石鑫华视觉
手机物料二维码和OCR视觉识别
手机物料二维码和OCR视觉识别视频号
手机物料二维码和OCR视觉识别B站
手机物料数据矩阵二维码和OCR视觉识别，测试对象是手机上的一些物料，如背壳、底板等。基本上每个物料上，都会有相应的二维码和字符进行标识。这里一般即要做二维码识别，也要做OCR光学字符识别。对于本视觉方案中的数据矩阵二维码的识别，比较简单，无论是NI视觉还是HALCON都可以识别，不过NI视觉的话对于不同的产品需要高速参数，通用性没有HALCON的强。而对于OCR光学字符识别，这里因为字符相对比较多，又比较小，很多都连接在一起的，对于NI视觉来说，这类连接在一起的字符识别比较难处理。而如果尝试深度学习的话，则识别起来要容易的多（可以尝试各种社交软件或手机图像软件中的提取图像中的文字功能）。
物料1照明效果
物料2照明效果
物料3照明效果
物料4照明效果
物料5照明效果
机器视觉光源
这里的手机物料有很多种。但是基本上所有的条码类型和字符都是一样的，都是在白色背景上的黑色特征。所以，对于光源来说并不会有太高的要求。使用常规的条形光源或环形光源都可以解决这类问题。字符和码是一排的，所以使用一个条形光源应该是最经济的方案。视野范围约有80mm，可以超长使用SHI-BLM14738-W这样的条形光源：
SHI-BLM14738-W
光源控制器
SHI-BLM14738-W的功率是比较小的，约10W左右，使用SHI-MAPSM2424-2CH即可。非常简易的小功率模拟控制器，共功率24W，2路光源控制器，无级调节，不带触发、高低电平切换等附加功能，100来块钱，性价比高。
SHI-MAPSM2424-2CH
工业相机
产品视野范围是80-60mm左右，中间水平，二维码和字符的印刷笔画相对比较粗。这里考虑使用500万像素级别的即可满足要求。静态测量的话，使用性价比高的卷帘CMOS即可；而如果使用动态飞拍的话，建议考虑全局CMOS芯片来处理，成本会有所上升。
MER2-503-23GM/MER2-507-23GM
工业镜头
对于这种二维码和字符识别的产品来说，使用FA镜头即可；拍摄范围80mm的范围很多镜头可以满足，如常见的16mm、25mm、35mm的镜头。主要还是看允许的工作距离。如果距离近，那就使用16mm的，如果距离远，那就使用35mm的。考虑使用500万级别的低畸变高锐度的SHI-C2516FFW：
SHI-C2516FFW
图像处理算法
对于数据矩阵二维码的识别，相对来说比较简单，无论是使用NI视觉还是HALCON，都可以比较容易识别：
NI视觉识别DataMatrix二维码1
NI视觉识别DataMatrix二维码2
NI视觉识别DataMatrix二维码3
NI视觉识别DataMatrix二维码4
NI视觉识别DataMatrix二维码5
而要OCR光学字符识别，NI视觉表现的就不尽如人意了。因为很多字符是连接在一起的。NI视觉对于分割字符的能力是比较欠缺的。很多字符分割都有问题，就没有办法识别了。
NI OCR不能正常分割字符
而对于这种字符识别，使用深度学习功能应该会更好一些。不需要拿模型去验证，只需要使用微信、QQ的截图，然后识别文字即可看到这些软件更容易识别到图像中的文字：
QQ截图识别到的文本
虽然也有部分字符识别错了，如将B当成了8，但是连接的字符都能正常分割。而将上述图像传输到手机中（遥遥领先），再提取图像中的内容，那文本均可正常读取且是正确的：
遥遥领先可以准确识别字符
所以对于这类字符识别，考虑使用深度学习的方法更有效，当然成本上可能会上升一些。
机器视觉项目实现难度
★~★★★★
项目的照明打光比较简单。其中的数据矩阵二维码读取相对来说比较简单，而字符识别的话，传统的OCR算法相对比较吃力，考虑使用深度学习的方法来处理。