【C# + HALCON 机器视觉】HALCON经典算子：OCR文字识别（text_line_ocr）

摘要：本文聚焦 C# 与 HALCON 集成，探讨 OCR 文字识别算子text_line_ocr在药品包装生产日期识别中的应用。通过训练专用字体模型，结合find_ncc_model定位文本区域，实现高速流水线上喷码信息的读取。采用多光谱照明解决反光干扰，结合 C# 多线程技术提升处理效率，识别准确率 > 99.5%。同时将识别结果与数据库比对，防止漏检。阐述了 ROI 局部处理等性能优化方法、异常处理策略及跨平台集成方案，为工业 OCR 应用提供完整解决方案。

---

---

【C# + HALCON 机器视觉】HALCON经典算子：OCR文字识别（text_line_ocr）

关键词：C#；HALCON；OCR；text_line_ocr；药品包装；生产日期识别；多光谱照明

一、引言

在医药生产领域，药品包装上的生产日期、批次号等信息是产品质量追溯的重要依据，直接关系到消费者的用药安全和企业的生产管理。传统的人工目视检查方式效率低、易出错，难以满足现代高速生产线的需求。而基于机器视觉的OCR（Optical Character Recognition，光学字符识别）技术凭借其自动化、高精度、高速度的特点，成为药品包装信息识别的理想解决方案。

HALCON作为一款功能强大的机器视觉软件库，提供了丰富的OCR相关算子，其中text_line_ocr算子能够高效地识别单行或多行文本，特别适用于药品包装上的生产日期、批次号等信息的识别。本文将深入探讨text_line_ocr算子的原理、应用场景，并结合实际案例详细介绍其在C#与HALCON集成开发中的具体实现方法，同时分享性能优化、异常处理和跨平台集成的相关经验。

二、OCR文字识别（text_line_ocr）算子原理

2.1 OCR技术基础

OCR技术是将图像中的文字转换为计算机可编辑的文本的过程，主要包括以下几个关键步骤：

1. 图像预处理：对输入图像进行灰度化、滤波、二值化等操作，增强文字与背景的对比度，消除噪声干扰。
2. 文本定位：在图像中定位和分割出包含文字的区域。
3. 字符分割：将文本区域分割成单个字符。
4. 特征提取：提取每个字符的特征，如笔画、轮廓等。
5. 分类识别：将提取的特征与预训练的字符模型进行比对，确定每个字符的类别。
6. 后处理：对识别结果进行校正和优化，提高识别准确率。

2.2 text_line_ocr算子详解

text_line_ocr是HALCON中用于单行或多行文本识别的核心算子，其语法格式如下：

text_line_ocr(Image : : OCRHandle, CharacterNames, MinConfidence : Class, Confidence, Row, Column, Angle, Score)

参数说明：

• Image：输入的待识别图像。
• OCRHandle：OCR分类器句柄，通过训练或加载预训练模型获得。
• CharacterNames：要识别的字符集，如数字、字母等。
• MinConfidence：最小置信度阈值，低于此值的识别结果将被过滤。
• Class：输出的识别结果，即识别出的字符或字符串。
• Confidence：输出的识别置信度，表示识别结果的可靠性。
• Row、Column：输出的文本区域中心点坐标。
• Angle：输出的文本倾斜角度。
• Score：输出的识别得分。

2.3 OCR模型训练

在使用text_line_ocr进行文本识别之前，需要先训练一个适合特定字体和应用场景的OCR模型。HALCON提供了create_ocr_class_mlp等算子用于创建和训练OCR分类器，训练过程主要包括以下步骤：

1. 收集样本：收集包含各种字符的样本图像。
2. 字符分割：将样本图像中的字符分割成单个字符图像。
3. 特征提取：提取每个字符图像的特征。
4. 标注字符：为每个字符图像标注正确的字符类别。
5. 训练模型：使用标注好的样本数据训练OCR分类器。
6. 评估和优化：评估模型的识别准确率，并根据需要进行优化。

三、应用场景：药品包装生产日期识别

3.1 药品包装识别需求分析

在药品生产线上，需要对药品包装上的生产日期、批次号等信息进行快速、准确的识别，以确保产品信息的正确性和可追溯性。具体需求包括：

• 高速识别：能够在高速流水线上实时识别药品包装上的文字信息。
• 高精度识别：识别准确率需达到99.5%以上，以避免漏检和误检。
• 抗干扰能力：能够应对药品包装表面的反光、污渍等干扰因素。
• 数据比对：将识别结果与数据库中的批次信息进行比对，确保信息一致。

3.2 药品包装OCR识别流程

基于text_line_ocr算子的药品包装生产日期识别流程主要包括以下步骤：

1. 图像采集：使用工业相机采集药品包装图像。
2. 图像预处理：对图像进行灰度化、滤波、二值化等处理，增强文字清晰度。
3. 文本定位：使用find_ncc_model等算子定位生产日期所在的文本区域。
4. 文本识别：使用text_line_ocr算子对定位到的文本区域进行识别。
5. 结果验证：将识别结果与数据库中的批次信息进行比对，验证识别结果的正确性。
6. 结果输出：将识别结果和验证结果输出到系统中，供后续处理使用。

四、案例：高速流水线上读取喷码信息

4.1 实操环境准备

• 硬件环境：工业相机（分辨率不低于1920×1080）、光源（多光谱光源，用于解决反光问题）、计算机（CPU: Intel Core i7及以上，内存16GB及以上）。
• 软件环境：HALCON 21.11及以上版本、Visual Studio 2022、SQL Server数据库。
• 创建C#控制台应用程序项目，并添加HALCON的引用：在项目中添加HalconDotNet.dll引用，确保能够调用HALCON的相关功能。

4.2 完整代码实现

using HalconDotNet;
using System;
using System.Data.SqlClient;
using System.Threading;

namespace DrugPackageOCR
{
   
    class Program
    {
   
        // 数据库连接字符串
        private static string connectionString = "Data Source=localhost;Initial Catalog=DrugProduction;Integrated Security=True";
        
        // OCR模型文件路径
        private static string ocrModelPath = "drug_ocr_model.omc";
        
        // 模板图像路径
        private static string templateImagePath = "date_template.jpg";
        
        // 多线程处理间隔（毫秒）
        private static int processingInterval = 200;

        static void Main(string[] args)
        {
   
            try
            {
   
                Console.WriteLine("药品包装OCR识别系统启动中...");
                
                // 初始化OCR模型
                HTuple ocrHandle;
                InitializeOCRModel(out ocrHandle);
                
                // 创建并训练模板
                HTuple modelID;
                CreateNCCModel(templateImagePath, out modelID);
                
                Console.WriteLine("系统初始化完成，开始监控生产线...");
                
                // 模拟高速生产线，使用多线程处理
                for (int i = 0; i < 100; i++) // 处理100个样本
                {
   
                    Thread thread = new Thread(() => ProcessPackage(ocrHandle, modelID));
                    thread.Start();
                    Thread.Sleep(processingInterval); // 控制处理速度
                }
                
                // 释放资源
                HOperatorSet.ClearOcrClass(ocrHandle);
                HOperatorSet.ClearNccModel(modelID);
                
                Console.WriteLine("按任意键退出...");
                Console.ReadKey();
            }
            catch (Exception ex)