跳到主要内容

文字识别

面向工业细分和复杂场景的OCR技术-支持中文​

alt text

适用于工业细分和复杂场景的文字识别（OCR）任务是一个极具挑战性的领域，传统的OCR技术在此类场景下往往表现不佳。复杂场景通常包括：

  • 背景复杂： 文字与背景颜色、纹理相似，或背景充满干扰信息。
  • 版式不规则： 文字非水平排列，存在弯曲、扭曲、透视变形、任意形状文本（如印章、艺术字）。
  • 字体多样： 非常规字体、手写体、艺术字或字体过小。
  • 光照条件差： 曝光过度、光照不足、阴影覆盖、反光。
  • 文字质量低： 低分辨率。

深度视觉的 OCR 技术融合前沿深度学习算法，它具备强大的抗干扰能力，在传统算法和预训练模型无法适配的工业细分场景及复杂场景下，经过一定数据的迁移学习，依然保持出色的稳定性和超高准确率。

  • 支持训练：可以通过增加特定细分场景的数据来满足不同场景的应用需求。
  • 支持文本种类多：能够精准识别包括中文、英文、数字及各类符号在内的多种文本内容。
  • 高准确率：凭借先进的识别算法，我们在复杂场景下仍能保持极高的文字识别准确率。
  • 高稳定性：系统经过长期优化与测试，在不同设备和环境中均表现出出色的稳定性和可靠性。
  • 简单易用：用户界面简洁直观，标准化 SDK，无需复杂操作。
  • 高效率：处理速度快，每秒可处理上千张图像，上万个字符。

应用案例

文字识别流程​

1. 提取文本块​

文字识别模型处理的是文本块，所以通常我们需要先在原图中定位到文本块，这一步可以使用目标检测模型、旋转框模型、传统算法等方式。文本块的划分按照断句习惯即可。

2. 对文本块进行标注（参考下面的标注说明）​

3. 训练文字识别模型​

文本块示例:

alt text

文件结构​

通常，我们将一个任务中的文件存放在一个文件夹下，包含：

  • 1-训练集：存放训练数据，内部可以有多层文件夹，用户可根据使用习惯整理数据。
  • 2-工作目录：存放训练完成的 AI 模型，日志，中间结果，过漏检数据等。
  • AI 项目文件：后缀名为.dva，创建项目后自动生成在训练集同目录下，记录项目信息和训练参数等。

任务文件夹​

alt text

工作目录​

alt text

文字标注​

  1. 文本块的标注需要使用 LabelmeAI。 alt text
  2. 在标注软件中打开需要标注的图像文件夹。
  3. 使用快捷键 T，弹出文本标注框，输入正确的文本即可。

alt text

  1. 经过硬件锁授权后，文本支持使用预训练模型或私有模型进行自动标注。

标注文件

标注完成的图像会在同目录下生成 json 文件，文件名与图像名称相同，后缀为 json。

alt text

文本标记示例：​

{
  "version": "2025.9.11.0",
  "flags": {
    "275VAC": true
  },
  "shapes": [],
  "imagePath": "Image_20250905101654533_1147_1780.png",
  "imageData": null,
  "imageHeight": 114,
  "imageWidth": 443
}

创建项目​

alt text

任务类型选择【OCR】​

alt text

数据分析​

alt text

数据增强​

alt text

训练参数​

alt text

  • 训练集和验证集的比例通常为 8:2；如果希望看到所有数据的评估结果，可以将验证集比例设置为 100%。
  • 蒸馏数据集占比，默认0.05，蒸馏比例越大，用户数据集比例越小，模型原有能力越强，泛化性能越好，但是用户数据识别能力越弱。

训练记录​

alt text

alt text

准确率和推理速度​

经过数据训练的文字识别模型的准确率通常在 99% 以上，单文本块推理速度 2-10ms，根据显卡配置或文本长度不同有波动。

应用案例​

效期识别​

alt text

激光打标​

alt text

PCB​

alt text

元器件​

alt text