A. 凌谊视觉网上有，OCR/CCD识别系统，是什么意思呢
cognition，（光学字符识别），是属于图型识别（Pattern Recognition，PR）的一门学问。其目的就是要让计算机知道它到底看到了什么，尤其是文字资料。
由于OCR是一门与识别率拔河的技术，因此如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题，ICR（Intelligent Character Recognition）的名词也因此而产生。而根据文字资料存在的媒体介质不同，及取得这些资料的方式不同，就衍生出各式各样、各种不同的应用。
在此对OCR作一基本介绍，包括其技术简介以及其应用介绍。
一、OCR的发展
要谈OCR的发展，早在60、70年代，世界各国就开始有OCR的研究，而研究的初期，多以文字的识别方法研究为主，且识别的文字仅为0至9的数字。以同样拥有方块文字的日本为例，1960年左右开始研究OCR的基本识别理论，初期以数字为对象，直至1965至1970年之间开始有一些简单的产品，如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业；也因此至今邮政编码一直是各国所倡导的地址书写方式。
OCR可以说是一种不确定的技术研究，正确率就像是一个无穷趋近函数，知道其趋近值，却只能靠近而无法达到，永远在与100%作拉锯战。因为其牵扯的因素太多了，书写者的习惯或文件印刷品质、扫描仪的扫瞄品质、识别的方法、学习及测试的样本……等等，多少都会影响其正确率，也因此，OCR的产品除了需有一个强有力的识别核心外，产品的操作使用方便性、所提供的除错功能及方法，亦是决定产品好坏的重要因素。
一个OCR识别系统，其目的很简单，只是要把影像作一个转换，使影像内的图形继续保存、有表格则表格内资料及影像内的文字，一律变成计算机文字，使能达到影像资料的储存量减少、识别出的文字可再使用及分析，当然也可节省因键盘输入的人力与时间。其处理流程如下图：
(在下面的站点上）
从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正，将结果输出。
在此逐一介绍：
影象输入：欲经过OCR处理的标的物须透过光学仪器，如影像扫描仪、传真机或任何摄影器材，将影像转入计算机。科技的进步，扫描仪等的输入装置已制作的愈来愈精致，轻薄短小、品质也高，对OCR有相当大的帮助，扫描仪的分辨率使影像更清晰、扫除速度更增进OCR处理的效率。
影象前处理：影像前处理是OCR系统中，须解决问题最多的一个模块，从得到一个不是黑就是白的二值化影像，或灰阶、彩色的影像，到独立出一个个的文字影像的过程，都属于影像前处理。包含了影像正规化、去除噪声、影像矫正等的影像处理，及图文分析、文字行与字分离的文件前处理。在影像处理方面，在学理及技术方面都已达成熟阶段，因此在市面上或网站上有不少可用的链接库；在文件前处理方面，则凭各家本领了；影像须先将图片、表格及文字区域分离出来，甚至可将文章的编排方向、文章的题纲及内容主体区分开，而文字的大小及文字的字体亦可如原始文件一样的判断出来。
文字特征抽取：单以识别率而言，特征抽取可说是OCR的核心，用什么特征、怎么抽取，直接影响识别的好坏，也所以在OCR研究初期，特征抽取的研究报告特别的多。而特征可说是识别的筹码，简易的区分可分为两类：一为统计的特征，如文字区域内的黑/白点数比，当文字区分成好几个区域时，这一个个区域黑/白点数比之联合，就成了空间的一个数值向量，在比对时，基本的数学理论就足以应付了。而另一类特征为结构的特征，如文字影像细线化后，取得字的笔划端点、交叉点之数量及位置，或以笔划段为特征，配合特殊的比对方法，进行比对，市面上的线上手写输入软件的识别方法多以此种结构的方法为主。
对比数据库：当输入文字算完特征后，不管是用统计或结构的特征，都须有一比对数据库或特征数据库来进行比对，数据库的内容应包含所有欲识别的字集文字，根据与输入文字一样的特征抽取方法所得的特征群组。
对比识别：这是可充分发挥数学运算理论的一个模块，根据不同的特征特性，选用不同的数学距离函数，较有名的比对方法有，欧式空间的比对方法、松弛比对法（Relaxation）、动态程序比对法（Dynamic Programming，DP），以及类神经网络的数据库建立及比对、HMM（Hidden Markov Model）…等着名的方法，为了使识别的结果更稳定，也有所谓的专家系统（Experts System）被提出，利用各种特征比对方法的相异互补性，使识别出的结果，其信心度特别的高。
字词后处理：由于OCR的识别率并无法达到百分之百，或想加强比对的正确性及信心值，一些除错或甚至帮忙更正的功能，也成为OCR系统中必要的一个模块。字词后处理就是一例，利用比对后的识别文字与其可能的相似候选字群中，根据前后的识别文字找出最合乎逻辑的词，做更正的功能。
字词数据库：为字词后处理所建立的词库。
人工校正：OCR最后的关卡，在此之前，使用者可能只是拿支鼠标，跟着软件设计的节奏操作或仅是观看，而在此有可能须特别花使用者的精神及时间，去更正甚至找寻可能是OCR出错的地方。一个好的OCR软件，除了有一个稳定的影像处理及识别核心，以降低错误率外，人工校正的操作流程及其功能，亦影响OCR的处理效率，因此，文字影像与识别文字的对照，及其屏幕信息摆放的位置、还有每一识别文字的候选字功能、拒认字的功能、及字词后处理后特意标示出可能有问题的字词，都是为使用者设计尽量少使用键盘的一种功能，当然，不是说系统没显示出的文字就一定正确，就像完全由键盘输入的工作人员也会有出错的时候，这时要重新校正一次或能允许些许的错，就完全看使用单位的需求了。
结果输出：其实输出是件简单的事，但却须看使用者用OCR到底为了什么？有人只要文本文件作部份文字的再使用之用，所以只要一般的文字文件、有人要漂漂亮亮的和输入文件一模一样，所以有原文重现的功能、有人注重表格内的文字，所以要和Excel等软件结合。无论怎么变化，都只是输出档案格式的变化而已。
B. 国内有没有做机器视觉系统的厂家
国内做机器视觉的厂家，像基恩士中国、施努卡、康耐视都是比较好的的厂家，如果说真正国内的就是schnoka就是真正的国内厂家了，你可以自己搜索了解
C. 现在市场上CCD视觉系统有哪些品牌
工业级的？我做机器视觉的 工业级的有AVT、DALSA、JAI、 Basler等
D. 丽水哪里有PLC培训的吗
宏德PLC培训长期开设三菱FX系列编程，西门子S7-200/系列PLC编程，欧姆龙PLC编程，触摸屏，伺服精准定位，步进驱动器调速，变频器调速，模拟量控制等工业自动化技术课程培训，师资力量雄厚，教学设备齐全，交通便利。在浙江乐清柳市镇有一家
E. CCD检测软件
颜色识别用人工的话很容易出错，因为人眼很容易疲劳，一直盯着那几种颜色看很容易变色，叫做眼睛的视觉暂停现象。
运用自动CCD检测就可以完全避免这种情况，需要的这方面技术支持的可以找我
具体请点击的我腾讯空间博客
http://user.qzone.qq.com/156208606/blog/1272267706
F. ccd检测厂家有哪些
随着机器视觉近几年来得火速发展，很多机器视觉企业如同雨后春笋般拔地而起，国内的机器视觉发展形势也是一片大好，很多行业陆续在加工制造过程中需要不同范围的使用整套的机器视觉系统。工业相机是机器视觉系统的核心部件，其本质功能完成是将光信号转变成电信号的过程，相比于普通相机来说 ，具有更高的传输力、抗干扰力以及稳定的成像能力。TEO迪奥科技就可以啊
G. 机器视觉哪种软件比较好
1、以Halcon，VisionPro为代表的传统机器视觉软件，通过调用各种算法因子，针对目标特征，定制化设置各种参数。其擅长解决以测量为主的定量问题，和判断有无的简单问题，但对复杂检测类的需求，漏检率/误检率较高。虽然软件价格一降再降，国产软件售价仅几千元甚至免费，但前期开发和后期维护成本较高，在使用时面临很大的局限性。
2、以康耐视的VIDI、Sualab(已被康耐视收购)为代表的深度学习软件，将深度学习的标注、训练、测试流程，以PC软件的方式进行封装，降低了用户使用深度学习技术的门槛。主要解决传统视觉无法解决的复杂缺陷检测难题，或用深度学习的标注方法，提高开发效率。但从实际应用效果来看，当前的深度学习主要以监督学习为主，针对不同场景，需要大量的模型选择、调参等工作，无法针对所有场景，通用性的解决，因此，并没有解决传统算法需要定制开发的难题，并且用户的使用门槛较高，普通工程师对深度学习的调参一般没有基础。
3、北京矩视智能科技有限公司，成立于2017年，先后获融资近千万元，创新性的提供了一款云端的工业视觉深度学习工具，线上实现标注、训练、测试流程，依靠在云端积累的大量不同场景的深度学习模型库，用户上传、标注图片后，将由云端自动匹配最优的深度学习模型和参数进行训练，用户无需任何操作，线上测试效果后，下载SDK即可本地化运行，真正做到通用级的工业视觉深度学习工具。同时在商业上，矩视智能将云端工具直接免费，下载sdk后，仅需购买Lisence加密狗，即可本地运行，致力于将深度学习技术应用于所有的工业视觉场景中。
H. CCD机器视觉系统
CCD机器视觉系统
1、导航定位：视觉定位要求机器视觉检测系统快速准确地找到零件并确定其位置，并利用机器视觉检测定位材料，引导机械手臂准确掌握。在半导体封装领域中，器件需要根据机器视觉的位置信息进行调整，拾取芯片并准确绑定，这是视觉定位在机器视觉检测行业中最基本的应用。
2，外观测试：测试生产线产品没有质量问题，这一环节也是最重要的环节，以取代人工。机器视觉测试涉及到医学领域。其主要检测有尺寸检测、瓶体外观缺陷检测、瓶肩缺陷检测、瓶口检测等。
3、高精度的检测：部分产品精度高，达到0.01 ~ 0.02m甚至U级。机器不能检测到人眼。
4、识别：利用机器视觉检测、图像处理、分析和理解，识别各种模式的目标和物体。这些数据可以追溯和收集，广泛应用于汽车、食品、医药等行业。随着计算机技术和自动控制技术的发展，越来越多的智能机器人出现在生产和生活中。智能工业机器人系统作为智能工业机器人系统的一个重要子系统，越来越受到人们的重视。
行业分析，随着机器视觉检测技术的发展，新产业在未来的应用可能会出现。大量的工业生产可能是物流业，尤其是三维视觉。公务员需要更多经验。难点在于环境的大变化性和算法的高冗余性。民用产品主要来自消费产品。
随着社会现代化进程的推进，中国的工业已经取得了很大的进步。经过长时间积累的机器视觉检测市场，我国出现了一些具有一定实力的视觉检测设备制造商。
比如：广东嘉铭智能科技有限公司有限公司成立于1992年。集研发、设计、生产、制造、服务于一体的高新科技企业。
I. ccd定位系统
这个非常容易实现，CCD定位算法不要自己写，解决方案目前有两套方式，一、采购目前市场上有的Evision，MIL或者其他公司的软件，自己选型CCD，镜头，光源，做成CCD系统。CCD可以用30W像素的黑白相机就好了，光源用玻璃的话，一般用漫反射光源，镜头利用可调焦的。
方式二、直接采购整个智能相机，比如欧姆龙，基恩士他们都有完整的解决方案。直接采购智能相机有个问题就是定位精度比较低，个性化调整麻烦，因为没有开放借口，做修改很难，但是如果通用方案，精度要求不高，系统开发速度快。国内有一家做机器视觉 ，CCD定位方案做的很成功的公司，是厦门的智摩星自动化。他们给富士康什么的做了很多方案。
J. 什么叫CCD视觉识别系统
你要的这些，书上能看到的，只是一些理论性的东西，像如何进行边缘提取，模式匹配之类的，而实际应用方面的知识却是没有书的。还是得自己摸索或找前人学习经验。 这个过程我想大概是这样的： 送料机构将物体送到相机镜头的视野下（这里可能需要机器视觉光源、工业镜头、工业相机、图像采集卡、图像处理系统等），经计算机判断物体有没有，在什么位置，什么角度后，给到机械手信号（位置信息、角度信息），然后计算机（或PLC）控制机械手运动，去拾取目标，如果需要一个定位配合，则还需要在另外的配合处也安装相机镜头，给到信息，让机械手运动到目的地，释放目标，进行安装配合。