在燃气表上执行 OCR

Posted 2023-04-17

【中文标题】在燃气表上执行 OCR

【英文标题】：Performing OCR on gas meter

【发布时间】：2019-03-13 23:18:39

【问题描述】：

我想，以便它可以读取值。我要对其执行 OCR 的仪表示例：

在这种情况下，OCR 应该返回 25539144。

如您所见，有一点问题：仪表周围有很多文字。所以一个普通的 OCR 库在这里不起作用，因为它也会返回它周围的文本。

我已经尝试过物体检测来检测仪表，但唯一似乎运行良好的（因为我只有 50 张图片）是 azure 认知服务。问题是稍后它应该能够在实时流中检测到它，因此无法使用 Web 服务。

谁能帮助我解决这个问题的正确方向？

【问题讨论】：

我正在考虑是否可以从颜色中获得一些提升：数字及其背景的颜色。做一些特征工程，你不需要很多图片来训练，因为数字检测是一项相当复杂的技术。我将从阈值开始包含这些数字的区域。祝你好运。

在某种程度上似乎与 ANPR（自动车牌识别）类似。您大致知道您期望的格式，并且可能还有其他文本 - ANPR 面临同样的挑战。也许您可以利用现有的 ANPR 框架并重新训练/迁移学习？例如，github.com/openalpr/openalpr

我有类似的要求，正在寻找可能的帮助，请告诉我你是如何实现这一目标的。

【参考方案1】：

如果关于使用颜色的评论对您没有帮助，那么您可以尝试这种方法：

一种可能的方法是训练一个模型（也许是一个神经网络）来围绕使用数字绘制一个边界框。

您将不得不手工绘制几个方框来提供训练示例。

一旦你运行了这个“边界框创建模型”，你就可以剪掉所有不相关的东西，你将拥有一个新的训练集，其中包含更容易学习的示例。

然后您可以尝试在这个新数据集上重新训练您的 ocr 模型。

【讨论】：

我在 azure 认知服务中进行了尝试。这工作得很好，但不幸的是在线。当我使用 TensorFlow 进行尝试时，它并没有那么顺利。我很想放弃实时图像提要并使其仅成为静止图像。

你试过只使用 keras 吗？它可能比从头开始使用 TF 更容易（除非你必须使用 TF）。另外，你能不能对整个事情进行 ocr，然后用 grep 搜索一个 8 位数字？

整个图像上 OCR 的问题在于它读取的一些图像是 B 而不是 8。所以我不能只是对其进行正则表达式。