基于OCR的数字仪表自动识别在工业现场中的应用

作者：周曼; 刘志勇; 鲁乾鹏; 施方展; 王得磊; 杨鲁江

来源：仪器仪表用户, 2021, 28(01): 22-80.

• 数字仪表
• 数据增广
• EAST全卷积神经网络
• CNN-LSTM-CTC

在工业生产中经常需要进行配方控制,在很多现场环境下,各种原料均由工人使用电子称计重进行,因而难以实现精准地投料量自动控制。本文采用了基于光学字符识别(Optical Character Recognition,OCR)的图像采集数字仪表数据后,使用图像处理算法来模拟出光斑、阴影、畸变与其他不利于识别与检测的因素以达到数据增广的目的,再用加入了上述不利因素数据集进行训练,过程中利用EAST全卷积神经网络进行文字检测,再使用CNN-LSTM-CTC进行文字识别。经现场测试,该模型有较好的准确率,对小数点也比较敏感,取得了良好的整体识别效果,成功应用于现场生产环境中。