FYP - 毕业设计 - 演示 文字稿
part1簡介: 今天帶來的是一款食物過敏原添加劑查詢軟件。
/我會帶一些不同顏色對比度的食物包裝/
可以從這些食品包裝看出來，字體很小且難以辨識，添加劑和過敏原標註的不是很詳細。因此我們製作了一款手機軟件，通過掃描條形碼和食物標籤來分析食物成份，給用戶健康建議。下面是我們的在惠康拍的一段演示視頻。
Part2演示：
首先展示的是條形碼掃描，我們用到了open food fact的數據庫，包括來自134個國家，超過50,000 種包裝食品。用戶可以在此瀏覽食品的詳細資料，還有營養成份條形圖。
假設這個食品不在我們條形碼數據庫裡，我們提供一種光學文字辨識的方法，用戶可以直接掃描文字，我們會通過掃描結果給出健康意見。如果用戶發現有遺漏的地方可以通過手動輸入添加完整。
Part3我們用到的技術：
市面上條形碼掃描器總共有兩種，ZXing和ZBar，如果使用ZXing那麼用戶需要多下載一個軟件。為了整合條形碼掃描器在我們的軟件裡，我們採取了比較舊在2009年10月27日推出的ZBar。
剛才視頻裡提到過的光學文字辨識，廣泛應用於紙質數據錄入，在銀行，海關等等都有廣泛的應用。與傳統的OCR相比，我們面臨的難題在於：第一，食品包裝的顏色非常多樣；第二，食品包裝除了紙質還有塑料及各種。
現有的OCR並不能滿足這些需求，因此我們需要通過新的圖像處理技術來提高準確度。我們採取了TesseractOCR engines。這個圖形識別引擎，在支援線下掃描的同時，支援OpenCV圖形處理公式。
我們在進行OCR掃描的時，你可以看到一些紅色方框框住文字，這是借MSER技術，模糊非文字的圖片信息提升掃描速度。
通過更好圖形處理算法，再加上文字拆散重構，與過敏原相似度比較的方法，目前能夠達到準確度在80％左右。
下面我說一下我們是如何提升準確度的。
首先是圖片處理，在比較和研究之後，我們發現，顏色和對比度對掃描結果影響最大。黑白會比彩色結果更佳，中等對比度比高對比度結果更佳。因此我們採取了圖片灰階化和降低對比度的方法。
其次就是文字的拆散和重構，
whitelist：？
wordlist：我們自己寫了文字近似比較的算法。可以參照右圖這裡例子，假設讀取到的詞語字母顛倒，或者只讀到了前面一部分。我們會match到近似的食物詞組。為保證OCR錄入的結果是食物成份，我們會將每一個詞語都會和我們的食物詞與字典做近似比較。
training：安裝更多的字體，使OCR可以認更多的包裝；（格式／材質可以訓練嗎？？）
thresholding：？？
Part4改進:
- 把OCR進程搬到服務器上，提升OCR速度
- 假若經條形碼掃描，該產品不在我們的數據庫，自動錄入產品信息。
This is the end.
