基于Paddle的OCR算法在汽车仪表自动化测试的应用

本文主要是介绍基于Paddle的OCR算法在汽车仪表自动化测试的应用，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

​

 汽车仪表的测试主要是针对仪表盘车速、引擎转速、显示字符及故障灯的检测过程。通过工业摄像头对仪表上的各组件进行截图，然后利用OCR算法对截图进行自动识别，完成自动化测试过程。

典型的OCR技术路线如下图所示：

​

在进行图像识别之前，需要对图像识别的内容进行配置，对仪表盘的各模块设置正确的模板。

[Menu]

Template  :     通过模板匹配技术，用于校准仪表的图像

Meter       :     设置仪表信息，用于识别仪表的指针读值

OCR         :   设置OCR信息，用于识别仪表上出现的中文，英文，数字

WarningLingts：设置故障灯模板信息，用于识别仪表上故障灯与模板的相似度

Template

Template的功能是:当仪表盘发生移动时，通过模板匹配技术讲图像校准到移动之前，避免其他图像识别任务发生错误。

​

 Meter

Meter的功能是:配置仪表的基本信息，如：仪表的位置，仪表的量程，仪表的分割阈值以及仪表的识别范围。图像算法根据设定的信息可以识别出指针的数值。

​

 OCR

OCR的功能是: 采用深度学习的算法识别仪表盘上指定区域的字符，并与输入的字符做对比，检测字符是否显示正确，是否显示完整。目前支持的检测语言有：中文，英文，数字。

​

 WarningLights

 WarningLights的功能是: 检测故障灯显示的正确性。包括：①是否显示②显示的图标是否正确。首先标注出故障灯模板，然后读取实时图像，通过图像算法给出两者的相似度。

​

 模板设置完成后，将提前编译好的测试脚本导入到软件中，利用图像识别技术和OCR算法自动执行测试用例。

​

这篇关于基于Paddle的OCR算法在汽车仪表自动化测试的应用的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！