康耐視部落格

使用深度學習 OCR 在任何條件下讀取複雜與難讀的條碼

Deep learning ocr tool

試想預先訓練的光學字元辨識 (OCR) 與字元識別 (OCV) 工具所能節省的時間。這項工具不需要費勁進行前期訓練,開箱即可使用。如果還是出現無法辨識的字型,其可能是因為鏡面眩光、蝕刻不良,或因其他原因而造成畸形,請在工廠現場針對有問題的誤讀字元重新訓練工具。有此承諾,深度學習 OCR 與 OCV 工具可仰賴預先訓練的全方向字型庫,並且只需要針對應用特有的字型進行訓練。

置放在淺色或暗色背景,可輕鬆讀取的一致字型,使用傳統機器視覺即可妥善解決。但是當製造廠商的機器視覺系統難以解決雜亂背景與圖像問題,而且無法預測應用特有字型的數量與類型時,就需要新的專用 OCR 解決方案。嚴重變形、歪斜及蝕刻不良的條碼,就是一些常見的主要原因。其他難處理的條碼還包括印刷、蝕刻、打點或浮雕在雜亂背景上的低反差字元或條碼。

讓我們來探索深度學習軟體如何為這些複雜的 OCR/OCV 檢測應用提供相當簡單又準確的替代方案。

汽車業深度學習 OCR

汽車業製造廠商與組件供應廠商都使用序號,於供應鏈全程追蹤大量組件,並確保其與正確的組裝相配。許多組件都包含十位數的打點序號,如此在測試期間發生錯誤時,便可追蹤來源。

引擎缸體上的 OCR

在產品召回時,可迅速將受影響的組件從市場移除。除了在鑄造或打磨流程期間,部分序號可能有所磨損這類的一般可讀性難題之外,耀眼的金屬表面有時也會干擾自動化檢測系統中的相機。當打點序號變形嚴重且難認時,這種情形會拖慢 OCR 與 OCV 流程,並且不利有效的可追溯性。

深度學習 OCR/OCV 工具仰賴預先設定訓練的全方向字型庫,開箱後,即使最難以讀取的條碼都能加以識別,面對這些難題完全勝任愉快。康耐視深度學習只需要應用特有的調整,這表示 (非視覺專家的) 訓練工程師不必訓練演算法識別每個條碼個別的字元或數字,而只要定義檢測目標區 (一般是含有誤讀字元的區域)、設定字元大小,然後為圖像加上標籤即可。任何誤讀字元或應用特有字型,都可以在工廠現場輕鬆地重新訓練。

電子業深度學習 OCR

積體電路 (IC) 封裝與引線架等電子元件上的鐳射蝕刻條碼,就是所有電子硬體製造廠商的基本特徵。這些條碼與序號包含組件何時與何地製造、批號及測試資料等相關資訊。還會將錫膏溫度與焊劑密度的相關資訊編碼,這是將元件裝上晶片並組裝到模組時的基本資訊。

電路板上的 OCR

隨著每個增值階段,一直到最終組裝與裝置測試,都會讀取這些條碼,確保硬體正確地組裝且包含正確的元件。由於大部分半導體尺寸都很小,而且印刷電路板上的空間限制,製造廠商的識別系統一定要相當穩健,以保持全速進行生產並追蹤高價值元件。還有裝置成品製造廠商一向都會在最小只有 1.1 mm x 1.4 mm 的滑動磁頭側面讀取鐳射蝕刻條碼,亦是如此。毫不令人意外的是,鐳射標記條碼會在生產期間劣化,而變得難以讀取。

在這些情況下,深度學習 OCR/OCV 技術提供開箱即用解決方案,隨附預先訓練的全方向字型庫,即使是變形或歪斜的字元也能夠辨識,還可略過冗長的訓練時數。工程師可迅速完成應用特有的調整,並針對誤讀的條碼重新訓練。隨著無法讀到資料的情況減少,而且機器可達到最長的運轉時間,生產力效益立刻浮現。

包裝業深度學習 OCR

製造廠商必須備妥可靠的系統,以辨識和驗證於供應鏈全程追蹤每個包裝商品的資訊存底。食品與飲料業和消費性產品製造廠商都會努力確保全面的產品可追溯性,其間偶爾會遇到難讀的條碼。

 鋁罐上的 OCR

標籤包裝條碼上的低反差印刷字元,或瓶蓋之類的射出成型組件上變形、浮雕的字元,都是常見的情況。條碼可用來匹配多組件包裝,或很可能含有內嵌內容物、產地及製造日期相關資訊的日期/批代碼。在這些情況下,製造廠商會仰賴 OCR/OCV 設備,迅速找到受影響的產品,並從生產線或架上撤下。傳統 OCR/OCV 技術需要前期訓練,以學習各種不同的字型,但即便如此,仍難以將對比不佳的字元解碼。

深度學習 OCR/OCV 技術不會受到相同限制的侷限,並能自動讀取大部分對比不佳的字母與數字。欣然採用深度學習技術的製造廠商能跟上食物安全與可追溯性法律,並加快召回速度,讓生產所受到的影響降至最低。

生命科學業深度學習 OCR

對於嚴格管制追蹤定位法律的生命科學業來說,有效的 OCR 與 OCV 至關重要。為了保持合規性,每次處理和使用時,製造廠商以及醫院都必須掃描醫療器材、外科手術器械,以及病患的醫院 ID 手環上的條碼。如果發生安全事件,這可讓他們在供應鏈全程嚴密掌握器材與藥物流向。

生命科學深度學習 OCR

設備數量如此之多,還有許多人會經手接觸產品,條碼可能會變形和歪斜。圖像品質也可能欠佳,而改變相機拍下的條碼外觀。生命科學業選擇不投入時間,訓練機器視覺辨識可能會遇到的全套字型,而是轉為使用深度學習圖像分析軟體,為其代勞。

面對印刷在難讀基材上的條碼,以及像是金屬組件上容易變形的打點條碼、射出成型產品上的浮雕字元、包裝上的標籤式條碼,以及電子元件上的鐳射蝕刻條碼,深度學習 OCR 工具既有效又容易部署。康耐視深度學習的 OCR/OCV 技術開箱即可辨識大部分英數文字,而且只需要簡短進行前期訓練,設定目標檢測區與字元大小。系統可在工廠現場針對誤讀字元迅速重新訓練,讓製造廠商不會落後進度。

如需瞭解深度學習如何改革如 OCR 與 OCV 等工廠自動化應用,請下載深度學習之於工廠自動化的應用免費白皮書:

其他文章

取得產品支援與訓練等等

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

聯絡我們