Leia códigos complexos e desafiadores sob qualquer condição com OCR baseado em deep learning

Deep learning ocr tool

Imagine a economia de tempo de uma ferramenta pré-treinada de reconhecimento óptico (OCR) e de verificação (OCV) de caracteres. Ao eliminar o treinamento árduo adiantado, essa ferramenta funciona imediatamente. E se uma fonte irreconhecível aparecer, provavelmente por causa de brilho especular, impressão ruim ou outra causa de deformidade, essa ferramenta pode ser retreinada no chão de fábrica somente para os caracteres mal interpretados. Essa é a promessa das ferramentas de OCR e de OCV baseadas em deep learning, que contam com uma biblioteca omni- fonte pré-treinada e exigem apenas treinamento em fontes específicas da aplicação.

Fontes consistentes e facilmente legíveis definidas contra um plano de fundo claro ou escuro podem ser resolvidas bem o suficiente com os sistemas de visão tradicionais. Mas os fabricantes precisam de um novo tipo de solução de OCR específica para quando planos de fundo confusos e problemas de imagem desafiarem seus sistemas de visão e para quando o número e o tipo de fontes específicas da aplicação forem imprevisíveis. Códigos muito deformados, enviesados e mal gravados são alguns dos culpados mais comuns. Outros códigos complicados são aqueles que envolvem caracteres de baixo contraste ou códigos impressos, gravados, de micro pontos ou em relevo em planos de fundo confusos.

Vamos explorar como o software baseado em deep learning oferece uma alternativa radicalmente fácil e precisa para essas aplicações complexas de inspeção de OCR/OCV.

Guia para OCR de Deep Learning

OCR de Deep Learning para o Setor Automotivo

Os fabricantes de produtos automotivos, bem como os fornecedores de peças, usam números de série para rastrear peças de alto valor na cadeia de suprimentos e garantir que sejam combinadas com os conjuntos corretos. Muitas peças contêm números de série de dez dígitos em micro pontos para que, quando ocorrerem erros durante o teste, a origem possa ser rastreada.

OCR em um bloco de motor

No caso de recall, as peças afetadas podem ser retiradas rapidamente do mercado. Além dos desafios típicos de legibilidade partes dos números de série podem ser desgastadas durante os processos de fundição ou lixamento, por exemplo as superfícies metálicas brilhantes podem às vezes confundir a câmera em um sistema de inspeção automatizado. Quando os números de série em micro pontos ficam grosseiramente deformados e ilegíveis, isso retarda os processos de OCR e OCV e ameaça a rastreabilidade efetiva.

Ferramentas de OCR/OCV baseadas em deep learning são bem adaptadas a esses desafios porque contam com bibliotecas omni-fonte pré-treinadas para identificar imediatamente até os códigos mais difíceis de ler. O Deep Learning da Cognex requer apenas ajustes específicos da aplicação, o que significa que em vez de treinar um algoritmo para identificar cada caractere ou número individual do código, um engenheiro de treinamento não um especialista em visão simplesmente define a região de interesse (normalmente a área com os caracteres lidos incorretamente), define o tamanho do caractere e rotula a imagem. Quaisquer caracteres ou fontes específicas da aplicação lidas incorretamente podem ser facilmente retreinadas no chão de fábrica.

OCR de Deep Learning para o Setor de Eletrônicos

Códigos gravados a laser em componentes eletrônicos como pacotes de circuitos integrados (CI) e estruturas de chumbo são recursos essenciais para todos os fabricantes de hardware eletrônico. Esses códigos de barras e números de série contêm informações sobre quando e onde as peças foram fabricadas, seus números de lote e dados de teste. Eles também podem codificar informações sobre temperatura de solda e densidade de fluxo, informações essenciais à medida que os componentes são montados em chips e agregados a módulos

OCR em uma placa de circuito.

Esses códigos são lidos em cada estágio de valor agregado por meio da montagem final e teste do dispositivo para garantir que o hardware seja montado corretamente e contenha os componentes certos. Dado o pequeno tamanho da maioria dos semicondutores e as restrições de espaço em uma placa PCB, um sistema de identificação do fabricante deve ser bastante robusto para manter a produção funcionando em velocidade total e para acompanhar os componentes de alto valor. Isso também é verdadeiro para fabricantes de dispositivos acabados, que rotineiramente precisam ler códigos gravados a laser nas laterais das cabeças deslizantes, que podem ter apenas 1,1 mm x 1,4 mm. Não é novidade que os códigos marcados a laser podem se degradar durante a produção e se tornar difíceis de ler.

Nessas situações, a tecnologia de OCR/OCV baseada em deep learning oferece uma solução pronta para o uso, evitando horas tediosas de treinamento graças a uma biblioteca omni-fonte pré-treinada que reconhece até caracteres deformados e tortos. Um engenheiro pode rapidamente fazer ajustes específicos da aplicação e fazer retreinamento em códigos de leitura incorreta. Os benefícios de produtividade são imediatos, pois as falhas de leitura diminuem e o tempo de atividade da máquina é maximizado.

OCR de Deep Learning para o Setor de Embalagem

Os fabricantes devem ter sistemas confiáveis para reconhecer e verificar a trilha de informações que segue cada produto embalado ao longo da cadeia de suprimento. Em seus esforços para garantir a rastreabilidade total da embalagem, os fabricantes de alimentos e bebidas e de produtos de consumo às vezes enfrentam códigos desafiadores.

 OCR em uma lata de alumínio

Os suspeitos comuns são caracteres de baixo contraste impressos em códigos de embalagens baseados em etiqueta ou caracteres deformados em relevo em peças moldadas por injeção, como uma tampa de garrafa. Os códigos podem ser usados para combinar embalagens de várias peças ou, mais provavelmente, para conter códigos de data/lote que incorporam informações sobre conteúdo, origem e data de fabricação. Nesses casos, os fabricantes contam com equipamentos OCR/OCV para localizar rapidamente os produtos afetados e retirá-los da produção ou das prateleiras. A tecnologia OCR/OCV tradicional requer treinamento inicial para aprender várias fontes e, mesmo assim, pode ter dificuldade para decodificar caracteres com contraste insuficiente.

A tecnologia OCR/OCV baseada em deep learning não tem as mesmas limitações e é capaz de ler letras e números com contraste insuficiente automaticamente. Ao escolher a tecnologia baseada em deep learning, os fabricantes podem se manter atualizados com as leis de segurança alimentar e rastreabilidade e facilitar os recalls com impacto mínimo em sua produção.

OCR de Deep Learning para o Setor de Ciências da Vida

OCR e OCV eficazes são essenciais para as ciências da vida, que regulamentam rigidamente as leis de controle e rastreabilidade. Para permanecer em conformidade, os fabricantes, bem como os hospitais, precisam fazer a digitalização dos códigos em dispositivos médicos, ferramentas cirúrgicas e pulseiras de identificação de pacientes em cada ponto de manuseio e de uso. Isso permite que eles mantenham o controle sobre os dispositivos e produtos farmacêuticos em toda a cadeia de suprimento no caso de um evento de segurança.

OCR de deep learning para ciências da vida

Com tantos equipamentos e muitas pessoas tocando nos produtos, os códigos podem ficar deformados e distorcidos. A qualidade da imagem também pode ser inferior, alterando a aparência do código para a câmera. Em vez de investir tempo para treinar um sistema de visão para reconhecer a panóplia de fontes que provavelmente encontrará, o setor de ciências da vida está se voltando para um software de análise de imagem baseado em deep learning para fazer o trabalho por eles.

Ferramentas de OCR baseadas em deep learning são eficazes e fáceis de implementar em códigos impressos em substratos desafiadores e propensos a deformidade como códigos de micro pontos em peças de metal, caracteres em relevo em produtos moldados por injeção, códigos baseados em etiquetas em embalagens e rótulos, e códigos gravados a laser em componentes eletrônicos. A tecnologia OCR/OCV de Deep Learning da Cognex reconhece a maioria dos textos alfanuméricos imediatamente e requer apenas um breve treinamento inicial para definir a região de interesse e o tamanho dos caracteres. O sistema pode fazer rapidamente retreinamento em caracteres lidos de forma incorreta no chão de fábrica, para que os fabricantes não percam o ritmo.

Para descobrir como o deep learning está revolucionando as aplicações de automação de fábrica, como OCR e OCV, faça o download do documento técnico gratuitamente, Deep Learning para Automação da Fábrica:

Mais Publicações em

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex