解決方案：
1. Python + opencv + tesseract 以實作 OCR。如果開源模型的識別率無法接受，則需要訓練該識別模型
2. 透過 HTTP 將識別結果傳送到網路
要求：
1、识别pcb板上特定的丝印代码 2、丝印代码位置不确定，字体字号均不统一，可确定的是只有大写英文字母和数字 3、pcb板尺寸不超过300mm*300mm 4、通过定义url接口写数据库 5、识别正确率90%以上結構設計：由於字體大小各異，非常小的字體需要長焦巨集拍攝，而大字體則需遠距離拍攝，因此相機必須垂直調整。 為了容納不同位置不同尺寸的電路板和絲網印刷程式碼，攝影機也應該能水平移動。
原型機
我嘗試了預設的訓練模型，但辨識率很低。這可能是因為在應用場景中，PCB 印刷沒有統一標準，且每種電路板的絲印字型和字體大小都不同。 唯一的解決方案是訓練一個適合此應用情境的模型。
更新於2020年6月15日
預處理輸入影像（高斯模糊>灰階>二元化）在英文和數字辨識上表現非常好，但數位字型（我給它取的名字）完全無法辨認
方法：
1. 先在數位管狀字型上訓練，然後用 （-l eng+dit） 疊加兩個訓練模型
2. 嘗試訓練一個卷積神經網路
2020.6.16. 基本功能已實作，但仍有大量優化空間
2020.6.29。HTTP提交函式實作，並建立執行環境（nginx + php）以模擬生產環境以進行整合測試。
於2020年7月5日完工
2020.11.10。版本更新：PyQt5 介面與人機互動已完成
