图

在这些场景中，图片的获取方式往往通过对真实场景拍照，属于自然场景下的文字识别技术，其特点在于文字形态和设备类型涉猎广泛，面临的问题包括：

这些场景属于自然场景下的文字识别技术的应用范畴，图片的获取方式往往通过对真实场景拍照，特点在于文字形态和设备类型涉猎广泛，面临的问题包括：

• 自然场景下文字形态丰富多样，透视变换、模糊、光照、干扰问题多；
• 一些场景中设备器材、文字排列类型丰富，对模型泛化性要求高；
• 实际采集数据受限于设备或场景，数据量有限；
• 垂类数据集中缺乏针对性的模型调优技巧。

图2 电表场景下的数据出现遮挡、光照不足、类型多样、模糊等问题

解决方案：

飞桨文字识别开发套件PaddleOCR针对自然场景下的OCR任务提供面向产业级的超轻量通用OCR系统PP-OCRv3，经过海量数据训练，达到产业级SOTA效果，在垂类场景中泛化性好。同时，PaddleOCR配套数据合成、标注及22种训练部署方式，打造全流程开发体验，助力产业界快速落地OCR应用。

图3 PP-OCRv3效果动图

图4 PaddleOCR全景图

项目地址：

https://github.com/PaddlePaddle/PaddleOCR

场景1：

PCB质量监控中的小尺度文字识别

印刷电路板（PCB）是电子产品中的核心器件，对于板件质量的测试与监控是生产中必不可少的环节。在一些场景中，通过PCB中信号灯颜色和文字组合可以定位PCB局部模块质量问题，这其中裁剪出的PCB图片宽高比例较小，文字区域整体面积也较小。针对本场景，PaddleOCR基于全新 PP-OCRv3通过合成数据、微调以及其他场景适配方法完成小字符文本识别任务，满足企业上线要求。

图5 PCB小尺度文本识别示意图

场景2：

光功率计数码管字符识别

光功率计是测量光纤系统中的光功率仪器，通信公司会留存大量光功率计图片并记录功率计数值。通常，光功率计的字符以数码管形式呈现，与一般文字的形态有所差异。PaddleOCR基于PP-OCRv3的识别模型 和顶会算法SVTR_Tiny分别在本场景数据上进行微调与对比训练，择其最优，最终实现针对数码管字符的识别模型，识别精度满足生产需求。

图6 手持光功率计（左）与OCR识别效果（右）

PaddleOCR项目地址：

Github：https://github.com/PaddlePaddle/PaddleOCR

Gitee：https://gitee.com/PaddlePaddle/PaddleOCR

注：上述图片均来源于网络