机器视觉系统搭载深度学习OCR算法，可以快速轻松地阅读文本。即使在处理困难的情况下，它也能够提供高精度的开箱即用，。用户不需要具备机器视觉专业知识，只需几个简单的步骤就可以创建高效的OCR应用程序。

主要性能指标：

1）算法功能搭载在Zebra 固定式扫码器FS智能相机VS及GTX上。

2）DL-OCR附带了一个即用型神经网络，该网络使用数千个不同的图像样本进行预训练。

主要优势：

易于设置，部署并运行

经过验证的先进技术

可升级性 ——通过软件许可证添加功能

应用领域：

制造业及仓库管理中的条码验证、质量检查与追溯。

物流和履单-打印和贴标环节：过程控制指标、标签贴标确认

制造-汽车视觉应用：零件装配验证

-食品和饮料制造：包装环节如装瓶、闪光或注塑吹模，消费性包装品中的一般条码读取

-消费品制造：标签质量检验

应用案例：

1）在电子厂流水线，用于物品外包装的标签字符读取，并将字符数据发送给MES系统。

项目特点：使用传统OCR识别方式，有很多模板需要接受训练。深度学习OCR使用已经提前预设好的模板。OCR检测使用软件内部已经定义好的字符模型或者模板，与实际拍摄的图片匹配，可以大大提升工作效率。

2）在汽车行业，最终末端零部件生产环节，对零部件上的镭雕或钢印字符进行读取。

项目特点：钢印和镭雕的字符质量相对较差，传统OCR识别方式很难达到字符的识别稳定性。深度学习OCR操作简便，并且能够实现更高的稳定性。