祝伟大的祖国母亲生日快乐！
祝我的朋友们双节快乐！
昂首举杯庆双节，科普文章讲OCR！！
虽然马上双节假期了，但是我依然不能停止科普的道路，毕竟我的心愿，就是用我的机器视觉技术给天下所有的计算机一双眼睛。
笔芯！
今天我们来聊的主题还是是OCR/机器视觉产品。
我还记得第一次接触OCR，根本不懂什么意思，跟着“有问题找度娘”的想法百度一下，解释为(Optical Character Recognition光学字符识别)，就是指一些纸质或电子文档通过检测用字符识别方法将其翻译成计算机文字的过程。通俗点讲，就是图文识别，这个大家都比较好理解。那么OCR识别产品都有什么呢？接下来的介绍，大家会发现OCR识别产品和我们的生活息息相关。
简单地说，你们还记得一边看文件，一边手动敲字录入计算机的场景么？
没错，计算机不具备将影像中的信息读出的能力
这时候，就需要OCR/机器视觉这一技术来介入工作
通过这个技术可以赋予计算机一定的视觉能力
让机器可以将图像资料中的文字提取出来，进行后续的分析处理。
但是随着时代的进步，老旧的OCR技术最终会被机器视觉技术所替代
我们下面来简单对比一下老旧的OCR和机器视觉的两个差距。
对比一：识别率对比
老旧的OCR是用字段识别率来计算识别率的,如图所示，99%的OCR识别率：
100张图共计10000字，其中100字识别错误，得识别率99%。但是极端情况下这100个错误字段，可能分布在100张图中，也就是说100张图没有1张识别正确。
现在我们的机器视觉识别系统通过人工智能、机器学习、深度学习方式则完美的解决了这一问题。
机器视觉识别系统是以单张是否完全识别正确来计算识别率的，如：
100张，完全识别正确的有96张，则识别率为96%
对比二：适用性对比
老旧的OCR技术，在识别工作中，为了保证正常工作，会要求图像的质量，通常是要求DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
这个要求很不方便，因为手机拍照一般只有96DPI，网络间的图像传输也会压缩DPI值，而OCR一般要求图片质量达到300及以上，这基本就是实验室环境了，对于日常生产很不方便。
日常应用间，总不能为了一个技术的实现，然后每个使用场景搭建一个实验室级环境吧，这样的技术附加消费太大了。
但是机器视觉技术，对图像的要求几乎为0，唯一的标准就是同肉眼对比，只要肉眼可以看清的，就可以做出高精度的识别。
而且，对比一些视力不好的同学，机器视觉技术可能要比他们强哦！
那么基于以上的数据对比。您会选择哪种技术手段，来解决图像数据结构化的需求呢？
那么一般聊到这里，很多同学就会问机器视觉的部署方式有什么，机器视觉服务依然是提供两套解决方式的：
产品形态：
纯私有化部署，保证用户数据安全。可提供软硬一体与纯软等多种方式。
识别技术支持WebService、API等主流集成方式（云服务器或本地服务器），部署完成后，APP端、PC客户端、web端、微信H5端等均可发送识别请求
整个识别过程均在企业内网完成，保证数据的安全性。本地部署不需要通过广域网进行信息传输，避免了各种传输延迟和报错，更高效和稳定安全。
联系我们
国庆期间不放假-依然在线支持
致力用毕生精力专注OCR及机器视觉解决方案。
如果你有需要OCR及机器视觉解决方案，那么我们之间的故事就开始了。
