2020年11月26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

3D视觉检测的未来:光度立体技术

2019年6月12日

2019年6月12日

利用3D表面定向,特别是它对反射光的影响,工业应用的光度立体产生对比度图像,突出了局部3D表面变化。

机器视觉可以使用无线电波来穿透墙壁和黑暗

2019年10月10日

2019年10月10日

机器视觉有很强的识别能力。它具有超人的能力来识别人、脸和物体。它甚至可以识别许多不同的行为。

工业机器视觉应用有必要使用边缘计算吗?

2019年12月17日

2019年12月17日

伴随着机器视觉技术的快速发展,在提高制造商产品质量水平的同时加快生产效率,可以说拥有巨大的潜力。这项技术的影响范围也在不断地扩大,各种新的应用注定会在我们的日常生活中发挥更大的作用。

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

机器视觉技术可能比您想象的更厉害

2018年8月9日

2018年8月9日

从数字图像中自动提取信息的能力为制造商努力削减成本、提高质量和简化整体流程提供了更多可能。机器视觉的主要用途是检查、测量和机器人引导。

深度学习在机器视觉中的应用与发展

2019年5月7日

2019年5月7日

在短短几年内,深度学习软件已经比任何传统算法可以更好地对图像进行分类处理,而且可能很快就可以超越人工检查。

新的视觉系统可以在传感器内计算,无需将信息转换成数字格式

2020年3月5日

2020年3月5日

研究人员开发了一种图像传感器阵列,它作为自己的人工神经网络,可以同时捕获和识别光学图像,无需将信息转换成数字格式即可快速处理信息。

贴纸相机解决物联网成像问题

2019年4月17日

2019年4月17日

Greg Blackman报道了CSEM的Witness IOT相机,这是一款可以作为贴纸部署的超低功耗成像仪。 Andrea Dunbar博士于3月在伦敦举行的Image Sensors Europe会议上展示了这项技术

科创板|天准科技:中国机器视觉第一梯队企业

2019年6月2日

2019年6月2日

2019年5月27日,上交所决定将于6月5日召开第1次审议会议,审议深圳微芯生物、安集微电子科技、苏州天准科技3家企业的发行上市申请。

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。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

机器视觉成为防治农作物减产的新式武器

2019年5月15日

2019年5月15日

农作物的损失对农民来说是毁灭性的。随着生态波动性的增加,这也是生活中的事实。

涂布纺织品皮革表面缺陷检测解决方案

2019年7月2日

2019年7月2日

本文详细地介绍了基于自适应视觉算法的表面缺陷检测的应用原理及实际案例。同时以涂布、纺织品和皮革等类似行业的实际案例验证了该原理的可行性和实用性。介绍了能应用于涂布、印刷、涂布、塑料、橡胶、薄膜及皮革等缺陷检测的通用解决方案。

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。

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。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注