• 在数据方面，电表种类多、数据少、拍摄角度多样且部分数据反光严重。

• 如何从零标注电表数据，选择何种标注软件能够最快速度构建数据集？

• 技术路线的选择也面临多方面的问题，例如是通过文字检测来反向微调，还是通过目标检测从零训练？

基于上述难点，飞桨开发者技术专家不断进行尝试，最终选用了飞桨文字识别套件PaddleOCR中的PP-OCR模型进行了微调与优化，其检测部分基于DB的分割方法实现，直接解决了电表数据中的倾斜问题，通过再造数据集来扩充识别数据集，训练识别模型。PP-OCR模型经过大量实验，其泛化性也足以支撑复杂垂类场景下的效果。

在优化方面，首先对PP-OCR模型的检测部分进行初步微调，然后通过对数据的进一步分析，发现原始图像分辨率较大，进而调整EastRandomCropData的尺寸，放大输入模型前的图像尺度。通过CopyPaste数据增强解决数据量小的问题，并且根据实际情况调小学习率。

最终在评测数据集上从原先的Hmeans=0.3优化到0.85。除此之外，本项目也尝试了一部分目标检测算法。具体的优化过程和详细解释，欢迎大家关注直播！

• 真实产业场景：与实际具有AI应用的企业合作共建，选取企业高频需求的AI应用场景如智慧城市-安全帽检测、智能制造-表计读数等；

• 完整代码实现：提供可一键运行的代码，在“AI Studio一站式开发平台”上使用免费算力一键Notebook运行；

• 详细过程解析：深度解析从数据准备和处理、模型选择、模型优化和部署的AI落地全流程，共享可复用的模型调参和优化经验；

• 直达项目落地：百度高工手把手教用户进行全流程代码实践，轻松直达项目POC阶段。