Minos 工具在模式识别、定位、和 OCR 领域有着广泛的应用。它由分类器、动态库、和控件构成。
可以在多种语言环境中应用此工具，例如 VB,Delphi,C++或者 VC++。
由于其可靠性和灵活性 minos 适合在以下几个方面开发应用：
在汽车制造中检测显示面板
辨认数字和对比
读取密码
检测焊缝
检测工作面板
读取包装标签
Minos 工作方法
Minos 应用神经网络原理来完成模式识别。模式识别是以对象与众不同的特征来识别的。样本的正的实例和反的实例都用来作为特征识别对象。一个标准的分类器应包括正实例和反实例。分类器中应包含辨识样品所需的所有信息，这些信息包含在.MTS 格式文件中。
模板一旦被学习，他就可以应用于其他的图像中。为了做到这一点，分类器完全嵌入到查找函数中。查找函数分为两类，一类为模式识别，一类 OCR。模式识别的查找函数返回的结果为模板在查找对象中的位置，以及相似度。在 OCR 中，返回结果为模板的名称。
Minos 的一个分类器中可以包括多个模板，应用这个分类器可以查找第一个模板匹配位置。也可以查找所有的模板并识别他们。例如在识别字符中。
Minos 模块的灵活性
在 Minos 中可以把多个分类器和多个查找函数结合起来使用，这样是高效的执行变为可能。例如在：部分识别、定位、完全检测、质量检测、OCR 或者文本确认。
通过工具和查找函数的选择可以很方便的控制查找方式。Minos 可为个别程序选择最优化查找方法。
如何训练模板
Minos 提供了一个训练 Minos 模板的工具—TeachNT 步骤
(1)打开一幅图像
三种格式的图像可以打开：
BMP 256 色的灰度 BMP 图像
MIO minos 目标图像
VIN 用于硬件驱动的文件
可以旋转和缩放图像。
(2)创建感兴区域
(3)训练模板
注意选择模板的大小。
(4)创建分类器
(5)测试分类器
几个相关的测试参数：
SEARCH DENSITY (查找密度)
这个参数影响查找的速度。减小这个值可以增大速度但是精确度下降。此值
在 100—1000 之间变化。
QUALITY THRESHOLD(质量阈值)
如果这个值过高，会找到较少的目标，但是有可能查找不到正确的目标。此
参数只有在 normalized 被选定后才有效。
TRIGGER ( 触发)
当 Unnormalized 被选定后，TRIGGER 与 QUALITY THRESHOLD 才配合起作用。TRIGGER 的值小时，QUALITY THRESHOLD 的小值才会起作用。
TRIGGER 的值在 0-20 之间选择。
解决错误的方法：
错误类型 解决办法
识别错误 增加正的实例样本
无法识别 增加训练样本，确保每个样本都符合条件。
结果混乱 检查所有的训练样本，确保无正实例样本忽略
最优化的分类器
创建多个模板样本定为统一名字，这样样本特征数据为多个统一类型训练样本的数据特征的统计表示。
模板训练的先进性
可以创建旋转和任意缩放的模板
OCR 分类器
可以设置对识别无影响的特征点。
需要注意的地方：
一致性检测工具
此函数的菜单在 THE TEACH WIDOWS 界面的 TRAINING SET 目录下。
此工具检测结果对于查找函数返回结果混乱错误的解决起主要作用。
一致性检测对话框中的参数
DENSITY (密度)
此数值在 MINOS 查找实例中表示每一行的像素个数和行数。例如数值设置为
500，会有 50%的像素会被检测是否一致，增大这个值检测时间会增加。
THRESHOID (阈值)
定义最小匹配标准，注意要和能够辨认实例的阈值一致。
SUSPECTS (可能遗漏点)
检测完成以后，可能遗漏的正实例的数量显示出来。
