---
title: inchwork-digitnet-v2-display-band-onnx
canonical_url: "https://www.modelscope.cn/models/nano0412/inchwork-digitnet-v2-display-band-onnx"
md_url: "https://www.modelscope.cn/models/nano0412/inchwork-digitnet-v2-display-band-onnx.md"
repository: nano0412/inchwork-digitnet-v2-display-band-onnx
chinese_name: "寸作七段显示带 DigitNet v2 ONNX 试用版"
last_updated: 2026-11-20
license: mit
pipeline_tag: ocr-recognition
tasks:
  - ocr-recognition
library_name:
  - onnx
frameworks:
  - ONNX
downloads: 13
stars: 0
tags:
  - seven-segment
  - onnx
  - offline
---

# inchwork-digitnet-v2-display-band-onnx

> inchwork-digitnet-v2-display-band-onnx - nano0412 在 ModelScope 开源的模型。Offline seven-segment digit recognition and abstention fallback from user-provided display boxes. BP Log ONNX port.

nano0412/inchwork-digitnet-v2-display-band-onnx 是 ModelScope 魔搭社区上的ocr-recognition模型，采用 mit 许可。

- **Repository**: nano0412/inchwork-digitnet-v2-display-band-onnx
- **License**: mit
- **Tasks**: ocr-recognition
- **Tags**: seven-segment, onnx, offline
- **Downloads**: 13
- **Stars**: 0
- **Last updated**: 2026-11-20

Source: https://www.modelscope.cn/models/nano0412/inchwork-digitnet-v2-display-band-onnx

---

# DigitNet v2 七段显示带读数 · CPU 试用版

简体中文 · [English](./README.en.md)

给定一张本地 JPEG 或 PNG 和每个数字的位置，本工具在 CPU 上读取七段液晶屏。可以读取全部框，也可以只补读现有识别器拒绝的框。每个框返回一个数字或空值，并标明结果来源。版本为 **v0.1.0**。

## 运行示例

下载包含模型、照片入口和合成示例的 ZIP，使用 Python 3.12。首次准备依赖后，照片处理和推理都可以断网运行。

```sh
curl -fL 'https://modelscope.cn/models/nano0412/inchwork-digitnet-v2-display-band-onnx/resolve/v0.1.0/digitnet-display-band-cpu-v0.1.0.zip' -o digitnet.zip
python3.12 -m zipfile -e digitnet.zip .
cd E-009-P-digitnet-cpu
python3.12 -m venv .venv
.venv/bin/python -m pip install -r requirements.txt
.venv/bin/python digitnet_pilot.py examples/display.png examples/boxes.json
```

示例依次返回已给的主读数 `7`、模型补读的 `2` 和 `8`，最后一框返回 `null`。换用自己的照片时，为同一显示带提供全部数字框。JSON 数组中，每项的 `id` 唯一，`xywh` 使用 EXIF 转正后的原图像素坐标（左、上、宽、高）。可选的 `primary` 填已有主数字 0–9，模型将原值返回；省略或填 `null` 才触发推理。调框预览、格式示例和错误信息见包内中文说明。

## 模型和来源

BP Log 作者 **Chakib Belgaid** 提供了 MIT 许可的 DigitNet v2 权重及原始预处理。上游以 15 万个合成单字训练，真实开发集用于调整生成器及选版。寸作实验室沿用固定权重，移植为 ONNX，加入整块显示带的背景估计、调用方主读数保留及照片入口，并进行了离线复测。开发者可以单独下载模型文件用于自己的推理程序。[上游固定版本](https://github.com/chakib-belgaid/bp-tracker/tree/ba4701e3e72767d096b48fb1b3277664a58b0138) · [原版预处理](https://github.com/chakib-belgaid/bp-tracker/blob/ba4701e3e72767d096b48fb1b3277664a58b0138/ocr.js) · [ONNX 文件](./digitnet-v2.onnx)

| 项目 | v0.1.0 |
| --- | --- |
| 网络 | 10,123 个参数，42,410 字节 ONNX |
| 张量输入 | `uint8 [N,1,32,24]`，0 为背景、255 为最深笔画 |
| 输出与门限 | `[N,11]` 概率，类别依次为 0–9 和非数字。最高类别为数字且概率 ≥0.60 才给数 |
| ONNX SHA-256 | `1d6e6872adc2082ecb737df9c367587ca8ff99c3102d2cf9f2b0af713aa32eb5` |
| ZIP SHA-256 | `66ea90519fddc19b7a73de7d648dac3d6cda35f8031213eb0755b82f7f4cc23f` |

## 已验证的范围

YUVA EB v1 的作者数字框覆盖 168 张电表照片。排除预检使用的 12 张照片后，在余下 156 张的 904 个数字框上回放。下表为默认 B 几何，各框四周按原尺寸各加 15%。主读数对照来自 Suikyoo 的固定 ESP 单帧分类器和 0.80 门限；包内只含 DigitNet。使用其他主识别器时，需要在自己的照片上重新评估组合结果。[YUVA EB v1](https://data.mendeley.com/datasets/fnn44p4mj8/1) · [ESP 参考固件](https://github.com/Suikyoo/meter-ocr/blob/6cb400dfea6c544d531d84931b2f7e58632d8d5e/firmware/main/reader.cc)

| 904 框上的路径 | 正确 | 错读 | 拒判 |
| --- | ---: | ---: | ---: |
| 包内 DigitNet 单用 | 737 | 1 | 166 |
| 参考 ESP 单用 | 707 | 7 | 190 |
| 保留参考 ESP 的已接受读数，仅补读拒判框 | 790 | 7 | 107 |

默认 B 是比较三种取景后选定的低错候选。预先登记的主口径 C 使用同图中位格宽下限，组合结果为 791 对、15 错、98 拒。B 在主组补对 83 框，此组新增错写为零；在单列的 12 张预检照片上，B 补对 7 框并新增 1 个错写。已有主读数中的错误也会原样保留。照片中的物理设备数及 ESP 分类权重训练成员未知。固定版 BP Log 的另一台设备上，187 个已提取墨迹单字经 ONNX 门控得到 186 对、1 拒。[原生单字测试集](https://huggingface.co/datasets/chakibmed/bp-monitor-seven-segment/blob/c7ff0c48ca664eef2c5a8161b56a7be8fb7b8e59/README.md)

本版使用已给定的数字位置。保留整条显示带有助于估计背景，只给紧裁的单字可能丢失笔画。定位、跨帧投票、目标硬件速度和现场整表正确率仍待验证。欢迎在模型讨论区留下运行环境、B/C 取景和正确／错读／拒判计数。可用裁切脱敏的单字或合成复现，照片可以留在本机。[反馈入口](https://modelscope.cn/models/nano0412/inchwork-digitnet-v2-display-band-onnx/feedback)
