用周围纸面做比较
电脑端使用不同尺度的局部亮度估计，观察某处是否比邻近纸面更暗。大范围光照变化和狭窄笔迹的形态不同，但不能仅凭这一条证据下结论。
THE TECHNOLOGY BEHIND PAPERLOOP从一张纸开始，
从一张纸开始，
看见每一步。
从拍下纸面，到辨认使用痕迹，再到决定纸张的去向。循纸将视觉、模型与机械控制连接起来，让每一次判断都能被理解。
拆解一次扫描 ↓ENGINEERING NOTES / PROTOTYPE为纸张的下一次使用，认真看一眼 ↓
01 / FOLLOW THE SIGNAL一次扫描的完整路径
一张纸的旅程，
分成六步。
选择任意一步，看看图像、判断与动作是如何衔接的。这里以连接电脑的原型流程为例。
01 / INPUTFLOW / PAPERLOOP
A STILL MOMENT
先让纸张停下来。
将纸张放在摄像头观察区域，保持平整。按下主板上的 S2，启动一次检测；取图期间保持纸张不动，让结果对应当前这一张。
这一步的意义把一次判断对应到一张纸
演示为流程说明，不读取摄像头、不连接设备；实际速度、纸路与结果受当前原型配置及纸张状态影响。
02 / SEEING THE PAPER纸面里有哪些线索
识别的第一步，
不是急着读字。
纸面有阴影、折痕、边缘和笔迹，它们都可能变暗。系统需要同时看局部变化、线条形状和模型找到的区域，才能更有依据地判断。
THE QUESTION
这片暗色，
是纸上的内容，
还是光线留下的痕迹？
对照观察看一看，
看一看，
暗色来自哪里。
切换示例并调整阴影深浅，观察两种线索在画面中的不同表现。
示意图仅解释思路，不执行真实识别。极浅笔迹、强阴影和折痕仍可能混淆。
PAPER SURFACE / ILLUSTRATION局部对比 · 连贯性 · 纸面区域
重点观察
光照通常变化得更缓。
宽阴影会让一大片纸面一起变暗。程序会比较局部与周围亮度，并检查贯穿画面的暗线是否更像纸边或阴影。
关注线索范围 · 方向 · 两侧亮度
看线条是否连贯
程序统计较小暗色区域的大小、连接情况和形状。对可能由纸边、折痕或贯穿画面的阴影形成的暗线，另作特征分析。
让不同证据互相核对
纸面网络提供分类分数和文字区域，图像规则补充局部痕迹。结果与可识读文字共同参与判断；空白并不等于“没有读出字”。
03 / TWO COMPLEMENTARY TASKS寻找痕迹，与读懂文字
一个系统，
两种观察方式。
纸上有没有内容，与纸上具体写了什么，是两个不同问题。电脑模式把它们分开处理，再汇总证据。
01 / PAGE MODEL纸面定位与分类
先找“哪里有内容”
纸面网络把输入图像变成不同层次的特征：浅层更关注边缘与细节，深层结合更大范围的版面信息。解码路径再融合这些信息，生成文字区域与区域内部核心；另有页面分类和方向判断分支。
提供的线索区域位置 / 页面类别 / 方向
02 / TEXT RECOGNITION指定文字初筛
再看“候选文字是什么”
对于合适的文字区域，识字网络先用卷积提取图像特征，再用双向 GRU 结合文字序列的前后信息，最后通过 CTC 解码输出文字候选。指定字样命中时，可提示人工复核。
当前演示关键词身份证 / 学生证 / 合同等
为什么分成两条路径？
普通纸张即使没有被逐字读懂，连贯笔迹或文字区域也可能说明它已使用过。关键词初筛只是附加提示，无法保证发现全部敏感内容。
04 / FROM DECISION TO MOTION识别之后，纸张如何走
判断完成，
再让纸张前进。
机械动作与识别过程分开。原型默认用于识别演示；显式启用电机分流后，才会按确认结果驱动机构。
ORDER MATTERS先选路，
再送纸。
再送纸。
◎
结果确认
电脑把本次类别发回主板，并检查设备确认是否对应当前扫描；异常时本次不送纸。
↶
挡板选位
小舵机带动分类挡板，选择预设路径，再等待约 0.5 秒。这里使用固定等待时间，不是位置传感器反馈。
→
送纸并回位
大舵机驱动送纸约 3 秒，随后停止并等待挡板回中，才允许下一次扫描。速度与纸路仍需在实物上调试。
DESIGN BOUNDARY
这里展示的是当前原型的一次动作顺序，实际装配、纸张形态和送料稳定性仍在验证。装置不执行自动销毁。
05 / ONE SYSTEM, TWO MODES计算和控制如何分工
让每一部分，
做自己擅长的事。
FPGA 负责相机数据、显示和时序控制；连接电脑时，本地程序接收图像并运行纸面与文字模型。两种模式的功能范围不同。
01连接电脑PC + FPGA
摄像头→FPGA→电脑模型→网页 / HDMI
电脑端在本地分析纸面和指定文字，网页显示扫描画面、文字区域及分类结果。电脑与主板之间保持通信；中途断线时取消未完成的电脑扫描。
- 空白候选 / 用过 / 疑似敏感
- 电脑运行时可查看本地网页
- 指定敏感字样为辅助初筛
02独立使用FPGA
摄像头→FPGA 判断→HDMI
独立供电时，由 FPGA 侧算法判断可见面是否有使用痕迹，并在 HDMI 显示。离机时不运行电脑文字模型，也无法通过未运行的电脑网页查看。
- 空白 / 用过两类判断
- 结果通过 HDMI 查看
- 不检查敏感字样
当前原型电脑传输常用 632 × 360 灰度画面，16 级灰度；分辨率与量化会影响细小字迹。电脑端使用本地模型，不代表所有纸张都能准确识别。
06 / LEARNING & VALIDATION怎么训练，又怎么判断有没有进步
训练是一回事，
用好又是另一回事。
模型需要看过不同的纸面和场景，但更多样本不自动等于更可靠。训练时使用公开文档和生成纸面，模拟旋转、透视、阴影、折痕、模糊和相机灰度；再用留出的验证场景比较模型。
一次历史模拟验证82.55%
90,000 视角检查点，在固定 384 张模拟验证图上的纸面网络分类准确率。
数据来自项目 2026-10-10 本机训练记录；并非真实纸张的整机准确率。按原文档分组
同一份来源文档的页面放在同一数据分组中，尽量避免相近页面同时进入训练和验证。
比较分类与定位
除了页面类别，也检查文字区域定位；空白纸被误判和有内容纸被漏判，需要分别观察。
保留表现更好的检查点
训练过程中定期比较固定验证组。后续轮次仍需与真实场景对照，不能只按训练时长选择模型。
还需要继续验证
当前相机只看到纸张一面；阴影、低对比度字迹和小字都可能造成错误。公开敏感类来源有限，模拟样本不等同独立实拍。采购、实际送料及任何敏感文件处理，都需要结合现场测试与人工复核。