从研究的角度来看，选项 1 将是一个非常有趣的选项。我无法想象 CNN 目前必须具备足够的能力来学习数字的概念并以有用的方式应用它们。如果是模拟车速表，情况会有所不同。但是尝试一下并看看你可以用这种方法实现什么会很有趣。我还没有读过任何研究论文，在那里可以掌握这样的挑战。

如果您不太关心研究而是让这个项目工作，我会提出一种类似于选项 2 的方法。您提到的 OCR 工具旨在识别符号，即使是扭曲或难以阅读的符号。在您的情况下，这些数字看起来总是相同的，并且很可能总是处于固定位置。因此，对于手头的问题，使用花哨的 OCR 算法或神经网络是矫枉过正的。您可以编写一个简单的算法来裁剪速度计，使用 10 个特定内核搜索 10 种可能的模式（0 到 9）并根据结果计算速度。这可以有效地实现，而无需训练 CNN 或其他一些复杂的算法。

实现方法：

回答评论中的第一个问题。这个算法真的很简单。您的图像将由 2D 数组表示（或者如果您使用颜色，则可能是 3D 数组）。您需要做的就是找出您的数字是什么样子并存储适当的数组。你应该最终得到 10 个不同的数组，对应 10 个不同的数字。

要确定当前图片中是否有数字，您只需检查该数字的数组是否是当前图片数组的子集。数组匹配的位置也将指示数字的位置。您对所有 10 个数字执行此操作，然后可以根据结果计算速度表上显示的实际值。

如果数字看起来总是完全相同，这很容易。在这种情况下，您可以简单地查找完全匹配。如果有细微的变化，您可以查找与您的模板数组相似的图像数组部分。只需将每个像素值的差异的绝对值相加，如果它低于某个阈值，您就有了匹配项。这里的所有都是它的。

在 python 中，我喜欢使用PIL进行这种图像处理，但也有其他框架。