使用百度飞桨开源模型建立的ocr文字识别,包含二维码识别/cv2清晰度筛选，使用海康威视工业相机sdk二次开发使用opcua连接
海康威视官方sdk文件，安装mvs后在位于安装目录
sys.path.append("C:\Program Files (x86)\MVS\Development\Samples\Python\MvImport")
下载地址 海康机器人官网
日志文件配置，使用国产三方库nb_log，个人觉得很强大(只要import nb_log，项目所有地方的print自动现型并在控制台可点击几精确跳转到print的地方)
#github地址
https://github.com/ydf0509/nb_log/
百度飞桨ocr识别模型，详情可前往百度飞浆查看 https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/models_list.md
pip install opcua
OPC UA 是什么 可参考 http://t.zoukankan.com/haozi0804-p-12751127.html
构建客户端连接opcua服务器
python调用海康威视工业相机SDK主动/回调取流实例，官方SDK文件在MvImport中（用C语言的动态链接库实现的python库）
使用opencv的Laplacian库进行清晰度识别 高斯模糊-去噪点Gausslur() 转换为灰度图像cvtColor() 拉普拉斯-二阶导数计算Laplancian() 取绝对值convertScaleAbs() 显示结果
将图片二值化处理，边缘检测等方式将标签区域裁剪下来，降低背景干扰 利用仿射变换/透视变换进行图片矫正，利用最大外切矩形面积判断 barcode_angle() 图片倾斜矫正，适合图片中轮廓清晰部分shape_correction()
测试如下： 00K42994168入库 裁剪标签： 图片数量 202张 图片平均用时 0.05219481132998325s 仿射变换矫正: 图片平均用时 0.051389318881648605s 原图识别: 图片ocr识别总消耗 324.86858773231506 平均消耗 1.6082603353084903 箱号识别率 100% 剪切后图片识别: 图片ocr识别总消耗 244.69198274612427s 平均消耗 1.2113464492382389s 箱号识别率 100% 仿射变换矫正后识别: 图片ocr识别总消耗 250.85809445381165 平均消耗 1.2418717547218399 箱号识别率 100%
00K42994157质检 裁剪标签： 图片数量 198张 图片平均用时 0.04188100376514473 仿射变换矫正: 图片平均用时 0.05561542872226599 原图识别: 图片ocr识别总消耗 219.8446228504181 平均消耗 1.1103263780324146 箱号识别率（198-7）/198 = 96.46% 矫正后识别: 图片ocr识别总消耗 197.75793051719666 平均消耗 0.9987774268545285 箱号识别率 （198-4）/198 = 97.98% 剪切后图片识别: 图片ocr识别总消耗 200.94711184501648 平均消耗 1.014884403257659 箱号识别率 197/198 = 99.49%