Riconoscimento ottico dei caratteri sul corpo pressofuso
Lettura di codici complessi su componenti del corpo pressofuso di motori utilizzando soluzioni OCR basate sul deep learning
Prodotti correlati
Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi
Ambiente di programmazione grafica per l'analisi di immagini industriali basata sul deep learning
Il motore di un veicolo elettrico è fornito all’interno di un alloggiamento pressofuso, di norma in alluminio. Ciascun alloggiamento è marcato con un codice d’identificazione che presenta solitamente lettere e numeri in rilievo facenti parte dell’alloggiamento pressofuso stesso. Tale codice, realizzato con lo stesso materiale dell'alloggiamento, presenta un contrasto estremamente basso.
Tale codice di identificazione è fondamentale ai fini della rintracciabilità presso lo stabilimento di assemblaggio e lungo tutta la catena di fornitura. Si tratta di un numero al quale sono legate tutte le altre registrazioni. Identificarlo in maniera precisa è molto importante dato che qualsiasi ambiguità blocca la linea e richiede la verifica del codice da parte di ispettori umani. Se ciò si verifica più volte per turno, causa ritardi significativi e aumenta le spese.
Gli strumenti OCR tradizionali basati su regole forniscono di norma tassi di lettura fino al 99%. Per alcune applicazioni ciò può essere adeguato, tuttavia, applicazioni importanti come quella descritta qui richiedono tassi di lettura che si approssimino il più possibile al 100%. Qualsiasi intervento umano necessario per bypassare manualmente i risultati derivanti da una mancata lettura OCR può ridurre la produttività e l’efficienza.
Le funzioni di lettura di testo e caratteri del Deep Learning di Cognex decifrano in maniera affidabile e precisa codici deformati, storti, danneggiati o con un basso contrasto. Tale strumento viene addestrato con una serie di immagini di codici OCR acquisiti con angolazioni ed illuminazioni differenti e che presentano danni di diverso tipo o altre variazioni.
