Points clés à retenir
- La reconnaissance optique de caractères (OCR) est une application de vision industrielle qui lit les caractères alphanumériques obtenus à partir d’une image et les transforme en informations lisibles par machine.
- La vérification optique de caractères (OCV) détermine la qualité des caractères dans une image, en recherchant des défauts tels que des taches, des composants manquants et des rayures.
- Bien que la précision des caractères soit importante, la précision des chaînes est la mesure la plus importante. Un caractère incorrect peut rendre un code entier invalide.
Comment votre système de reconnaissance optique de caractères (OCR) « 99 % précis » provoque des défaillances cachées
Une précision de 99 % au niveau des caractères peut sembler impressionnante, mais c'est la précision au niveau des chaînes de caractères qui est déterminante. Une suite de caractères, tels que des chiffres, des lettres ou des symboles, forme une chaîne de caractères : c'est le code que vous essayez de lire ou de vérifier. En lecture de code industriel, les chaînes peuvent atteindre jusqu’à 30 caractères.
Une étude a révélé un taux d’erreur (CER) de 0,912 caractères lors de la lecture de l’emballage brillant de l’étiquette alimentaire, ce qui signifie qu’environ 9 % des caractères étaient illisibles. Pour un code à 20 caractères, ce taux d’erreur à un chiffre signifie que près de 20 % des codes sont illisibles, exposant les opérations à des risques tels que des coûts supplémentaires, des reprises et des expéditions incorrectes.
Ce risque augmente avec l’échelle. Plus vos chaînes de caractères sont longues et plus vous lisez de codes avec une solution inefficace, plus vous risquez de ne pas lire un code.
Ce taux de défaillance n’est pas un bug logiciel ou matériel, c’est une certitude mathématique, causée par la confusion entre l’OCR avec l’OCV.
Bien que ces deux applications soient souvent mises en œuvre côte à côte sur une ligne pharmaceutique ou un convoyeur d’emballage à grande vitesse, elles posent différentes questions. L’une d’entre elles demande : « Que dit ce texte ? » L’autre demande : « Ce texte est-il correct ? »
La reconnaissance optique de caractères (OCR) lit le numéro VIN sur une pièce automobile.
OCV juge la précision du texte et la qualité d’impression.
Qu'est-ce que l'OCR ? (Le « Lecteur »)
Reconnaissance optique de caractères (OCR)
La reconnaissance optique de caractères (OCR) répond à une seule question : Qu’est-ce que cela signifie ? Elle convertit le texte inconnu d’une image en données lisibles par machine. Vous pouvez déployer la reconnaissance optique de caractères (OCR) lorsque vous devez saisir le numéro de série unique d’un piston automobile ou le code de lot sur les produits pharmaceutiques.
Qu'est-ce que l'OCV ? (le « Juge »)
Vérification optique de caractères (OCV)
OCV répond à une autre question : Ce texte est-il exact ? L’application vérifie la qualité de l’impression. Il recherche un point manquant, un frottis sur l’encre ou un horodatage décoloré. Vous utilisez l’OCV lorsque vous savez déjà ce que le texte doit dire (par ex., un numéro de lot spécifique au cycle de production d’aujourd’hui) et que vous devez vous assurer que la méthode de marquage fonctionne correctement. Alors que la reconnaissance optique de caractères (OCR) voit les données, l’OCV détecte les défauts.
Vitesse et cohérence : Où la reconnaissance optique de caractères manuelle (OCR) et les opérations OCV sont en défaut
Étude de cas : Yuman Wine Group et la technologie PanPass
Historiquement, les employés inspectaient manuellement les codes pour vérifier leur lisibilité et transcrire les données. Cependant, l’augmentation de la vitesse des lignes et l’analyse subjective et humaine peuvent créer des problèmes de production. Shandong Quingzhou Yuman Wine Group, un important fabricant d’alcool dans le nord de la Chine, l’a appris par lui-même.
« Par le passé, si les codes de pulvérisation étaient déformés ou défectueux, les inspecteurs humains pouvaient identifier ces problèmes », a déclaré Lui Kaiqiang, vice-ministre du développement de la stratégie numérique au Yunmen. « Cependant, avec la vitesse triplée de la nouvelle ligne de production, les yeux humains ne peuvent pas détecter ces défauts. »
Les autres défis auxquels le Yunmen a été confronté comprenaient des bouteilles à faible contraste, des arrière-plans complexe et une qualité d’impression incohérente.
Les codes illisibles sur les bouteilles d’alcool présentent d’immenses risques et coûts. L’entreprise a trouvé difficile de tracer les matières premières, les processus de production et la transparence de la chaîne logistique, ce qui complique la prévision de la demande. Et les bouteilles avec des codes illisibles doivent être retravaillées ou mises au rebut, il était donc tout aussi important de minimiser les faux rejets afin de réduire les coûts.
« Les exigences de reconnaissance optique de caractères (OCR) sont strictes, sans erreur ni défaut », a ajouté M. Kaiquiang. « D’après notre évaluation complet, le taux de précision de la solution OCR Cognex était supérieur à 99,9 %. »
PanPass Technology Co., Ltd., une société de traçabilité et d’anti-contrefaçon à Pékin, s’est associée à Cognex pour améliorer les efforts de traçabilité au Yunmen. La solution d'identité de produit de PanPass utilise un code d'identité de produit (PID) textuel sur les produits et l'emballage, qui est lié à la plateforme cloud de PanPass pour la vérification et le suivi.
PanPass et le Yunmen ont utilisé des systèmes de vision In-Sight et l’IA Cognex pour vérifier les codes PID et transmettre les données à la plateforme de PanPass.
« La principale priorité de nos clients est la fiabilité », a déclaré Zhang Yonghong, président-directeur général de PanPass. « Les performances constantes et l’innovation technologique sont également importantes. La technologie de vision industrielle Cognex répond à toutes ces préoccupations. »
Comment l’IA surpasse la reconnaissance optique de caractères (OCR) fondé sur des règles et appariée par modèle
La reconnaissance optique de caractères (OCR) de vision industrielle traditionnelle repose sur la correspondance de modèles, où un système utilise une bibliothèque définie de caractères et de règles pour reconnaître et lire le texte. reconnaissance optique de caractères (OCR) Cette méthode excelle lorsqu’un système de vision lit un document ou une étiquette structuré, mais repose sur des conditions d’image idéales, une rareté dans les environnements de fabrication.
Les défis réels de la reconnaissance optique de caractères (OCR) dans les environnements de fabrication tels que les surfaces incurvé, les finitions mates et les étiquettes sans défaut sont prohibitifs pour la correspondance des modèles. Il y a trop de variables d’imagerie et de caractères pour lire les codes de manière fiable.
Lessystèmes de vision basés sur l'IA relèvent ces défis grâce à des outils de vision spécialisés qui optimisent le contraste et compensent la présence de codes sur des surfaces courbes..
Même si l'IA est un outil puissant, il est important de commencer par maîtriser les bases, comme le placement de la caméra, l’orientation des pièces/produits et l’éclairage.
Rapport de recherche : Comment l'IA transforme la vision par ordinateur
Nous avons interrogé des centaines de fabricants, d'intégrateurs et de fabricants d'équipement d'origine (OEM) dans différentes régions et industries sur l'adoption et l'utilisation de l'IA. Lisez pour savoir ce qui motive les décisions d'achat, les attitudes envers l'IA et comment l'IA offre des performances et de la simplicité.
Conclusion : Une approche hybride
Lorsque vous exécutez uniquement la reconnaissance optique de caractères (OCR), un code parfaitement lu peut toujours être illisible. Vous expédiez un produit dont la date de péremption est étalée. Lorsque vous exécutez uniquement OCV, vous rejetez les pièces dont la qualité d’impression est correcte mais dont le contenu est incorrect. Vous bloquez votre ligne sans raison.
L’approche double couche devient la norme dans les environnements de fabrication où la traçabilité, la conformité et la confiance des clients sont en jeu.
Vous n’avez pas à choisir entre les deux technologies. L’utilisation de la reconnaissance optique de caractères (OCR) et d’OCV garantit la qualité du code, peut vous aider à trouver la cause profonde de la qualité du code et garantit un suivi et une traçabilité complets.