项目要求：批次不同LOGO图案及文本信息不同，需要在规定的时间内进行LOGO匹配和文本识别，目前版本数有8种。
一、技术栈和项目流程：
1.取图，对图片进行分析总结。每张图片分为两个区域（文本区和LOGO区），并对LOGO进行取图保存；
2.用labelImg对图片标注为2类，用yolo模型进行分类定位（文本区：1类、LOGO区：2类）；
3.对分类结果分别处理：
1).LOGO区用knnFlann算法进行模版匹配；
2).文本区用paddleocr进行文本识别。
4.由于现场硬件限制，使用 openvino对模型进行加速；
5.基于VS使用C++对算法进行编译，生成 DLL文件，供现场调用。
二、openvino的具体操作：
1.cmake、cuda、cudnn等 环境配置和安装；
2.安装openvino，配置环境变量；
3.在tools/export_onnx.py 将权重文件转成 onnx格式，然后再转成xml格式，供VS调用；
4.vs编译，生成dll文件，供客户端使用
三、项目的难点及解决方案：
1.logo匹配：由于现场相机打光不是很好，导致原图叫暗，不能准确匹配。解决方法：在图像处理中使用增加对比度（cv2.convertScaleAbs），将图片变亮；
2.文本识别中，错误率较高，如字母C识别成0，S识别成3/9等。通过数据增强、调整learning_rate、max_text_length、和适量增加样本集进行调整训练，准确率有所上升；
3.对模糊图片进行预处理，也可以提高准确率。