2020年6月27日 机器视觉与计算机视觉技术

用于食品标签的光学字符识别(OCR)视觉系统

在食品制造工厂,系统需要从传送器中剔除带有错误打印数据代码的包装食品。虽然以前的系统运行还算正常,但它已经陈旧,原始软件开发的升级换代也无法得到支持。该制造商正字寻求对原来的系统进行全面的更新,以满足新的质量标准和食品行业安全标准,并改善整体OCR流程。设计团队从前端工程方法开始,该方法涉及从多个库存单元(SKU)、打印机和打印格式收集数万张正在处理的在线图像,用于测试。

EPIC的工程总监Dan Nadolny表示:“我们在前端投入了更多的时间,以确保最终的交钥匙视觉系统不会像许多视觉系统那样需要后期经常调整。

一台Teledyne DALSA Genie Nano M1940 GigE视觉单色相机拍摄食品包装上的OCR代码图像。图片由Epic Systems提供

为了在全球拥有50多家制造工厂的公司安装OCR系统,EPIC在Matrox Imaging的Matrox Imaging Library(MIL)软件中使用了SureDotOCR工具。专为阅读点阵文本而设计。在Matrox Imaging的支持下,EPIC使用这些图像集优化算法参数,并为必要的处理和成像硬件建立基线。测试结果包括多台打印机和大量的打印变化(例如对比度,宽高比,线位置,字符间距和曲线)。

相机方面,EPIC选择了Teledyne DALSAM1940单色相机,该相机配备索尼的2.4万像素IMX174 CMOS传感器。该摄像机设置为提供5像素点直径和Matrox Indio I / O和通信PCIe板,提供支持以太网供电(PoE)和16个实时离散数字I / O的GigE端口。

机器视觉系统使用标准和工业pc,带有摄像头和圆顶“阴天”照明,在产品表面对比度上提供统一的照明。其目标是实现99.97%的读取率,即小于300parts /million的失败率。

EPIC项目负责人克里斯•沃克(Chris Walker)表示:“SureDotOCR算法的读取率达到了99.90%,一个点直径设置和99.99%的读取率分别通过三次不同点直径设置的读取尝试实现。”“点直径”定义为点矩阵打印文本字符串中单个点的平均像素直径。

他继续说道:“Matrox推荐一个7像素的点直径,但是设计团队为了减少图像存储和带宽的需求,最终选择了一个5像素的点直径。”

沃克说,一次阅读尝试的典型检查时间大约是40毫秒,包括两行文本和大约36个字符。

他说:“我们创建并测试了与标准英文字母数字字体性能类似的外国字体文件。”该算法能够在两行总共36个字符的文本上每分钟超过1200次检查。在单次读取尝试中,读取率高达2500次/分钟。mil支持的多线程和多核处理帮助实现了所需的读取速率。

OCR视觉系统由Epic Systems公司设计开发,用于检测食品包装上的字母数字代码。图片由Epic Systems提供。

检验率为1200份/分钟,连续检验时间仅为50毫秒/份。单次读取尝试的平均检查时间仅为40 ms时的此值。建议进行三次读取尝试/检查以提高系统稳健性。检测时间周期性超过100毫秒,在早期测试期间甚至高达286毫秒。视觉系统必须依靠多线程架构特性 – MIL SDK支持的关键特性 – 来克服这些时间。多线程是并行处理的同义词,是计算机可以同时执行多个进程的功能。

机器视觉系统 – 通过MIL-还可以接收和缓冲图像以便在队列中处理,并且具有多个线程并行处理这些图像。虽然多线程架构在满足高处理速率方面表现良好,但这需要视觉系统跟踪被检查的部件,以便在可能更长的检查时间内正确地拒绝故障部件。

例如,如果零件在传送带上行进并且机器视觉系统开始备份并处理大量图像,或者如果读取需要相当长的时间来处理,则等待检查结果的零件将显着在检查完成并且通过/失败结果准备就绪时,沿着传送带进一步。对于这种应用,如果单次读取花费500毫秒来处理零件,则沿着传送带将进一步增加近1米。

由视觉系统捕获的单色图像的样本,其显示在快餐食品包装的顶部印刷的代码。图片由Epic Systems提供。

为现有的线路输送机提供编码器反馈,跟踪从检查点到1.5米外的喷射器的部件距离,克服了这一挑战,允许视觉系统偶尔出现显着长的读取时间问题,同时保证检查结果将在部件到达喷射器之前进行通信。

Walker表示,最终,光学字符识别解决方案具有足够的灵活性和强大性,可满足应用需求。

Banner
Related Posts

为双目立体视觉插上FPGA翅膀

2019年10月10日

2019年10月10日

FPGA具有灵活高效、可重复编程特性,可实现定制性能、高吞吐量和低延迟,是十分灵活且强大的计算加速器。所以,很多研究机构将算法进行简化后,使用FPGA进行处理。

表面缺陷检测系统方案实施的七个步骤

2019年5月24日

2019年5月24日

表面缺陷检测系统主要以相机成像和图像处理技术为主,配置合适的相机和光源可以使被检测物体凸显表面缺陷或特征,使其检测系统能够实时、准确的对物体表面缺陷进行检测。

3D视觉系统技术方案详解

2019年4月21日

2019年4月21日

近年来,随着芯片技术的发展以及相关软硬件系统的深入,视觉传感器得到了极为广泛的应用。社会越来越智能,可以使用人工智能和大数据技术将人们记录下来的图像智能地利用起来,而不是用一个个柜子将图像、视频束之高阁。

Teledyne DALSA的Linea HS 16k多场TDI相机

2019年11月28日

2019年11月28日

机器视觉技术公司 Teledyne DALSA ,近日推出其最新的电荷域CMOS TDI相机——Linea HS 16k多场TDI相机。多场成像允许最终用户捕获多个图像,例如一次扫描即可同时显示明场、暗场和背光图像。

用于目标识别的自学习机器视觉系统

2019年7月8日

2019年7月8日

机器视觉是工业4.0,即工业物联网背景下高度自动化和无缝联网过程的关键技术。使用诸如深度学习之类的新的人工智能过程变得越来越重要。许多好处使这项技术具有吸引力,但同时它也有局限性。

机器视觉从发展到成熟,最新技术又有些什么?

2018年8月9日

2018年8月9日

这是机器视觉行业的一个演变时期。嵌入式视觉与深度学习和人工智能相结合, 将在生命科学、自驾游、安全和农业等传统制造业以外的市场继续蓬勃发展。

研究人员开发了一种非侵入性果实成熟度检测方法

2019年6月25日

2019年6月25日

昆士兰的研究人员开发了一种新工具,可以在收获前评估芒果作物的成熟度,这可能会提高收获时间和果实质量。

工业相机调研凸显嵌入式趋势

2019年3月27日

2019年3月27日

据一项专业调查显示,机器视觉行业正凸显出向嵌入式视觉和模块化发展的趋势。制造商们看到了嵌入式视觉解决方案在汽车和基础设施应用方面的巨大潜能。

改善机器视觉系统的十大方法

2018年8月9日

2018年8月9日

机器视觉是一个新兴领域,如果设置正确,可以减少过程效率低下。任何使用机器视觉作为机器人引导或检查的设施都应重视这一领域,以寻求可能的改进。

中科院自动化所王欣刚:机器视觉将取代人类视觉

2019年6月21日

2019年6月21日

智能制造已成为全球制造业升级发展的重要方向,未来工厂里将采用越来越来越多的自动化技术,包括机器人、人工智能、虚拟现实等先进技术,其中,机器视觉将在智能工厂中将发挥关键作用。对于生产商来说,如何将这些技术运用到当前的生产线,将是实现工厂价值提升和未来发展的关键。

3D热成像技术

2019年10月30日

2019年10月30日

Fraunhofer IOF使用LWIR热像仪扩展了其高速3D相机系统。他们的数据被映射到使用黑白摄像机重建的3D点,从而获得1kHz空间热图像。

MicrochipPolarFire FPGA成像和视频开发套件加快机器视觉应用的开发与部署

2019年8月29日

2019年8月29日

制造业和工业界正在经历巨大的变化,工业物联网(IIoT)等新兴技术有望大幅提升工厂运营效率。因此,各种传感器正以前所未有的速度进行部署,让IIoT应用能够感知和洞察生产过程、工业自动化和质量控制等现实场景所发生的一切。

机器视觉模式匹配的基础:光源、相机、算法

2019年10月11日

2019年10月11日

机器视觉系统还需要能够发现和识别模式。任何机器视觉任务的第一步都是模式匹配,即根据形状属性(如边缘)的预期排列,在视场中定位目标。这个过程是如何工作的?

每个机器制造者都应该了解基于组件的3D视觉系统

2019年9月1日

2019年9月1日

在构建成本效益高的三维视觉系统时,是最好使用基于组件的方法(如照相机、激光、透镜、支架、校准目标)还是采用一体化(即智能)方法?乍一看,以较低的成本购买单个组件和构建定制的视觉解决方案似乎是更经济的途径。

机器视觉检测系统完整解决方案以及开发流程

2019年4月25日

2019年4月25日

机器视觉一词可以想象是具有一组眼睛的计算机进行检测或检验行为。为了开发机器视觉应用的完整解决方案,视觉工程师执行一系列通常分为五个类别的任务:计划,设计,构建,集成和验证。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注