Leitura de Código em Paletes Grandes
Leitura de maneira confiável de códigos de tamanho variável em grandes campos de visão
Produtos Relacionados
Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning
Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning
Os engradados e paletes com grandes quantidades de produto em armazéns, estaleiros e outras áreas de armazenamento de grande escala são identificados através de códigos de texto de rastreamento e envio. Os códigos são grandes, por isso podem ser vistos à distância. Também são sujeitos a erros de impressão, podendo ficar parcialmente obscurecidos, mal iluminados ou queimados, existindo outros problemas de leitura nas instalações de armazenamento ou condições do estaleiro.
Os erros de leitura podem levar a entregas erradas e mau posicionamento das mercadorias. Dado o tamanho e o peso desses paletes, reorganizá-los leva tempo e esforço e pode atrasar o envio.
Até agora, esses códigos de texto têm sido amplamente lidos e registrados manualmente. Embora parecesse que a tecnologia convencional OCR seria ideal para esta aplicação, o grande campo de visão necessário, a variação das distâncias de visualização que levam à variação do tamanho de texto visível e as localizações imprevisíveis de código dificultam a programação do software OCR convencional para lidar com todas as possibilidades.
O Cognex Deep Learning é ideal para a leitura de códigos com tamanhos imprevisíveis resultantes de distâncias variáveis. A ferramenta de OCR com Deep Learning possui uma biblioteca de fonte pré-treinada, que facilita a configuração e implementação. A ferramenta OCR é treinada com um pequeno conjunto de imagens de códigos de vários tamanhos e depois encontra e lê esses códigos na instalação ou estaleiro, independentemente da distância, sob condições de iluminação variável. Elimina a necessidade de mover ou direcionar a câmera, melhorando a eficiência.
Os paletes pesados são dispostos de forma eficiente em áreas de distribuição e entregues de maneira confiável aos consumidores finais.
