ocr字符检测-昆山字符检测-宣雄智能

目标定位是计算机视觉领域中基本的任务之一，同时它也是和传统意 义上缺陷检测接近的任务，其期的是获

得目标的位置和类别信息。目前， 基于---学习的目标检测方法层出不穷，-般来说， 基于---学习的缺陷

检测网络从结构.上可以划分为:以faster r-cnn为代表的两阶段(two stage)网络和以ssd或yolo为代表的一

阶段(one stage)网络。两者的主要差异在于两阶段网络需要首先生成可能包含缺陷的候选框(proal)，ocr字符检测，然后在

进一步进行目标检测。-阶段网络直接利用网络中提取的特征来预测缺陷的位置和类别。

接着利用自定义的核7*7，进行图像卷积运算提取端面图片高频分量：

再利用加权平均值算法，按照imagemerge1＝k1*image1+k2*image2+b对凸台图片和端面图片进行融合，按照imagemerge2＝a*imagemerge1+b获得终的融合图片，根据融合照片进行缺陷检测。其中imagemerge1表示初步融合图片，字符缺陷检测，imagemerge2表示融合图片，a表示拉伸系数，b表示拉伸偏移；image1表示凸台图片，字符识别检测，image2表示端面图片，k1表示凸台---系数，k2表示端面---系数。