汽车零件分装报警系统（2）

接上文，

ocr = PaddleOCR(use_angle_cls=True,use_gpu=True, lang='en') ocr2 = PaddleOCR(use_angle_cls=False, use_gpu=True, lang='en')

初始化两个PaddleOCR识别器对象，用于文字识别。

第一个识别器是启用文字方向分类器（其实就是自动检测并纠正一些倾斜旋转的文字，适合识别角度不确定的图片，但是识别速度就会下降），并且使用GPU加速，识别的是英文

第二个没有启用方向分类器进行识别。

首次识别进行角度矫正，所以第二次识别的时候图片角度已经正确。双重识别结果更可靠。

接下来介绍的函数都是定义在类class PyQtMainEntry(QMainWindow, Ui_MainWindow)中的

一、初始化

这个初始化方法设置了3个摄像头的识别系统，对应到之前提到的3组OCR识别函数

def __init__(self): super().__init__() self.setupUi(self)

继承父类初始化，然后加载UI界面（这里使用的是pyqt中designer生成的界面）

self.ser1 = serial.Serial(opt.SERIAL_PORT1, 9600, timeout=2.5) self.ser2 = serial.Serial(opt.SERIAL_PORT2, 9600, timeout=2.5) # self.ser3 = serial.Serial(opt.SERIAL_PORT3, 9600, timeout=2.5)

串口连接，其实就是报警器控制。连接了两个报警器

self.label_4.setVisible(False) self.label_5.setVisible(False) self.label_6.setVisible(False)

UI标签初始化，隐藏了3个警告标签，对应了3个摄像头，识别到违规零件才显示。

self.list_zong1 = []# 存储OCR识别结果列表 self.list_zong2 = [] self.list_zong3 = [] self.set_zong1 = set()# 存储标准化后的结果集合 self.set_zong2 = set() self.set_zong3 = set() self.set_12hun = set()# 可能是存储合格/白名单 self.guo = []# 存储过程/中间结果 self.list1 = []# 临时列表1 self.list2 = [] self.list3 = [] self.daan1 = ''# 答案/结果1 self.daan2 = '' # self.showMaximized()

数据存储结构，有三组，每组都有独立的存储空间，对应三个摄像头。list_zong是原始识别结果。set-zong是标准化后的结果。

# 第一个摄像头 self.camera1 = HKCamera(CameraIp='192.168.20.30') self.camera1.set_Value(param_type="enum_value", node_name="PixelFormat", node_value='BayerGB8') self.camera1.set_Value(param_type="enum_value", node_name="GainAuto", node_value='Continuous') self.camera1.set_Value(param_type="float_value", node_name="AcquisitionFrameRate", node_value='15.0000') # self.camera1.set_Value(param_type="enum_value", node_name="ExposureAuto", # node_value='Continuous') # 自动曝光 self.camera1.start_camera() # 第二个摄像头 self.camera2 = HKCamera(CameraIp='192.168.20.20') self.camera2.set_Value(param_type="enum_value", node_name="PixelFormat", node_value='BayerGB8') self.camera2.set_Value(param_type="enum_value", node_name="GainAuto", node_value='Continuous') self.camera2.set_Value(param_type="float_value", node_name="AcquisitionFrameRate", node_value='15.0000') # self.camera2.set_Value(param_type="enum_value", node_name="ExposureAuto", # node_value='Continuous') #自动曝光 # self.camera2.set_Value(param_type="enum_value", node_name="DecimationHorizontal", # node_value='2') # self.camera2.set_Value(param_type="enum_value", node_name="DecimationVertical", # node_value='2') self.camera2.start_camera()

摄像头初始化，这里是两个海康工业相机，这两个配置几乎是一样的。ip地址在同一网段下，像素格式（BayerGB8），增益（自动连续），帧率（15帧每秒）都是一样的，

#第三个摄像头 self.camera3 = cv2.VideoCapture(opt.cap_numb3) # 启动后台线程来定期释放第三个摄像头的资源 release_thread2 = threading.Thread(target=release_capture3, args=(self.camera3,)) release_thread2.daemon = True # 设置为守护线程，随主线程结束而结束 release_thread2.start() #定时器设置 self.is_camera_opened = False self._timer = QtCore.QTimer(self) self._timer.timeout.connect(self._queryFrame) self._timer.setInterval(opt.frame_delay) self.frame_counter = 0 # 统计画面的帧数

摄像头三就是普通的USB摄像头，使用opencv的videoCapture。

然后就是摄像头3的资源维护线程。启动守护线程，每三十分钟重启一次USB摄像头。

定时器设置，Qt定时器，定时获取摄像头画面，67ms间隔，相当于15帧/秒。预工业相机的帧率匹配。

这是一个三路并行识别系统，每个摄像头独立识别零件编码，发现违规时通过串口控制报警器报警。

二、控制视频识别开关的按钮回调

正割函数控制整个识别系统的启动和停止，类似于开始监控/停止监控按钮。

def openvideo(self): # 1. 切换摄像头状态（开/关） self.is_camera_opened = not self.is_camera_opened if self.is_camera_opened: # 2. 开启识别模式 self.pushButton_4.setText("关闭")# 按钮文字改为"关闭" self._timer.start()# 启动定时器，开始识别 else: # 3. 关闭识别模式 self.pushButton_4.setText("打开")# 按钮文字改为"打开" self._timer.stop()# 停止定时器 # 4. 关闭所有报警器 sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser1)# 关闭报警器1 sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser2)# 关闭报警器2 # sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser3) # 5. 隐藏所有警告标签 self.label_4.setVisible(False)# 隐藏摄像头1的警告 self.label_5.setVisible(False) self.label_6.setVisible(False)

开始识别时，状态切换为True，按钮文字变为关闭，启动定时器开始不断调用_queryFrame获取图像并识别。

关闭识别时，状态切换为False，按钮文字变为打开，停止定时器就停止了识别，发送关闭命令，停止所有将抱起的声音和闪光，隐藏所有警告标签，中指界面状态。

这个函数和介绍类之前的函数的关联，_timer定时器控制识别频率，sendCmdToDevice函数控制报警器，label_4/5/6用来显示3个摄像头的警告，self.is_camera_opened全局状态标志。

其实这个函数就是界面设计的函数对吧，里面用到的函数就是我们对按钮自定义的函数。

三、打开文件夹-复位按钮一-复位按钮二-装饰器

def open_folder(self): folder_path = r'D:\MVS\MVS\Development\Samples\Python\shiyan\baojing' QDesktopServices.openUrl(QUrl.fromLocalFile(folder_path)) def clearSet1(self): # 复位按钮一 self.set_zong1.clear() # self.list_zong1.clear() self.list1.clear() sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser1) self.label_4.setVisible(False) def clearSet2(self): # 复位按钮二 self.set_zong2.clear() # self.list_zong2.clear() self.list2.clear() sendCmdToDevice(BUZZ_CMD_CLOSE, self.ser2) self.label_5.setVisible(False) def execute_after_n_calls(n, w2set): def decorator(func): def wrapper(self, *args, **kwargs): wrapper.count += 1 result = func(self, *args, **kwargs) if wrapper.count % n == 0: w2set(self) return result wrapper.count = 0 return wrapper return decorator

函数一：在文件管理器中打开指定的文件夹

函数二：重置摄像头1的识别状态，清除已识别的数据，并停止报警，隐藏警告图标。

函数三：和函数二一样只不过这里对应的是摄像头2

函数四：装饰器工厂，用于限制函数执行频率，两个参数，n是调用多少次后才触发，w2set是达到次数后执行的回调函数，每调用一次被装饰的函数，计数器就会+1，当计数是n的倍数时，执行w2set。这个装饰器的目的是，提高准确率（累计多次识别结果，取众数后再显示）、减少界面刷新（不是每次识别都更新，降低CPU/GPU负载）、平滑显示（避免识别结果频繁闪烁变化）、投票机制（就像之前讲一个零件识别多次，取可靠的）。

这是一个稳定的工业识别系统的设计模式，兼顾实时性和准确性。