高校实训交付｜文字识别教具及OCR实训课程
面向文档扫描场景，可针对各类文档票据进行识别和信息提取。对接实训平台，一键部署模型服务，满足多种文档、票据识别的实训，深度结合实际业务使用场景特性。核心功能包括：
1.支持自动扫描，自动聚焦，实时获取图像进行识别；
2.支持识别结果可视化，自动根据模型输出参数，显示每张图片的识别结果，快速呈现训练效果；
3.支持识别结果保存，生成Excel文件，方便录入和比对；
4.屏幕支持触摸控制；
5.配置双目摄像头，支持活体检测，支持红外补光
6.支持摄像头参数调节，图像控制，亮度调整、曝光长度调整、锐利度调整、色彩调整、增益控制。
规格型号：WG-BX10
主板：四核，主频1.8G
内存：2G
存储：16G
像素：800万
分辨率：最大3200*2400
拍摄范围：A4、A5、A6、A7等证件类
输出格式：JPEG\BMP等
感光元件：COMS
接口：USB2.0 网口
光源补偿：自然光+LED
屏幕：10.1寸屏 类型：IPS;比例：16：9；分辨率：1920*1080；接口：EDP
尺寸：328*345*378mm
第一部分：硬件介绍和使用 (1小时)
1.1 “识图”智能眼硬件平台模块介绍（20分钟）
规格型号、硬件参数及功能说明
介绍双目摄像头、感光元件、屏幕、接口、光源补偿等硬件部件
1.2 硬件平台使用方法（40分钟）
如何进行自动扫描，自动聚焦，实时获取图像
如何根据模型输出参数进行识别结果可视化
如何保存识别结果并生成Excel文件
如何操作触摸屏和调整摄像头参数
第二部分：理论知识讲解 (3.5小时)
2.1 OCR基本原理及应用场景介绍（60分钟）
计算机视觉基础知识
OCR概念、原理介绍
OCR主要应用场景解析
2.2 图像预处理技术（40分钟）
图像二值化、去噪声、灰度化等预处理技术讲解
针对不同环境光源进行图像预处理技术的讲解
2.3 文本定位和识别（60分钟）
文本区域定位技术讲解
文字识别技术讲解（基于深度学习的方法等）
2.4 深度学习模型应用在OCR中的实例分析（40分钟）
端到端的深度学习OCR模型介绍（如CRNN、Attention OCR等）
通过实例讲解深度学习模型在OCR中的应用
第三部分：实操训练 (4小时)
3.1 OCR项目实战环境配置（60分钟）
开发环境的配置和工具的使用
深度学习框架的介绍
如何部署和使用深度学习模型
3.2 OCR项目实战 - 图像预处理（60分钟）
根据实际图像样本进行图像预处理操作实战
针对不同环境光源进行图像预处理实战
3.3 OCR项目实战 - 文本定位和识别（60分钟）
文本区域定位操作实战
文字识别操作实战
3.4 OCR项目实战 - 结果优化（60分钟）
如何对识别结果进行后处理
如何优化模型以提升OCR效果
第四部分：总结与拓展 (1小时)
4.1 项目总结（30分钟）
总结实战中遇到的问题和解决方法
分析项目实战中的关键环节
4.2 人工智能在OCR领域的发展趋势（40分钟）
分析OCR技术的发展趋势和前沿进展
分析现有模型的缺陷以及如何结合新模型进行解决
探讨OCR技术在不同领域的应用前景
实训课程节选
分拣场景是制造生产行业中OCR的典型应用场景，通过识别物体上的文字信息，对物品进行分拣。
实训平台训练模型可直接部署在分拣机上，配置分拣参数即可进行分拣实践。可满足多种维度多种场景的分拣实践，例如基于文字信息的分拣，基于文字有无分拣，基于印刷质量分拣，二维码条形码分拣等多种分拣场景。通过将所学OCR模型训练知识与实际应用场景相结合，学习OCR的应用以及实际生产环境中的问题解决思路，比如物体运动问题、多方向问题、残缺问题、性能效率问题等。核心功能包括：
1.对接实训平台：一键部署模型服务，可自主实训多种分拣场景。
2.手动配置分拣参数：根据模型输出灵活配置分拣格口
3.灵活调整相机参数以匹配多种分拣场景需求，根据图像特点反向优化模型参数。
4.图像采集：采集保存分拣线上的图像，用于模型训练和效果分析。
5.速率参数手动/自动设置：根据分拣物体特点，模型效果和识别速率，手动配置变速履带，还原实际分拣问题。也可以自动调节速率。
6.物体称重：通过称重对物体进行感知和分拣。
规格型号：NC-41B 一分四
主机：处理器：I5 ；内存：4G ；硬盘：128GSSD固态硬盘1T+机械硬盘
显示器：15英寸/19英寸
分拣等级：一分四
相机：600W工业相机配12mm高清镜头
扫描速率：2100+/h
景深：500mm/10mil
视野范围：400mm*500mm
称重：最大量程 45kg ；重量精度± 20g ；称重台面4 00*5 0 0
传送带 耐磨工业级皮带
尺寸：1660mm*590mm*1940mm
第一部分：硬件介绍和使用 (1小时)
1.1 分拣实训机器人硬件平台模块介绍（20分钟）
规格型号、硬件参数及功能说明
介绍分拣等级、相机、扫描速率、景深、视野范围等硬件部件和自动对焦等基础概念。
1.2 硬件平台使用方法（40分钟）
如何进行图像采集，手动配置分拣参数，根据图像特点反向优化模型参数
如何手动/自动设置速率参数，进行物体称重
第二部分：理论知识讲解 (3小时)
2.1 OCR基本原理及应用场景介绍（60分钟）
计算机视觉基础知识
OCR概念、原理介绍
OCR在分拣场景中的主要应用和价值
2.2 图像预处理技术（40分钟）
图像二值化、去噪声、灰度化等预处理技术讲解
针对不同环境光源进行图像预处理技术的讲解
2.3 文本定位和识别（60分钟）
文本区域定位技术讲解
文字识别技术讲解（基于深度学习的方法等）
2.4 深度学习模型应用在OCR中的实例分析（40分钟）
端到端的深度学习OCR模型介绍（如CRNN、Attention OCR等）
通过实例讲解深度学习模型在OCR中的应用
第三部分：实操训练 (4小时)
3.1 OCR项目实战环境配置（60分钟）
开发环境的配置和工具的使用
如何部署和使用深度学习模型
3.2 OCR项目实战 - 图像预处理（60分钟）
根据实际图像样本进行图像预处理操作实战
针对不同环境光源进行图像预处理实战
3.3 OCR项目实战 - 文本定位和识别（60分钟）
文本区域定位操作实战
文字识别操作实战
3.4 OCR项目实战 - 结果优化和应用到实际分拣场景（60分钟）
如何对识别结果进行后处理
如何优化模型以提升OCR效果
如何将识别结果应用到分拣机器人中进行实际物品分拣
第四部分：总结与拓展 (1小时)
4.1 项目总结（30分钟）
总结实战中遇到的问题和解决方法
分析项目实战中的关键环节
4.2 人工智能在OCR领域的发展趋势（40分钟）
分析OCR技术的发展趋势和前沿进展
分析现有模型的缺陷以及如何结合新模型进行解决
探讨OCR技术在分拣机器人等不同领域的应用前景
实训课程节选
TsingtaoAI拥有一支高水平的产学研一体的AI产品开发团队，核心团队主要来自清华大学、北京大学、中科院、北京邮电大学、复旦大学、中国农业大学、美团、京东、百度、中国技术创业协会和三一重工等产研组织。TsingtaoAI核心团队专长于算力、行业LLM/AIGC应用的产品研发，面向企业的大语言模型应用落地等业务，如面向智能客服、教育、人力资源、电商和轨道交通等行业领域的LLM和AIGC应用开发。公司拥有近10项LLM/AIGC相关的知识产权。
TsingtaoAI自研基于LLM大模型代码能力的AIGC应用开发实训平台、面向CS专业的AI训练实训平台和基于大语言模型的AIGC案例学习平台，聚焦虚拟现实、金融科技、医药健康、高端装备、新能源、新材料、节能环保、文化创意、农业科技和食品科技等关键行业，通过链接全球数以千计的关键领域的AI科学家和工程师，为央国企、上市公司、外资企业、政府部门和高校提供AI企业内训和高校实训服务。
