Aquisição de dados de instrumentos digitais através da computação visual utilizando modelos de OCR
Resumo
Resumo: O presente estudo tem por objetivo apresentar os procedimentos para a realização do reconhecimento visual de números em display de equipamentos de medição eletrônica através da computação visual. Os modelos de OCR (Optical Character Recognition) utilizam redes neurais muito evoluídas que são capazes de reconhecer com muita precisão qualquer número. O método apresentado neste trabalho não é invasivo, não necessita de protocolos de comunicação serial, como também, não necessita de modificações no equipamento a ser mensurado. As imagens são capturadas por meio de 2 câmeras em formato HD 720p e 30 frames por segundo, que são instaladas em frente a cada display do equipamento. As imagens capturadas tratadas pelas bibliotecas Opencv em linguagem de programação Python, serão posteriormente inseridas em 3 modelos de OCR, Pytesseract, EasyOCR e PaddleOCR. Os modelos reconhecem os números e geram um dataframe no qual os dados coletados serão tratados e refinados pela biblioteca Pandas. O objetivo é gerar um relatório final no formato de gráficos com auxílio da biblioteca Matplotlib. Em vista disso, será realizado um estudo comparativo entre Paddle OCR, Pytesseract e Easy OCR apresentando os níveis de confiança de 99.79%, 93.07% e 85.09% respectivamente.