【基于 PyQt5 + PaddleOCR 的工业视觉型号检测系统开发】

目录系统功能技术栈系统架构1.硬件配置2.软件架构核心库安装项目整体逻辑完整代码逐段解析模块1导入所需库模块2辅助函数2.1 定期释放USB摄像头资源2.2 命令行参数设置2.3 报警器控制指令2.4 控制报警器2.5 筛选列表中出现次数最多的元素2.6 筛选OCR识别结果中的型号2.7 替换OCR识别中的易错字符2.8 隐藏警告符号停止报警2.9 判断包装型号是否在产品型号中2.10 计算字符面积-过滤过小的无效识别结果模块3初始化OCR识别对象模块4核心类4.1 类的初始化4.2 相机开启/关闭方法4.3 打开异常截图文件夹4.4 复位按钮方法-界面按钮触发清除识别结果4.5 装饰器-控制OCR识别频率优化性能4.6 画面刷新与OCR识别触发4.7 摄像头1的OCR识别与结果处理4.8 摄像头2的OCR识别与结果处理4.9 摄像头3的OCR识别与结果处理模块5程序入口-启动程序在现代工业生产中产品型号与包装不匹配是常见质量问题。传统人工检测效率低、易疲劳。本文分享一套三摄像头实时 OCR 检测系统可自动识别型号、异常报警、截图存档。这个系统的核心功能是——用3个摄像头2台海康工业相机1台USB相机实时采集画面通过PaddleOCR识别产品和包装上的型号自动比对是否匹配出现异常时触发声光报警还能自动保存异常截图全程无需人工干预典型的工业流水线防错场景应用。系统功能三路摄像头实时画面显示PaddleOCR 英文文本识别正则表达式精准筛选型号字符纠错0/O、S/5、I/1 等牛皮纸颜色触发识别三路结果自动比对声光异常报警自动截图保存异常记录PyQt5 图形化操作界面技术栈• Python• OpenCV• PaddleOCR• PyQt5• 串口通信• 海康工业相机 SDK• 多线程 定时器系统架构1.硬件配置2路海康工业相机千兆网口1路USB摄像头2个声光报警器通过串口控制2.软件架构主界面模块-PyQt5相机采集模块OCR识别模块-pySerial串口控制模块-pySerial多线程管理模块核心库安装# 安装核心库依次执行 pip install opencv-python # 处理图像、摄像头采集 pip install paddlepaddle-gpu # PaddleOCR依赖有GPU装这个没有GPU装paddlepaddle pip install paddleocr # OCR文字识别核心库 pip install pyqt5 # 图形界面开发 pip install numpy # 数值计算处理图像数组 pip install pyserial # 串口通信控制报警器 pip install argparse # 命令行参数设置 pip install pillow # 辅助处理图像可选需要准备文件HKCamera_class.py海康工业相机的控制类从海康SDK中提取文末有获取方式放在代码同一文件夹下金寨窗口0.pyPyQt5的界面文件用Qt Designer设计无需自己设计文末附简单说明项目整体逻辑初始化启动摄像头、报警器、PyQt5界面设置相关参数比如串口号、摄像头IP画面采集3个摄像头实时采集画面显示在PyQt5界面上OCR识别每隔一定帧数对采集到的画面进行文字识别筛选出产品/包装型号型号比对将工业相机识别的产品型号与USB相机识别的包装型号进行比对异常处理比对不一致时触发声光报警自动保存异常截图5秒后自动停止报警。记住这个逻辑后续看代码就像“对号入座”知道每一段代码对应哪个步骤就不会懵了。完整代码逐段解析模块1导入所需库import cv2 # 处理图像、摄像头采集 from collections import Counter # 统计列表中元素出现次数筛选最可能的型号 import os # 操作文件、保存截图 from numpy import ndarray # 处理图像数组OpenCV返回的图像是ndarray类型 import sys # 系统相关操作比如添加库路径 sys.path.append(rD:\software\Pycharm\pyqt5库\MvImport) # 添加海康SDK路径小白要改成自己的路径 from HKCamera_class import HKCamera # 海康工业相机控制类提前准备好的文件 from PyQt5 import QtCore, QtGui, QtWidgets # PyQt5核心组件界面开发 from PyQt5.QtCore import * # PyQt5核心功能定时器、线程等 from PyQt5.QtGui import * # PyQt5图形相关显示图像、文字等 from PyQt5.QtWidgets import QFileDialog, QMainWindow # PyQt5窗口组件 from 金寨窗口0 import Ui_MainWindow # PyQt5界面文件提前准备好的 import logging # 日志输出这里用来关闭日志避免冗余信息 import numpy as np # 数值计算比如计算字符面积 from paddleocr import PaddleOCR # PaddleOCR识别核心 import re # 正则表达式筛选型号过滤无效文字 import serial # 串口通信控制声光报警器 import time # 时间相关延时、获取当前时间用于保存截图 import argparse # 命令行参数设置方便修改串口号、摄像头编号等 import threading # 多线程定期释放摄像头资源避免卡顿sys.path.append(...)这里的路径要改成你自己电脑上海康SDK的路径否则会报错“找不到HKCamera_class”​from 金寨窗口0 import Ui_MainWindow如果你的界面文件名字不一样要改成自己的文件名比如你的界面文件叫“main_window.py”就改成from main_window import Ui_MainWindow​其他库都是我们前期安装好的导入失败就是没装对重新执行安装命令即可。模块2辅助函数为后续的摄像头控制、OCR识别、报警控制提供支持2.1 定期释放USB摄像头资源def release_capture3(cap): # 定期释放usb摄像头资源 while True: # 每隔一段时间释放一次资源这里设置为 30min1800秒 time.sleep(1800) cap.release() # 释放摄像头资源 cap.open(opt.cap_numb3) # 重新打开摄像头USB摄像头长时间运行会占用过多资源导致画面卡顿、程序崩溃这个函数用循环延时每30分钟释放一次资源再重新打开保证系统稳定运行。2.2 命令行参数设置parser argparse.ArgumentParser() # 第一个报警器的串口号要改成自己的串口号比如COM3、COM6 parser.add_argument(--SERIAL_PORT1, typestr, defaultCOM5, help第一个报警器的串口号) # 第二、三个报警器的串口号共用一个串口 parser.add_argument(--SERIAL_PORT2, typestr, defaultCOM4, help第二 三个报警器的串口号) # 识别的置信度0-1之间越高识别越严格避免误识别 parser.add_argument(--confid_level, typefloat, default0.88, help识别的置信度) # 第三个摄像头编号USB摄像头一般是0或1报错就换成0 parser.add_argument(--cap_numb3, typeint, default1, help第三个摄像头编号) # 获取画面帧数的延时单位毫秒越小画面越流畅默认67ms≈15帧/秒 parser.add_argument(--frame_delay, typeint, default67, help获取画面帧数的延时) opt parser.parse_args()这里的参数可以直接在运行时修改不用改代码比如你的报警器串口号是COM3运行时输入命令python 你的代码文件名.py --SERIAL_PORT1 COM3就能快速修改非常方便。2.3 报警器控制指令######## 指令声明声光报警器的控制指令厂家提供固定不变 LIGHT_BUZZ1 0110001A000101CE18 # 闪光声音1 LIGHT_BUZZ2 0110001A0001040E1B # 闪光声音2备用 LIGHT 0110001A0001028E19 # 只闪光不响铃 BUZZ1 0110001A0001034FD9 # 只响铃不闪光 BUZZ2 0110001A000105CFDB # 响铃2备用 BUZZ_CMD_CLOSE 0110001A0001000FD8 # 关闭声音和闪光报警结束后用 logging.disable(logging.DEBUG) # 关闭日志的输出避免屏幕出现大量冗余信息这些是声光报警器的“控制指令”不同厂家的指令可能不一样这里是示例指令如果用的是其他报警器替换成厂家提供的指令即可其余不用改。2.4 控制报警器def sendCmdToDevice(cmd, ser): # 控制警报器cmd是控制指令ser是串口对象 cmdd bytes.fromhex(cmd) # 将十六进制指令转换成字节串口只能传输字节 ser.write(cmdd) # 向串口发送指令控制报警器这个函数是“报警器的开关”后续只要调用这个函数传入对应的指令比如LIGHT和串口对象就能控制报警器闪光、响铃或关闭2.5 筛选列表中出现次数最多的元素def most_common_element(lst): # 提取列表中出现次数最多的字符筛选标准型号 # 使用Counter统计每个元素出现的次数比如[123,123,456]统计后是{123:2, 456:1} count Counter(lst) # 找到出现次数最多的元素比如上面的123作为标准型号 most_common_item count.most_common(1)[0][0] return most_common_itemOCR识别可能会有误差比如一次识别出123一次识别出123一次识别出124我们取出现次数最多的123作为“标准型号”减少误判。2.6 筛选OCR识别结果中的型号def process_string(input_string): # 在ocr的结果中筛选出对应型号过滤无效文字 aa[] # 用空格切分字符串OCR识别结果可能包含多个文字用空格分开 parts input_string.split() # 正则表达式1: 包含数字和字母比如A123、123B长度2-10位适配大部分型号 pattern_alphanumeric re.compile(r^(?.*[a-zA-Z])(?.*\d)[a-zA-Z\d-]{2,10}$) # 正则表达式2: 纯数字至少4位比如1234、56789适配纯数字型号 pattern_at_least_two_digits re.compile(r^\d{4,7}$) # 遍历每个切分后的部分筛选出符合条件的型号 for part in parts: if pattern_alphanumeric.match(part) or pattern_at_least_two_digits.match(part): aa.append(part) return aaOCR识别会把画面中所有文字都识别出来比如灰尘、污渍造成的乱码这个函数用“正则表达式”筛选出“符合型号格式”的文字数字字母或纯数字过滤无效信息如果需要调整型号格式修改正则表达式即可文末有补充。2.7 替换OCR识别中的易错字符def set_bing(set_a): # 替换一些易错字符OCR识别常出错的字符 resu set() for j in set_a: # 把容易识别错的字符替换成正确的比如0和O、S和5、I和1 jj j.replace(0, O).replace(o, O).replace(s, 5).replace(S, 5).replace(I, 1).replace(L, 1).replace(v,V).replace(B,8).replace(p,P) resu.add(jj) return resuOCR识别容易把“0”识别成“O”、“S”识别成“5”这个函数会自动替换这些易错字符减少识别误差我们可以根据自己的型号添加更多易错字符的替换比如把“Z”替换成“2”。2.8 隐藏警告符号停止报警def hide_label_and_send_cmd(label,serNone): # 隐藏警告符号并停止报警 label.setVisible(False) # 隐藏PyQt5界面上的警告符号⚠ sendCmdToDevice(BUZZ_CMD_CLOSE, ser) # 发送“关闭”指令停止报警器2.9 判断包装型号是否在产品型号中def In_which(text, hun): a 0 for i in hun: if text in i: # 判断包装型号text是否在产品型号集合hun中 a 1 return a # 返回1表示匹配0表示不匹配2.10 计算字符面积-过滤过小的无效识别结果def are(i): # 计算OCR识别出的字符面积过滤过小的乱码 zs i[0][0] # 字符左上角坐标 ys i[0][1] # 字符右上角坐标 yx i[0][2] # 字符右下角坐标 zx i[0][3] # 字符左下角坐标 # 计算字符的宽度取上下两条边的平均值更准确 width_A np.sqrt(((zs[0] - ys[0]) ** 2) ((zs[1] - ys[1]) ** 2)) width_B np.sqrt(((zx[0] - yx[0]) ** 2) ((zx[1] - yx[1]) ** 2)) # 计算字符的高度取左右两条边的平均值更准确 height_A np.sqrt(((zs[0] - zx[0]) ** 2) ((zs[1] - zx[1]) ** 2)) height_B np.sqrt(((ys[0] - yx[0]) ** 2) ((ys[1] - yx[1]) ** 2)) # 取平均值作为最终的宽度和高度 width (width_A width_B) / 2 height (height_A height_B) / 2 # 计算面积宽度×高度 area width * height return area画面中可能有很小的污渍OCR会误识别成文字这个函数计算识别出的字符面积后续会过滤掉面积过小的结果减少误判。模块3初始化OCR识别对象# 初始化OCR识别对象2个分别用于不同场景 # ocr开启角度识别use_angle_clsTrue用GPU加速识别英文langen ocr PaddleOCR(use_angle_clsTrue,use_gpuTrue, langen) # ocr2关闭角度识别速度更快用GPU加速识别英文langen ocr2 PaddleOCR(use_angle_clsFalse, use_gpuTrue, langen)langen因为我们识别的是产品型号一般是英文数字所以设置为英文识别如果需要识别中文改成langch​use_gpuTrue如果没有GPU改成use_gpuFalse否则会报错​开启角度识别use_angle_clsTrue会更准确但速度稍慢这里准备2个OCR对象按需使用。模块4核心类这部分是整个系统的“核心”所有功能摄像头启动、画面显示、OCR识别、型号比对、报警都在这个类里实现我们拆成“初始化”和“核心方法”两部分讲解。4.1 类的初始化class PyQtMainEntry(QMainWindow, Ui_MainWindow): def __init__(self): super().__init__() self.setupUi(self) # 初始化PyQt5界面加载提前设计好的界面 # 初始化串口连接声光报警器 self.ser1 serial.Serial(opt.SERIAL_PORT1, 9600, timeout2.5) # 第一个报警器串口 self.ser2 serial.Serial(opt.SERIAL_PORT2, 9600, timeout2.5) # 第二、三个报警器串口 # self.ser3 serial.Serial(opt.SERIAL_PORT3, 9600, timeout2.5) # 备用串口注释掉了 # 初始化界面上的警告符号默认隐藏异常时显示 self.label_4.setVisible(False) self.label_5.setVisible(False) self.label_6.setVisible(False) # 初始化存储识别结果的列表和集合用于筛选标准型号 self.list_zong1 [] # 摄像头1的识别结果列表 self.list_zong2 [] # 摄像头2的识别结果列表 self.list_zong3 [] # 摄像头3的识别结果列表 self.set_zong1 set() # 摄像头1的识别结果集合去重 self.set_zong2 set() # 摄像头2的识别结果集合去重 self.set_zong3 set() # 摄像头3的识别结果集合去重 self.set_12hun set() # 摄像头1和2的识别结果合并集合 self.guo [] # 摄像头3的临时识别结果列表 self.list1 [] # 摄像头1的标准型号候选列表 self.list2 [] # 摄像头2的标准型号候选列表 self.list3 [] # 摄像头3的标准型号候选列表 self.daan1 # 摄像头1的标准型号最终确定的 self.daan2 # 摄像头2的标准型号最终确定的 # 初始化第一个工业相机海康IP192.168.20.20 self.camera1 HKCamera(CameraIp192.168.20.20) # 设置相机参数像素格式、自动增益、帧率 self.camera1.set_Value(param_typeenum_value, node_namePixelFormat, node_valueBayerGB8) self.camera1.set_Value(param_typeenum_value, node_nameGainAuto, node_valueContinuous) self.camera1.set_Value(param_typefloat_value, node_nameAcquisitionFrameRate, node_value15.0000) self.camera1.start_camera() # 启动相机 # 初始化第二个工业相机海康IP192.168.20.40 self.camera2 HKCamera(CameraIp192.168.20.40) # 设置相机参数和第一个相机一致 self.camera2.set_Value(param_typeenum_value, node_namePixelFormat, node_valueBayerGB8) self.camera2.set_Value(param_typeenum_value, node_nameGainAuto, node_valueContinuous) self.camera2.set_Value(param_typefloat_value, node_nameAcquisitionFrameRate, node_value15.0000) self.camera2.start_camera() # 启动相机 # 初始化第三个摄像头USB相机编号由命令行参数设置 self.camera3 cv2.VideoCapture(opt.cap_numb3) # 启动后台线程定期释放USB摄像头资源避免卡顿 release_thread2 threading.Thread(targetrelease_capture3, args(self.camera3,)) release_thread2.daemon True # 设置为守护线程主线程结束子线程也结束 release_thread2.start() # 启动线程 # 初始化定时器控制画面刷新频率 self.is_camera_opened False # 相机是否开启默认关闭 self._timer QtCore.QTimer(self) # 创建定时器对象 self._timer.timeout.connect(self._queryFrame) # 定时器触发时调用_queryFrame方法刷新画面 self._timer.setInterval(opt.frame_delay) # 设置定时器间隔由命令行参数设置 self.frame_counter 0 # 统计画面帧数用于控制OCR识别频率工业相机IP192.168.20.20、192.168.20.40要改成你自己海康相机的IP否则无法连接相机如果没有工业相机可注释掉工业相机相关代码只保留USB相机文末有补充​串口初始化如果串口号设置错误会报错“无法打开串口”小白要先确认自己的报警器串口号设备管理器中查看​定时器用于控制画面刷新频率默认67ms刷新一次也就是每秒刷新15次画面流畅不卡顿。4.2 相机开启/关闭方法def openvideo(self): self.is_camera_opened not self.is_camera_opened # 切换相机状态开启→关闭关闭→开启 if self.is_camera_opened: self.pushButton_4.setText(关闭) # 按钮文字改成“关闭” self._timer.start() # 启动定时器开始刷新画面 else: self.pushButton_4.setText(打开) # 按钮文字改成“打开” self._timer.stop() # 停止定时器停止刷新画面 # 关闭所有报警器 sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser1) sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser2) # 隐藏所有警告符号 self.label_4.setVisible(False) self.label_5.setVisible(False) self.label_6.setVisible(False)这个方法绑定在PyQt5界面的“打开/关闭”按钮上点击按钮就能开启或关闭相机关闭时会自动停止报警、隐藏警告符号非常人性化。4.3 打开异常截图文件夹def open_folder(self): folder_path rD:\MVS\MVS\Development\Samples\Python\shiyan\baojing # 截图保存路径 QDesktopServices.openUrl(QUrl.fromLocalFile(folder_path)) # 打开文件夹这里的路径要改成你自己想保存截图的路径否则会报错“找不到文件夹”建议新建一个专门的文件夹比如“D:\异常截图”然后修改路径。4.4 复位按钮方法-界面按钮触发清除识别结果def clearSet1(self): # 复位按钮一清除摄像头1的识别结果 self.set_zong1.clear() # 清空集合 self.list1.clear() # 清空列表 sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser1) # 停止报警器 self.label_4.setVisible(False) # 隐藏警告符号 def clearSet2(self): # 复位按钮二清除摄像头2的识别结果 self.set_zong2.clear() # 清空集合 self.list2.clear() # 清空列表 sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser2) # 停止报警器 self.label_5.setVisible(False) # 隐藏警告符号当识别结果有误时点击复位按钮就能清空之前的识别结果重新开始识别避免错误积累。4.5 装饰器-控制OCR识别频率优化性能def execute_after_n_calls(n, w2set): def decorator(func): def wrapper(self, *args, **kwargs): wrapper.count 1 # 计数每次调用函数计数1 result func(self, *args, **kwargs) # 执行OCR识别函数 if wrapper.count % n 0: # 每调用n次执行一次结果处理函数w2set w2set(self) return result wrapper.count 0 # 初始化计数为0 return wrapper return decorator这个是“装饰器”作用是“控制OCR识别频率”。比如给OCR识别函数加上execute_after_n_calls(3, w2set1)就表示“每调用3次OCR识别函数才处理一次识别结果”避免每帧都处理减少CPU占用提升系统流畅度。4.6 画面刷新与OCR识别触发QtCore.pyqtSlot() def _queryFrame(self): try: # 检查USB相机是否能采集到画面 if not self.camera3.grab(): print(No frame grabbed.) # 打印错误信息 self.camera3.release() # 释放相机资源 self.close() # 关闭窗口 else: # 从3个相机中获取画面 self.frame1: ndarray self.camera1.get_image() # 工业相机1画面 self.frame2: ndarray self.camera2.get_image() # 工业相机2画面 ret3, self.frame3 self.camera3.read() # USB相机3画面 # 检查USB相机是否获取到画面 if not ret3: print(No frame retrieved.) # 打印错误信息 self.camera3.release() # 释放相机资源 self.close() # 关闭窗口 else: # 调整画面尺寸640×480适配PyQt5界面 self.frame11 cv2.resize(self.frame1, (640, 480)) self.frame22 cv2.resize(self.frame2, (640, 480)) self.frame33 cv2.resize(self.frame3, (640, 480)) # 将OpenCV画面BGR格式转换成PyQt5能显示的格式RGB格式 qimage cv2.cvtColor(self.frame11.copy(), cv2.COLOR_BGR2RGB) qimage QtGui.QImage(qimage.data, qimage.shape[1], qimage.shape[0], QtGui.QImage.Format_RGB888) pixmap QtGui.QPixmap.fromImage(qimage) # 转换成Pixmap格式 qimage2 cv2.cvtColor(self.frame22.copy(), cv2.COLOR_BGR2RGB) qimage2 QtGui.QImage(qimage2.data, qimage2.shape[1], qimage2.shape[0], QtGui.QImage.Format_RGB888) pixmap2 QtGui.QPixmap.fromImage(qimage2) qimage3 cv2.cvtColor(self.frame33.copy(), cv2.COLOR_BGR2RGB) qimage3 QtGui.QImage(qimage3.data, qimage3.shape[1], qimage3.shape[0], QtGui.QImage.Format_RGB888) pixmap3 QtGui.QPixmap.fromImage(qimage3) # 将画面显示在PyQt5界面的标签上 self.label.setPixmap(pixmap) self.label_3.setPixmap(pixmap2) self.label_2.setPixmap(pixmap3) # 统计画面帧数控制OCR识别频率 self.frame_counter 1 if self.frame_counter % 5 0: # 每5帧执行一次摄像头1的OCR识别 self._performOCR1() if self.frame_counter % 3 0: # 每3帧执行一次摄像头2的OCR识别 self._performOCR2() if self.frame_counter % 3 0: # 每3帧执行一次摄像头3的OCR识别 self._performOCR3() except: pass # 捕获所有错误避免程序崩溃这个方法是“画面刷新的核心”定时器每触发一次就执行一次这个方法完成3件事​从3个相机获取画面检查画面是否正常​调整画面尺寸转换成PyQt5能显示的格式显示在界面上​根据帧数触发对应的OCR识别不同摄像头识别频率不同优化性能。4.7 摄像头1的OCR识别与结果处理execute_after_n_calls(3, w2set1) # 每3次识别执行一次w2set1结果处理 def _performOCR1(self): # 对摄像头1的画面进行OCR识别用ocr2关闭角度识别速度更快 result ocr2.ocr(self.frame1, clsFalse) # 检查识别结果是否有效不为空且没有None if result and not None in result: try: for i in result[0]: # 遍历识别出的每一个字符 mianji are(i) # 计算字符面积 ma process_string(i[1][0]) # 筛选出符合条件的型号 # 过滤条件置信度0.92识别准确率高、有有效型号、字符位置在320-1060之间、面积1000过滤小乱码 if i[1][1] 0.92 and ma and 320 i[0][0][0] 1060 and mianji 1000: self.list_zong1.extend(ma) # 将有效型号添加到列表中 except: pass def w2set1(self): if self.list_zong1: # 如果列表中有识别结果 try: # 筛选出出现次数1的型号减少误识别 for i in self.list_zong1: if self.list_zong1.count(i) 1: self.set_zong1.add(i) set_len1 set_bing(self.set_zong1) # 替换易错字符得到当前检测结果 self.list1.extend(list(set_len1)) # 添加到标准型号候选列表 self.daan1 most_common_element(self.list1) # 筛选出出现次数最多的作为标准型号 # 每16帧约10秒清空一次候选列表避免结果积累 if self.frame_counter % 16 0: self.list1.clear() # 将识别结果显示在PyQt5界面的文本框中 text ,.join(set_len1) self.lineEdit.setText(text) # 型号比对如果没有标准型号或没有当前检测结果不处理 if (not self.daan1) or (not set_len1): pass # 如果当前检测结果只有一个且和标准型号一致正常运行 elif len(set_len1) 1 and (list(set_len1)[0] self.daan1): pass # 否则判定为异常触发报警 else: print(一) print(set_len1, self.daan1) # 打印异常信息调试用 # 在画面上添加异常文字红色醒目 tu1 cv2.putText(self.frame1.copy(), text, (100, 200), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 0, 255), 5, cv2.LINE_AA) # 保存异常截图以当前时间命名方便追溯 nam time.strftime(%Y_%m_%d_%H_%M, time.localtime()) path os.path.join(rD:\MVS\MVS\Development\Samples\Python\shiyan\baojing\镜头一, f{nam}-{self.daan1}.jpg) cv2.imencode(.jpg, tu1)[1].tofile(path) self.label_4.setVisible(True) # 显示警告符号 sendCmdToDevice(LIGHT, self.ser1) # 触发报警器只闪光 # 5秒后隐藏警告符号停止报警 QtCore.QTimer.singleShot(5000, lambda: hide_label_and_send_cmd(self.label_4,self.ser1)) self.frame_counter 0 # 重置帧数计数器 except Exception as e: print(e) # 打印错误信息调试用 # 清空当前识别结果准备下一次识别 self.list_zong1.clear() self.set_zong1.clear()这两个方法配合使用_performOCR1负责“识别型号”w2set1负责“处理识别结果、判断是否异常”逻辑和摄像头1完全一致重点看过滤条件和异常处理流程即可4.8 摄像头2的OCR识别与结果处理execute_after_n_calls(3, w2set2) # 每3次识别执行一次w2set2结果处理 def _performOCR2(self): # 执行OCR操作和摄像头1一致只是过滤条件不同 result2 ocr2.ocr(self.frame2, clsFalse) if result2 and not None in result2: try: for i in result2[0]: mianjiare(i) maprocess_string(i[1][0]) # 过滤条件置信度0.84、有有效型号、面积1600、位置在350-1060之间 if i[1][1] 0.84 and ma and mianji1600 and (350i[0][0][0]1060): self.list_zong2.extend(ma) except: pass elif None in result2: # 如果识别结果为空清空标准型号 self.daan2 self.set_12hun set([self.daan1, self.daan2]) print(1:, self.daan1) print(2:, self.daan2) print(合:, self.set_12hun) def w2set2(self): if self.list_zong2: try: # 和摄像头1的w2set1逻辑一致筛选出现次数1的型号 for i in self.list_zong2: if self.list_zong2.count(i) 1: self.set_zong2.add(i) set_len2 set_bing(self.set_zong2) self.list2.extend(list(set_len2)) self.daan2 most_common_element(self.list2) # 每25帧约10秒清空一次候选列表 if self.frame_counter % 25 0: self.list2.clear() # 将结果显示在界面文本框中 text2 ,.join(set_len2) self.lineEdit_2.setText(text2) # 型号比对逻辑和摄像头1一致 if (not self.daan2) or (not set_len2): pass elif len(set_len2)1 and (list(set_len2)[0] self.daan2): pass else: print(二) print(set_len2, self.daan2) # 在画面上添加异常文字保存截图 tu2 cv2.putText(self.frame2.copy(), text2, (100, 200), cv2.FONT_HERSHEY_SIMPLEX, 3, (0, 0, 255), 6, cv2.LINE_AA) nam2 time.strftime(%Y_%m_%d_%H_%M, time.localtime()) path os.path.join(rD:\MVS\MVS\Development\Samples\Python\shiyan\baojing\镜头二, f{nam2}-{self.daan2}.jpg) cv2.imencode(.jpg, tu2)[1].tofile(path) self.label_5.setVisible(True) # 显示警告符号 sendCmdToDevice(LIGHT, self.ser2) # 触发报警器 QtCore.QTimer.singleShot(5000, lambda: hide_label_and_send_cmd(self.label_5, self.ser2)) self.frame_counter 0 # 重置帧数 except Exception as e: print(e) # 清空识别结果 self.list_zong2.clear() self.set_zong2.clear() # 合并摄像头1和2的标准型号用于和摄像头3的包装型号比对 self.set_12hunset([self.daan1,self.daan2]) print(1:, self.daan1) print(2:, self.daan2) print(合:, self.set_12hun)摄像头2的过滤条件置信度、面积、位置和摄像头1不同是因为两个工业相机拍摄的角度、距离不同可以根据自己的实际情况调整这些参数。4.9 摄像头3的OCR识别与结果处理execute_after_n_calls(3, w2set3) # 每3次识别执行一次w2set3结果处理 def _performOCR3(self): global text3 try: # 新增牛皮纸颜色检测只识别牛皮纸包装过滤其他无关画面 # 将图像从BGR格式转换成HSV格式HSV格式更适合颜色检测 hsv_image cv2.cvtColor(self.frame3, cv2.COLOR_BGR2HSV) # 定义牛皮纸颜色的范围HSV值可调整 lower_brown np.array([10, 30, 30]) # 最小颜色值 upper_brown np.array([30, 255, 255]) # 最大颜色值 # 筛选出牛皮纸颜色的区域mask是掩码白色区域是牛皮纸 mask cv2.inRange(hsv_image, lower_brown, upper_brown) # 计算牛皮纸颜色的占比 white_pixels np.sum(mask 255) # 白色像素数量牛皮纸区域 total_pixels mask.shape[0] * mask.shape[1] # 图像总像素数 color_percentage (white_pixels / total_pixels) * 100 # 牛皮纸占比 # 只有牛皮纸占比≥20%才执行OCR识别避免无关画面误识别 if color_percentage 20: result2 ocr2.ocr(self.frame3, clsFalse) if result2 and not None in result2: for j in result2[0]: # 过滤条件置信度0.93、有有效型号 if j[1][1] 0.93 and process_string(j[1][0]): self.list_zong3.append(j) else: text3 # 识别结果为空置空包装型号 except: text3 # 出现错误置空包装型号 def w2set3(self): maxx 0 # 用于筛选面积最大的字符最清晰的型号 if self.list_zong3: try: # 遍历识别结果筛选出现次数1的型号 for i in self.list_zong3: self.guo.append(i[1][0]) for ii in self.guo: if self.guo.count(ii) 1: self.set_zong3.add(ii) # 筛选出面积最大的型号最清晰误差最小 for j in self.list_zong3: if (j[1][0] in self.set_zong3) and (are(j) maxx): aa j maxx are(j) # 替换易错字符得到包装型号 text3 aa[1][0].replace(0, O).replace(o, O).replace(S, 5).replace(I, 1).replace(L,1).replace(v,V).replace(B,8).replace(p,P) self.lineEdit_3.setText(text3) # 显示在界面文本框中 # 型号比对包装型号与产品型号摄像头12比对 if (not text3) or self.set_12hunset() or self.set_12hun{}: pass # 有一个为空不处理 elif self.set_12hun and In_which(text3,self.set_12hun): pass # 包装型号在产品型号中匹配正常 else: # 不匹配判定为异常触发报警 print(三) print(text3) print(self.set_12hun) # 添加异常文字保存截图 tu3 cv2.putText(self.frame3.copy(), text3, (100, 200), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 0, 255), 5, cv2.LINE_AA) nam3 time.strftime(%Y_%m_%d_%H_%M, time.localtime()) path os.path.join(rD:\MVS\MVS\Development\Samples\Python\shiyan\baojing\镜头三, f{nam3}-{self.set_12hun}.jpg) cv2.imencode(.jpg, tu3)[1].tofile(path) self.set_12hun.clear() # 清空产品型号集合 self.label_6.setVisible(True) # 显示警告符号 sendCmdToDevice(LIGHT, self.ser2) # 触发报警器 QtCore.QTimer.singleShot(5000, lambda: hide_label_and_send_cmd(self.label_6, self.ser2)) except: pass # 清空识别结果 self.guo.clear() self.list_zong3.clear() self.set_zong3.clear()包装型号识别新增颜色过滤摄像头3是“包装型号识别”和前两个摄像头最大的区别是“新增了牛皮纸颜色检测”——只识别牛皮纸包装的画面避免其他无关画面比如桌面、灰尘误识别这是工业场景中非常实用的优化可以根据自己的包装颜色调整HSV值。模块5程序入口-启动程序if __name__ __main__: app QtWidgets.QApplication(sys.argv) # 创建PyQt5应用程序对象 window PyQtMainEntry() # 创建主窗口对象 window.show() # 显示主窗口 sys.exit(app.exec_()) # 启动应用程序进入消息循环其实工业视觉OCR检测项目并没有想象中那么高深复杂核心逻辑就4步画面采集→文字识别→结果比对→异常处理。只要将复杂流程拆解开来逐模块学习、逐段调试就能轻松上手、顺利复刻。​本文从前期环境搭建、项目逻辑梳理到代码逐段解析、实战避坑指南再到补充资源、进阶方向只需跟着步骤操作就能复刻出属于自己的工业视觉型号检测系统。这里重点提醒遇到报错不要慌优先排查路径、版本、硬件连接这三大核心问题代码无需死记硬背理解每个模块的核心作用才能举一反三适配不同的工业检测场景。​