A376-基于OCR的“水位检测”项目
【购买前必看】
1、关于我们
深度学习乐园是由python哥全职技术团队组建运营【团队成员为：复旦大学博士、华东理工爱丁堡博士、格拉斯哥博士、纽约大学硕士、浙江大学硕士】。
我们只做python业务，精通sklearn机器学习/torch深度学习/django/flask/vue全栈开发。
2、关于项目
我们从2018年开始，就专注于深度学习sci、ei、ccf、kaggle等，至今已有7年，共发表过10多篇顶刊顶会。
官网累积了数百个项目，已有3000多学员付费购买，圈子内有口皆碑：www.zzgcz.com （更多高级私密项目无法对外，联系微信定制：zzgcz_com）
3、售后承诺
包远程安装调试，所有项目均在本地运行通过，大部分都有截图和录屏。
支持二次修改，所有项目都是我们自己写的，改起来也非常容易。
加急定制1-2天可完成，这就是实力证明，远程验收满意后再付全款！
所有客户终身售后。兼职的人家都有主业，谁愿意持续服务你？
环境需求
-
Windows or Linux
-
Python >= 3.5
-
tensorflow-gpu >= 1.14.0
-
cuda >= 10.0
代码目录结构
plain text
├── Hough(霍夫变换检测直线)
├── LSTM-OCR(基于LSTM模型的OCR方法，包含部分权重)
├── Number_detect_dataset(用于训练数字检测模型YOLO v3的数据集)
├── Post_Process_Result(OCR模型输出)
├── data_for_ocr_train(用于训练OCR模型的数据集)
├── demo(演示系统源码与可执行文件下载地址)
├── TPS(模糊文本识别模型)
├── creat_dataset(用于生成合成数据集，训练TPS模型)
项目技术方案
-
调整摄像头至仅拍摄水位尺区域，使用训练好的目标检测模型检测数字区域（如图1左），根据bounding box的位置关系（主要基于Y轴，根据实际情况需要分别讨论(1)），确定检测区域1和检测区域2，其中，检测区域1代表最下方的刻度区数字，精度为0.1，经过OCR模型识别数字，得到值L2（数值）；检测区域2为最下方的较长数字，精度为1，经过OCR模型识别数字，得到值L1（数值），检测区域1和检测区域2由bounding box的宽度区分（如图1中）；另外，检测区域1的bounding box下边界至水面为检测区域三，通过霍夫变换检测直线数目，精度为0.01，得到值L3（直线条数）；最终，通过计算式L1-（10-L2·0.1）-0.25·L3(1)，获得最终水位（如图1右）。
-
其中（1）中的讨论主要指较长数字区域（L1值）和刻度区数字区域（L2值）的位置关系，实际数据中，二者并不总是呈现L1在L2上方的情况。所以需要分情况确定加减号，详见附录。
- 为了减少环境干扰，首先对所有数据进行筛选并提取出感兴趣区域，该区域为方案的原始输入。
- 随后，开始标注数据，数字检测基于YOLO v3模型，标注为YOLO格式，类别仅有number一类。其中，每一个数字都应该被标注，被水浸没或环境遮挡的数字不标注，标注框覆盖数字但要尽可能的小，刻度区尽量不要包含到刻度，否则会影响到OCR模型的准确度。
- 训练完成后，使用目标检测模型（YOLO v3，其权重文件位于dist\detect.weights）检测其中的数字，根据bounding box的宽度划分为刻度区数字和较长数字，根据bounding box右下角点的Y轴分别确定检测区域2和检测区域1，为可辨识的最下方刻度区数字、较长数字，用于输入OCR模型。对于OCR模型，承接上一步的工作，使用数字检测模型检测所有数据，根据bounding box信息裁剪出所有的数字区域并另存为图片，作为OCR模型的训练集，经人工标注，形成数据集于文件夹LSTM-OCR-Test\tmp\lstm_ctc_data，共1673张。
- 为了保障运行速度，OCR模型采用LSTM模型，基于tensorflow框架，权重位于dist\ recognition系列。经训练，承接数字检测模型的输入，输出该区域的数值，具体地，由于输入区域本身存在较多噪点和污染，为了减少错误率，OCR模型并未学习小数点“.”的表示，因此对于例如“22.00”的区域会识别为“2200”，只需要添加部分后处理（除以100，保留两位有效数字）即可变成正确值。
- 至此，综合（1）的分情况处理，已经完成了0.1的识别精度。最后0.01的精度基于霍夫变换，其结果如下，受参数和环境因素影响大，较为不稳定。
演示系统
-
以下为演示系统效果展示（基于PyQt，CPU-only）
-
本系统设置了授权限时，如需运行需要手动更改系统时间为2020年10月1日以前
-
系统ui
