方案：
1、python+opencv+tesseract实现OCR，如果开源模型识别率不可接受，则需要训练识别模型
2、通过http将识别结果发送到web
需求：
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%以上结构设计： 由于字号有大有小，对于字号很小的需要用长焦镜头微距拍摄，对于字号很大的，则需要远距离拍摄，因此摄像头在竖直方向需要变化。为了适应不同大小的电路板和不同位置的丝印码，摄像头也应该在水平方向上可以移动。
尝试了一下默认训练模型，识别率不高，可能是因为应用场景中pcb印刷没有统一标准，每种电路板上的丝印字体字号都不同导致的。解决办法只能是训练一个适用于这个应用场景的模型。
2020.6.15.更新
对输入图片进行预处理（高斯模糊->灰度->二值化），在英文和数字上识别效果非常好，但是数码管字体（我给起的名字）完全无法识别
思路：
1、针对数码管字体进行训练，然后将两个训练模型叠加使用(-l eng+dit)
2、尝试一下卷积神经网络的训练
2020.6.16. 基本功能实现，还有很大优化空间
2020.6.29. http提交功能实现，并搭建运行环境（nginx+php）模拟生产环境进行集成测试。
2020.7.5. 完成
2020.11.10. 版本更新
用PyQt5完成界面和人机交互
