周 曼，刘志勇，鲁乾鹏，施方展，王得磊，杨鲁江

（浙江中控技术股份有限公司，杭州 310053）

0 引言

在流程工业现场的配方控制中，配方比例控制尤为重要，但因为各种因素，该环节难以直接自动化进行。在很多工业现场，各种原料均由工人使用电子称计重。需记录投料前重量，投料后重量并计算差额以计量投料量，最后在需要留档时人工录入电脑，这在一定程度上影响了效率和准确率。本文主要解决针对这些难以使用自动化计算投料量的场景，在不改动现场仪表的情况下，基于光学字符识别（Optical Character Recognition，OCR）对图像文件进行分析识别处理后，使用EAST全卷积神经网络进行文字检测，再使用CNN-LSTM-CTC进行文字识别，将图像数据经过模型运算后转换为数字数据，从而实现数字仪表的数据识别和记录。

1 OCR光学字符识别

计算机文字识别，俗称光学字符识别，英文全称是Optical Character Recognition（简称OCR），它是利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成一种计算机能够接受，人又可以理解的格式[1]。OCR技术是实现文字高速录入的一项关键技术，是对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。亦即将图像中的文字进行识别，并以文本的形式返回。

传统上，图像预处理采用数字图像处理和机器学习（HOG）提取特征，但对复杂环境的泛化能力不强，本文中使用CNN的神经网络进行特征提取。

文字检测即使用先验知识对图像中的文本区域进行框选，常用的……