OCR（Optical Character Recognition, 光学字符识别）传统上指对输入扫描图像进行分析处理,识别出图像中文字信息。

   图文识别预处理技术包含图像降噪、图像旋转校正、线检测、图像匹配、文字轮廓提取及分割等。确定OCR图像的种类，根据模板找出要识别的区域，提取和分割待识别的字符。预处理之后的 OCR 字符才可以进行识别，以保证识别的高精度。

   针对不同的种类 OCR 图像，传统预处理过程采用的步骤可能不一样，但核心技术主要包括图像降噪、图像旋转校正、线检测、图像匹配、文字轮廓提取及分割等。

车轮

制动盘

OCR自动化应用

   在车轮生产过程中需要对车轮进行检测，检测过程中进行车轮轮号的识别，现有车轮轮号识别采用人工进行，识别效率低，且存在主观识别错误的现象，影响车轮轮号的识别质量，为此，我们提出一种车轮轮号自动识别系统，以解决上述问题。

   该系统不仅可兼容不同直径的车轮，还可以适用正反面的字符，且均为自动。

车轮OCR自动化应用

制动盘OCR自动化应用

OCR效果

   因为车间现场受各种客观因素影响，导致图像成像效果差异大，从而给识别算法带来更大的困难，开异智能技术公司结合其自身优势，仔细分析原因，不断优化算法，从而很好的解决了各种问题。

车轮成像效果不一的图像

制动盘成像效果不一的情况

   而正常情况下，应该是如下图。比如工件表面没有油污，粗糙度一致，字符宽度标准，间隔误差小，字符深浅误差小等条件。但客户在生产过程中，实际是无法正常满足这些要求的。

车轮成像效果很好的情况

制动盘成像效果很好的情况

   该项目涉及最大的干扰因素就是因为成像效果差异大，如下图中的“2”和“4”，该连通的区域没有连通，但通过一些常规的参数调整，比如单个字符的长宽比以及分割参数，另外就是需要不断的以添加字库的形式进行模板匹配。

未正确设置好参数识别有问题

比较好的正确识别效果

   当然，实际工况也会出现部分字符粘连，但肉眼看相机采集的图片是不会粘连，因为算法因素，导致初始状况不理想，但经过算法优化，稳定的解决了。

   解决的大致原理如下：比如下图所示的3个字符中，“A“和”2“出现粘连采用普通的分割，则出现的情况如下图，明明是两个字符，由于分隔不够明显，程序认为它们是一个字符。这种情况我们如何处理呢？

使用形态学调整图像特征

   这两个文字分隔不开的原因主要是在A字母的右下角与2的左下角连接到一起。

   首先进行膨胀操作，我们的目的是为了将里面的黑色字体变得瘦一点，但是由于黑色字体周围有一圈白色的亮边，所以我们这里不能使用腐蚀操作，应该使用膨胀。

   膨胀后字体是不是变瘦了呢？仅仅如此还是没有办法将A2两个文字分开，因为它们的白色部分连接到了一起。为了分开它们，我们可以使用斑点工具，将里面的黑色斑点文字取出来。效果如下图所示：

   因为制动盘的字符在圆柱面上，且表面质量比较好，所以成像效果相对一致，字符识别难度比车轮简单很多，如下图所示。

制动盘识别结果

   该项目成功的实施，不仅让生产现场的管控更加智能化，OCR的自动化应用，避免了人工的主观意识带来的弊端，也在整个高铁行业零部件身份ID可追溯贡献了一份力量。