CN113065539A - 一种半导体设备数据采集仪器及其使用方法 - Google Patents
一种半导体设备数据采集仪器及其使用方法 Download PDFInfo
- Publication number
- CN113065539A CN113065539A CN202110334835.0A CN202110334835A CN113065539A CN 113065539 A CN113065539 A CN 113065539A CN 202110334835 A CN202110334835 A CN 202110334835A CN 113065539 A CN113065539 A CN 113065539A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- interface
- vga
- acquisition instrument
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000004065 semiconductor Substances 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000011068 loading method Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000012015 optical character recognition Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 10
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/765—Interface circuits between an apparatus for recording and another apparatus
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q1/00—Details of selecting apparatus or arrangements
- H04Q1/02—Constructional details
- H04Q1/028—Subscriber network interface devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供一种半导体设备数据采集仪器及其使用方法，包括壳体，所述壳体内设置有电路板，所述电路板上设置有若干接口，所述壳体上开设有与接口相适配的开口，电路板上设置有采样芯片，所述采集仪器VGA数据线连接电脑的VGA显示器，直接读取电脑中的数据，通过OCR识别单元数据流内容，所述采集仪器基于MQTT或SECS协议传输完成数据读取工作。本发明针对基于l i nux平台设计的产品，读取产品内数据，连接简单快捷，无须在客户设备安装任何软件，只需将仪器VGA端口与VGA显示器端口连接，高精度采样芯片能够准确读取数据，采用智能高效的识别算法精准读取数据。
Description
技术领域
本发明涉及计算机视觉技术领域，具体为一种半导体设备数据采集仪器及其使用方法。
背景技术
随着时代的发展，智慧化工厂概念的普及，数据采集广泛应用于生产制造，基于图像的文字识别得到了广泛应用。基于计算机视觉的OCR(Optical Character Recognition，光学字符识别)识别已经被广泛应用于商业领域，如常见的身份证、银行卡、驾驶证、名片、车牌识别等。它是利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成一种计算机能够接受、人又可以理解的格式。现有技术中OCR识别一般包括文字检测与文字识别两个步骤。文字检测主要通过深度学习或机器学习等方法，检测出图像中的文字区域，为后续的文字识别模块提供初始图像。文字识别则主要是对检测框中的文字进行识别处理。
目前技术问题：目前设备中各厂商为了保护自身的利益和使用权限，通常对外数采接口的协议都不是免费开放的，所以要想直接从常规的通讯口中读取数据是无法完成的，这是第一个问题点，第二点，即使付费解决通讯协议服务费的问题，那么也要求客户有二次开发接口的能力和物力，这样大大增加了客户的开发时间，同时也增加了开发成本；第三点，无论是客户自主开发出的协议接口程序或第三方数据采集程序在从电脑主机中读取数据时，有些电脑使用时间较长或者版本较为落后，在进行数据采集，需要在电脑中安装读取软件，但是读取软件经常会造成主机程序上损坏或者其他问题，影响其正常使用，工作量大，采集数据的效率也比较低。
发明内容
本发明目的在于提供一种半导体设备数据采集仪器及其使用方法，基于linux平台产品设计，通过VGA数据线连接电脑的VGA显示器，直接读取电脑中的数据，进而避免损坏电脑程序，同时提高数据采集的效率，具体为VGA数据流读取，OCR识别数据流内容。之后基于MQTT或SECS协议传输(对接MES系统等)完成数据读取工作。
为达成上述目的，本发明提出如下技术方案：一种半导体设备数据采集仪器，包括壳体，所述壳体内设置有电路板，所述电路板上设置有若干接口，所述接口包括VGA视频信号输入接口、百兆网口、千兆网口、电流开关接口、USB3.0接口、KVM远程控制接口和HDMI视频输出接口，所述壳体上开设有与接口相适配的开口，电路板上设置有采样芯片，所述采集仪器VGA数据线连接电脑的VGA显示器，直接读取电脑中的数据，通过OCR识别单元数据流内容，所述采集仪器基于MQTT或SECS协议传输完成数据读取工作。
进一步的，在本发明中，所述采样芯片采用TVP7002。
进一步的，在本发明中，所述OCR识别单元包括图像采集模块，获取实时图像信息，待进行OCR识别；
图像配置模块，配置页面信息，采集点信息；
采集判断模块，用于判断当前图像信息是否需要上报；
网络通信模块，提供网络通信服务，将识别数据输送给客户端；
图像处理模块，用于对图像信息进行处理，处理包括放大、缩小、裁剪和旋转；
过程控制模块，对界面进行一些基本操作，操作包括移动、单击、双击；
文字检测模块，对当前图像信息进行OCR检测，定位文本区域；
神经网络模块，crnn和lstm模型推理；
文字识别模块，对文档检测模块检测出的文本区域，使用神经网络模块进行图像识别。
一种半导体设备数据采集仪器的使用方法，包括如下步骤：
步骤S1，通过VGA数据线将目标设备图像数据传输到采集仪器内部；
步骤S2，启动网络服务，进行OCR识别并提供识别结果上报；
步骤S3，读取本地配置档，加载基础配置，所述基础配置包括读取点位、页面判断和颜色判断；
步骤S4，接收上层服务器发送的数据，分析数据，根据条件读取对应位置数据并回传给上层服务器。
进一步的，在本发明中，所述步骤S2中OCR识别过程如下：
A、预处理，预处理包括二值化处理、噪声去除和倾斜校正处理；
B、提供轻量的backone检测模型和行文方向分类网络；
C、任意方向文字检测，判断行文方向；
D、Crnn_lstm模型推理。
有益效果，本申请的技术方案具备如下技术效果：
1、本发明针对基于linux平台设计的产品，读取产品内数据，连接简单快捷，无须在客户设备安装任何软件，只需将仪器VGA端口与VGA显示器端口连接，高精度采样芯片能够准确读取数据，采用智能高效的识别算法精准读取数据。
2、本发明在进行检测过程中，使用外接视频流，避免了兼容性问题和耦合性问题，利用配置型文档实现过程逻辑判断和控制，对图像操作更精准，使用神经网络模块进行OCR识别，极大地提高了准确率。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1为本发明OCR识别方法的步骤示意图。
图2为本发明OCR识别方法的步骤示意图。
图3为本发明一个OCR识别的具体例子示意图。
图4为本发明一个OCR识别的具体例子示意图。
图5为本发明电路示意图。
图6为本发明电路示意图。
图7为本发明电路示意图。
图8为本发明电路示意图。
图9为本发明电路示意图。
图中：1、采集仪器；2、半导体设备；3、服务器；
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
一种半导体设备数据采集仪器，包括arm系统，还包括壳体，所述壳体内设置有电路板，所述电路板上设置有若干接口，所述接口包括VGA视频信号输入接口、百兆网口、千兆网口、电流开关接口、USB3.0接口、KVM远程控制接口和HDMI视频输出接口，所述壳体上开设有与接口相适配的开口，电路板上设置有采样芯片，本实施例优选的，所述采样芯片采用TVP7002，电路板的电路图参见图5-图9，所述采集仪器VGA数据线连接电脑的VGA显示器，直接读取电脑中的数据，通过OCR识别单元数据流内容，所述采集仪器基于MQTT或SECS协议传输完成数据读取工作。流程如下，采集仪器通电运行，arm系统开机自检，VGA视频驱动设备树加载，之后VGA视频读取，OCR算法运算得出运算结果并输出；具体流程或加载方法如下：1.创建configfs文件夹，如：mkdir/configfs；2.挂载文件夹：mount-t configfsconfigfs/configfs；3.创建full目录，根据实际情况修改：mkdir/configfs/device-tree/overlays/full；4.echo-n"tl5728-idk-vip-tvp7002-overlay.dtbo">/configfs/device-tree/overlay s/full/path；执行如下脚本设置输出分辨率：./tvp7002_1080p60.sh 3；以上就完成了设备的加载过程。现有的老旧设备无法上报数据，传统的OCR技术，耦合度高，兼容性差，识别准确率不高，因此如何进一步提高老旧设备数据采集效率以及准确率成为本领域技术人员亟待解决的技术问题。
本实施例中，所述OCR识别单元包括图像采集模块，获取实时图像信息，待进行OCR识别；
图像配置模块，配置页面信息，采集点信息；
采集判断模块，用于判断当前图像信息是否需要上报；
网络通信模块，提供网络通信服务，将识别数据输送给客户端；
图像处理模块，用于对图像信息进行处理，处理包括放大、缩小、裁剪和旋转；
过程控制模块，对界面进行一些基本操作，操作包括移动、单击、双击；
文字检测模块，对当前图像信息进行OCR检测，定位文本区域；
神经网络模块，crnn和lstm模型推理；
文字识别模块，对文档检测模块检测出的文本区域，使用神经网络模块进行图像识别。
一种半导体设备数据采集仪器的使用方法，包括如下步骤：
步骤S1，通过VGA数据线将目标设备图像数据传输到采集仪器内部；
步骤S2，启动网络服务，进行OCR识别并提供识别结果上报；
步骤S3，读取本地配置档，加载基础配置，所述基础配置包括读取点位、页面判断和颜色判断；
步骤S4，接收上层服务器发送的数据，分析数据，根据条件读取对应位置数据并回传给上层服务器。
所述步骤S2中OCR识别过程如下：
A、预处理，预处理包括二值化处理、噪声去除和倾斜校正处理；
B、提供轻量的backone检测模型和行文方向分类网络；
C、任意方向文字检测，判断行文方向；
D、Crnn_lstm模型推理。
本发明针对基于linux平台设计的产品，读取产品内数据，连接简单快捷，无须在客户设备安装任何软件，只需将仪器VGA端口与VGA显示器端口连接，高精度采样芯片能够准确读取数据，采用智能高效的识别算法精准读取数据。
本发明在进行检测过程中，使用外接视频流，避免了兼容性问题和耦合性问题，利用配置型文档实现过程逻辑判断和控制，对图像操作更精准，使用神经网络模块进行OCR识别，极大地提高了准确率。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (5)
1.一种半导体设备数据采集仪器，包括壳体，所述壳体内设置有电路板，其特征在于：所述电路板上设置有若干接口，所述接口包括VGA视频信号输入接口、百兆网口、千兆网口、电流开关接口、USB3.0接口、KVM远程控制接口和HDMI视频输出接口，所述壳体上开设有与接口相适配的开口，电路板上设置有采样芯片，所述采集仪器VGA数据线连接电脑的VGA显示器，直接读取电脑中的数据，通过OCR识别单元数据流内容，所述采集仪器基于MQTT或SECS协议传输完成数据读取工作。
2.根据权利要求1所述的一种半导体设备数据采集仪器，其特征在于：所述采样芯片采用TVP7002。
3.根据权利要求1所述的一种半导体设备数据采集仪器，其特征在于：所述OCR识别单元包括图像采集模块，获取实时图像信息，待进行OCR识别；
图像配置模块，配置页面信息，采集点信息；
采集判断模块，用于判断当前图像信息是否需要上报；
网络通信模块，提供网络通信服务，将识别数据输送给客户端；
图像处理模块，用于对图像信息进行处理，处理包括放大、缩小、裁剪和旋转；
过程控制模块，对界面进行一些基本操作，操作包括移动、单击、双击；
文字检测模块，对当前图像信息进行OCR检测，定位文本区域；
神经网络模块，crnn和lstm模型推理；
文字识别模块，对文档检测模块检测出的文本区域，使用神经网络模块进行图像识别。
4.一种半导体设备数据采集仪器的使用方法，所述采集仪器为权利要求3所述的一种半导体设备数据采集仪器，其特征在于：包括如下步骤：
步骤S1，通过VGA数据线将目标设备图像数据传输到采集仪器内部；
步骤S2，启动网络服务，进行OCR识别并提供识别结果上报；
步骤S3，读取本地配置档，加载基础配置，所述基础配置包括读取点位、页面判断和颜色判断；
步骤S4，接收上层服务器发送的数据，分析数据，根据条件读取对应位置数据并回传给上层服务器。
5.根据权利要求4所述的一种半导体设备数据采集仪器，其特征在于：所述步骤S2中OCR识别过程如下：
A、预处理，预处理包括二值化处理、噪声去除和倾斜校正处理；
B、提供轻量的backone检测模型和行文方向分类网络；
C、任意方向文字检测，判断行文方向；
D、Crnn_lstm模型推理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110334835.0A CN113065539A (zh) | 2021-03-29 | 2021-03-29 | 一种半导体设备数据采集仪器及其使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110334835.0A CN113065539A (zh) | 2021-03-29 | 2021-03-29 | 一种半导体设备数据采集仪器及其使用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113065539A true CN113065539A (zh) | 2021-07-02 |
Family
ID=76564273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110334835.0A Pending CN113065539A (zh) | 2021-03-29 | 2021-03-29 | 一种半导体设备数据采集仪器及其使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113065539A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118444637A (zh) * | 2024-04-26 | 2024-08-06 | 北京珂阳科技有限公司 | 支持标准化通信改造的半导体设备数据采集方法以及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678916A (zh) * | 2013-12-12 | 2014-03-26 | 电子科技大学 | 一种自动采集监护仪的监护数据的通用方法及装置 |
| CN106101119A (zh) * | 2016-06-29 | 2016-11-09 | 上海吉功信息技术有限公司 | 基于医疗系统数据共享系统的急诊预检分级系统 |
| CN106162373A (zh) * | 2016-06-29 | 2016-11-23 | 上海信麟信息技术有限公司 | 医疗系统数据共享系统及方法 |
| CN107094244A (zh) * | 2017-05-27 | 2017-08-25 | 北方工业大学 | 可集中管控的智能客流监测装置与方法 |
-
2021
- 2021-03-29 CN CN202110334835.0A patent/CN113065539A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678916A (zh) * | 2013-12-12 | 2014-03-26 | 电子科技大学 | 一种自动采集监护仪的监护数据的通用方法及装置 |
| CN106101119A (zh) * | 2016-06-29 | 2016-11-09 | 上海吉功信息技术有限公司 | 基于医疗系统数据共享系统的急诊预检分级系统 |
| CN106162373A (zh) * | 2016-06-29 | 2016-11-23 | 上海信麟信息技术有限公司 | 医疗系统数据共享系统及方法 |
| CN107094244A (zh) * | 2017-05-27 | 2017-08-25 | 北方工业大学 | 可集中管控的智能客流监测装置与方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘忠雨: "深入浅出图神经网络 GNN原理解析", vol. 1, 31 January 2020, 机械工业出版社, pages: 49 * |
| 周苏: "人工智能导论", vol. 1, 机械工业出版社, pages: 184 * |
| 郑小发: "人工智能背景下社会网络治理建设与实践探索", vol. 1, 31 December 2020, 延边大学出版社, pages: 243 - 244 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118444637A (zh) * | 2024-04-26 | 2024-08-06 | 北京珂阳科技有限公司 | 支持标准化通信改造的半导体设备数据采集方法以及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA3034730C (en) | Dual stage neural network pipeline systems and methods | |
| US10013643B2 (en) | Performing optical character recognition using spatial information of regions within a structured document | |
| US9081412B2 (en) | System and method for using paper as an interface to computer applications | |
| WO2018112930A1 (zh) | 一种商品识别方法和装置 | |
| CN104881238A (zh) | 一种触控显示装置及其触控方法 | |
| CN111191582A (zh) | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 | |
| CN110991446B (zh) | 标签识别方法、装置、设备及计算机可读存储介质 | |
| CN110796210A (zh) | 一种标签信息的识别方法及装置 | |
| JP2022536320A (ja) | オブジェクト識別方法と装置、電子機器及び記憶媒体 | |
| CN110781856A (zh) | 异质人脸识别模型训练方法、人脸识别方法及相关装置 | |
| CN113065539A (zh) | 一种半导体设备数据采集仪器及其使用方法 | |
| CN101561876A (zh) | 一种身份证信息采集与识别方法及系统 | |
| CA3035387C (en) | Digitization of industrial inspection sheets by inferring visual relations | |
| CN114495146A (zh) | 图像文本检测方法、装置、计算机设备及存储介质 | |
| CN111401981B (zh) | 竞价云主机的竞价方法、装置及存储介质 | |
| CN115797945A (zh) | 一种文本识别对比与图像对比相结合的标签检测方法 | |
| Shi et al. | An invoice recognition system using deep learning | |
| CN112686129B (zh) | 一种人脸识别系统及方法 | |
| CN112784737B (zh) | 结合像素分割和线段锚的文本检测方法、系统及装置 | |
| CN204719733U (zh) | 一种触控显示装置 | |
| Lokkondra et al. | ETDR: An Exploratory View of Text Detection and Recognition in Images and Videos. | |
| CN111046864A (zh) | 一种合同扫描件五要素自动提取方法及系统 | |
| CN113474786A (zh) | 电子签购单识别方法、装置及终端设备 | |
| CN104010111A (zh) | 一种影像处理方法及装置 | |
| CN113033832B (zh) | 一种汽修数据录入方法、装置、终端设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |