Wichtige Erkenntnisse
- Optical Character Recognition (OCR) ist eine Anwendung der Bildverarbeitung, die alphanumerische Zeichen aus einem Bild liest und in maschinenlesbare Daten umwandelt.
- Optical Character Verification (OCV) bewertet die Qualität von Zeichen in einem Bild und erkennt Fehler wie Verschmierungen, fehlende Elemente oder Kratzer.
- Nicht nur die Genauigkeit einzelner Zeichen ist entscheidend, sondern die Genauigkeit der gesamten Zeichenfolge. Ein einziges falsches Zeichen kann einen kompletten Code unbrauchbar machen.
Wie ein „zu 99 % genaues“ OCR‑System zu versteckten Fehlern führt
Eine Zeichengenauigkeit von 99 % klingt überzeugend, doch entscheidend ist die Genauigkeit der gesamten Zeichenfolge. Eine Zeichenfolge besteht aus mehreren Zeichen – Zahlen, Buchstaben oder Symbolen. In industriellen Anwendungen können solche Codes bis zu 30 Zeichen lang sein.
Eine Studie zeigte eine Fehlerquote von 0,912 pro Zeichen bei glänzenden Lebensmittelverpackungen, was bedeutet, dass etwa 9 % der Zeichen nicht korrekt gelesen wurden. Bei einem 20‑stelligen Code führt diese Fehlerquote dazu, dass nahezu 20 % der Codes unlesbar sind – mit entsprechenden Risiken wie Mehrkosten, Nacharbeit oder falschen Lieferungen.
Dieses Risiko steigt mit dem Umfang. Je länger die Codes und je mehr Codes gelesen werden, desto höher die Wahrscheinlichkeit von Lesefehlern.
Dabei handelt es sich nicht um einen Fehler der Software oder Hardware, sondern um eine mathematische Konsequenz – verursacht durch die Verwechslung von OCRund OCV.
Beide Anwendungen werden häufig gemeinsam eingesetzt, etwa in Pharma‑ oder Hochgeschwindigkeits‑Verpackungslinien, beantworten jedoch unterschiedliche Fragen: OCR: „Was sagt dieser Text?“ OCV: „Ist dieser Text richtig?“
OCR liest die VIN‑Nummer auf einem Automobilbauteil.
OCV bewertet die Genauigkeit von Text und die Qualität des Druckbilds.
Was ist OCR? (Der „Leser“)
Optical Character Recognition (OCR)
OCR beantwortet die Frage: Was steht hier? Die Technologie wandelt unbekannten Text aus einem Bild in maschinenlesbare Daten um. OCR wird eingesetzt, wenn z. B. Seriennummern auf Bauteilen oder Chargencodes auf pharmazeutischen Produkten erfasst werden müssen.
Was ist OCV? (Der „Prüfer“)
Optical Character Verification (OCV)
OCV beantwortet eine andere Frage: Ist dieser Text korrekt? Die Anwendung prüft die Qualität eines Druckbilds und erkennt Fehler wie fehlende Punkte, verschmierte Tinte oder verblasste Datumsangaben. OCV wird eingesetzt, wenn der erwartete Text bekannt ist – etwa eine chargenspezifische Kennzeichnung – und sichergestellt werden muss, dass die Markierung korrekt aufgebracht wurde. Während OCR Daten liest, erkennt OCV Fehler.
Geschwindigkeit und Konsistenz: Grenzen manueller OCR‑ und OCV‑Prozesse
Fallbeispiel Yuman Wine Group und PanPass Technology
Früher wurden Codes häufig manuell geprüft und transkribiert. Mit steigenden Liniengeschwindigkeiten und subjektiven Bewertungen entstehen jedoch Probleme. Die Shandong Quingzhou Yuman Wine Group, ein bekannter Spirituosenhersteller in Nordchina, kennt dies aus eigener Erfahrung.
„Früher konnten menschliche Inspektoren noch erkennen, wenn Barcodes verzerrt oder defekt waren“, sagte Lui Kaiqiang, Vice Minister of Digital Strategy Development bei Yunmen. „Mit der dreifachen Geschwindigkeit der neuen Produktionslinie können menschliche Augen diese Defekte jedoch nicht mehr erfassen.“
Zu den weiteren Herausforderungen, denen Yunmen gegenüberstand, gehörten kontrastarme Flaschen, komplexe Hintergründe und inkonsistente Druckqualität.
Unlesbare Codes auf Spirituosenflaschen bergen immense Risiken und Kosten. Das Unternehmen hatte Schwierigkeiten, Rohstoffe, Produktionsprozesse und Lieferkette zu tracken, was es schwieriger machte, die Nachfrage zu prognostizieren. Flaschen mit unlesbaren Codes mussten nachbearbeitet oder entsorgt werden, gleichzeitig war es wichtig, fehlerfreie Teile nicht fälschlich auszusortieren.
„Die OCR-Anforderungen sind streng und erlauben keine Fehler oder Mängel“, fügte Kaiquiang hinzu. „Unsere Evaluierung der Cognex OCR-Lösung ergab eine Genauigkeit von mehr als 99,9 %.“
PanPass Technology Co., Ltd., ein Unternehmen für Rückverfolgbarkeit und Fälschungsschutz mit Sitz in Peking, arbeitete mit Cognex zusammen, um die Rückverfolgbarkeit bei Yunmen zu verbessern. Die Product‑Identity‑Lösung von PanPass nutzt einen textbasierten Product‑Identity‑Code (PID) auf Produkten und Verpackungen, der mit der Cloud‑Plattform von PanPass zur Verifizierung und Nachverfolgung verknüpft ist.
PanPass und Yunmen nutzten In-Sight Bildverarbeitungssysteme und Cognex AI, um PID‑Codes zu verifizieren und die Daten an die Plattform von PanPass zu übertragen.
„Die wichtigste Priorität unserer Kunden ist Zuverlässigkeit“, sagte Zhang Yonghong, Chairman und CEO von PanPass. „Konsistente Leistung und technologische Innovation sind ebenfalls wichtig. Die Bildverarbeitungstechnologie von Cognex adressiert all diese Anforderungen.“
Warum KI besser ist als regelbasierte OCR
Klassische OCR basiert auf Template‑Matching: Zeichen werden mit einer vordefinierten Bibliothek verglichen und gelesen. Diese Methode funktioniert gut bei strukturierten Dokumenten, setzt jedoch ideale Bildbedingungen voraus. In der Fertigung sind diese Bedingungen selten erfüllt.
Die realen Herausforderungen für OCR in Fertigungsumgebungen – wie gekrümmte Oberflächen, matte Materialien und unterschiedliche Etikettenqualität – sind für Template‑Matching kaum zuverlässig zu bewältigen. Es gibt zu viele Variablen bei Bildaufnahme und Zeichendarstellung, um Codes zuverlässig zu lesen.
KI-gestützte Bildverarbeitungssysteme bewältigen diese Herausforderungen mit spezialisierten Tools, die den Kontrast maximieren und Codes auf gekrümmten Oberflächen ausgleichen.
Während KI ein leistungsstarkes Werkzeug ist, ist es entscheidend, zunächst die Grundlagen korrekt umzusetzen – wie Kameraposition, Ausrichtung von Bauteilen oder Produkten sowie Beleuchtung.
Studienbericht: Wie KI die Bildverarbeitung transformiert
Wir haben Hunderte von Herstellern, Integratoren und OEMs aus verschiedenen Regionen und Branchen zu AI-Einführung und -Nutzung befragt. Lesen Sie, um zu erfahren, was Kaufentscheidungen beeinflusst, wie die Einstellungen zu KI sind und wie KI Leistung und Einfachheit bietet.
Fazit: Ein hybrider Ansatz
Wenn nur OCR eingesetzt wird, kann ein korrekt gelesener Code dennoch unlesbar sein – etwa bei einem verschmierten Ablaufdatum, das auf das Produkt gelangt. Wird hingegen nur OCV verwendet, können Teile mit guter Druckqualität, aber falschem Inhalt zurückgewiesen werden. Das führt zu unnötigen Stillständen in der Produktion.
Der zweistufige Ansatz etabliert sich daher zunehmend in Fertigungsumgebungen, in denen Rückverfolgbarkeit, Compliance und Vertrauen entscheidend sind.
Eine Entscheidung zwischen beiden Technologien ist nicht erforderlich. Die kombinierte Nutzung von OCR und OCV stellt die Codequalität sicher, unterstützt bei der Ursachenanalyse von Qualitätsproblemen und ermöglicht eine vollständige Nachverfolgbarkeit.