首先關(guan)注一(yi)個(ge)核心(xin)問題(ti)：什(shen)么(me)(me)場(chang)景(jing)下的OCR識別需(xu)求分別對應(ying)選擇什(shen)么(me)(me)型號智能相機，以及是否需(xu)要深度學習？

一、字符識(shi)別 

     對(dui)于(yu)一些產(chan)線產(chan)品位置固定，OCR 特征清晰明顯，對(dui)比度高、背景(jing)簡單的字符(fu)，可(ke) 以通(tong)過(guo)傳統(tong)方(fang)式即閾(yu)值分(fen)割(ge)的形式進行(xing)讀(du)取的需(xu)求，相機字符(fu)識別自(zi)帶的模(mo)型(xing)(xing)可(ke)以應對(dui) 現場如(ru)點(dian)陣、刻(ke)蝕(shi)、壓(ya)印出來的字符(fu)。自(zi)帶的模(mo)型(xing)(xing)內(nei)部(bu)已經訓練(lian)了幾百(bai)萬張(zhang)樣本(ben)，基(ji)本(ben)涵(han)蓋了絕大(da)部(bu)分(fen)應用場景(jing)。

二、特征匹配（位置修正）+字(zi)符(fu)識別 

      對(dui)于(yu)一些產品在視野內可(ke)能(neng)位(wei)置(zhi)(zhi)會(hui)變(bian)動、產品位(wei)置(zhi)(zhi)不固定(ding)(ding)但(dan)前景(jing)和背景(jing)灰度差(cha)較大、干擾較少的(de)實際場景(jing)，可(ke)以開啟位(wei)置(zhi)(zhi)修(xiu)正對(dui)字(zi)符識別進行輔助定(ding)(ding)位(wei)，來保(bao)證產品移動、旋轉(zhuan)等各種情況下都可(ke)以定(ding)(ding)位(wei)到要識別的(de)字(zi)符。 

注(zhu)：開(kai)啟位置修正(zheng)后，需保(bao)證模板(ban)區域(yu)始終在(zai)相機視野內，否則特征(zheng)匹配不到會持續NG。

三、DL 字符(fu)識別 

     在一(yi)些字(zi)符形態大小(xiao)不統(tong)一(yi)，對比度(du)低(di)，背景存(cun)在干擾，字(zi)符粘(zhan)連，畸變(bian)等場景， 傳統(tong)方法效果(guo)一(yi)般，這(zhe)個時候可以用到深(shen)度(du)學習，在常見行業(ye)如，食(shi)藥品(pin)包裝，電子行業(ye)，煙草行業(ye)薄膜(mo)，半(ban)導(dao)體(ti)晶源等等已(yi)經實(shi)現全行業(ye)覆蓋(gai)，不需要進行過多的(de)模型訓練(lian)，就(jiu)可以實(shi)現字(zi)符的(de)高(gao)效識(shi)別檢(jian)測(ce)，準確(que)率基(ji)本(ben)在三個九以上。

四、DL字符定位+DL字符識別
      在很(hen)多實(shi)際(ji)的(de)OCR檢測需求中(zhong)，字符位(wei)置不固定(ding)，字符大小(xiao)不統一，甚至(zhi)一些需求僅檢測視野內(nei)某個特定(ding)區(qu)域(yu)內(nei)的(de)字符，應對這(zhe)類情況，往往需要深(shen)度學(xue)習定(ding)位(wei)和深(shen)度學(xue)習識別(bie)搭配起(qi)來(lai)使用(yong)，提高(gao)準確率和穩定(ding)性達(da)到(dao)預期效果。

食品行(xing)業(ye)噴墨會(hui)導致字符大小、深淺、形態和位置都會(hui)有(you)變化，傳統方法無法準確(que)定位到(dao)字符，引入深度(du)學(xue)習定位和深度(du)學(xue)習識別有(you)效解決(jue)難題。