车辆VIN码识别

方案基本信息

车辆VIN码也叫车辆识别代号，由17位数字和大写英文字母组成。该方案适用于车辆VIN码的字符识别（OCR），使用深度学习来检测VIN码位置并精准识别VIN码文本。

方案流程

该方案级联了Mech-DLK中的“文本检测”和“文本识别”模块。其中，“文本检测”模块用于检测并分割出图像中的VIN码区域，“文本识别”模块用于识别并输出VIN码字符。该方案使用模型包的训练和部署整体流程如下：

方案部署

采集图像

确定实际生产中待识别的VIN码中包含的所有字符，并确保采集的用于训练的图像数据包含这些字符的样本。
采集图像时需要能包含实际生产的所有场景，如果不同的环境光、曝光参数和VIN码背景材质会导致成像效果有较大差异，则需要分别采集相应的样本，确保采集的图像与实际应用一致。

筛选图像

去除异物遮挡、过曝、过暗等异常情况的图像。
采集的数据量很大时，可对数据进行抽样，筛除部分重复图像。
确保各种场景下的图像占比均衡。

可用于训练的示例图如下：

训练模型

训练“文本检测”模型

新建工程并添加“文本检测”模块：单击初始页面上的新建工程按钮，选择工程路径并输入工程名称以新建一个工程。然后，在右上角的模块栏，单击+，选择“文本检测”模块。
导入图像数据：单击左上方的导入/导出 导入文件夹，导入采集的VIN码图像。
标注图像：在图像左侧标注工具栏，单击选择自由矩形工具进行标注。绘制的标注框应尽量贴合VIN码文本边缘。
训练模型：所有图像标注完成后，在“训练”参数栏，使用默认训练参数设定，单击训练开始训练模型。
验证模型：训练结束后，在“验证”参数栏，单击验证进行验证并查看模型识别效果。

训练“文本识别”模型

级联“文本识别”模块：在右上角的模块栏，单击+，选择“文本识别”模块，将“文本识别”模块级联在“文本检测”模块后。
导入图像数据：单击左上方的导入/导出 从上一模块导入，选中上一模块中的所有验证结果，并开启“图像校正”功能，将图像校正至正方向（0°）。
标注图像：在图像左侧标注工具栏单击选择文本识别工具进行标注。使用文本识别工具框选文本后，会自动生成识别结果，需人工校验和确认。如果识别有误，可直接在文本框中更改后单击确定按钮。
训练模型：所有图像标注完成后，在“训练”参数栏，使用默认训练参数设定，单击训练开始训练模型。
验证模型：训练结束后，在“验证”参数栏，单击验证进行验证并查看模型识别效果。

导出级联模型包

单击导出模型按钮，在弹出的对话框中，选择导出全部模型，配置导出参数后，导出级联模型包。

部署模型

你可以使用Mech-DLK SDK进行二次开发，将深度学习推理功能集成到产线的质量控制系统中，然后使用导出的模型包进行推理并获取推理结果。

导出后的模型包也可在Mech-Vision的深度学习模型包推理和深度学习结果解析步骤中使用。“深度学习模型包推理”使用级联模型包进行推理，并输出推理结果。“深度学习结果解析”连接于“深度学习模型包推理”后，对级联模型包的推理结果进行解析。在该方案中，只对“文本识别结果”进行解析即可。使用Mech-Vision软件，需要单独购买软件授权许可。

迭代模型

如果实际生产中出现新增字符或其他原因导致模型效果不佳，则需要对模型进行迭代。

采集迭代数据：采集包含新增字符的图像和模型识别效果不佳的图像用于模型迭代。
导入迭代数据：在“文本检测”模块中，单击导入/导出 导入文件夹，导入迭代数据。
标记图像：在“标注”参数栏下方，单击+新建图像标记“迭代数据”并标记导入的图像。
标注图像：完成新增图像的标注。
迭代“文本检测”模型：在菜单栏单击设置设置，开启“开发者模式”后，在“训练”参数栏，单击 参数配置 模型微调，开启微调。
训练迭代模型：单击训练按钮完成模型的迭代训练。

“文本检测”迭代模型识别效果验证无误后，切换至“文本识别”模块，单击左上方的导入/导出 从上一模块导入，在“图像标记”下拉框中选择“迭代数据”标记并导入全部图像，然后采取相同的操作迭代“文本识别”模型并验证模型识别效果。