제조 부문에서 OCR 대 OCV: 읽기 vs. 확인

99%의 정확도가 인상적이라고 주장하지만, 현 정확도는 중요한 지표입니다. 숫자, 문자 또는 기호와 같은 여러 문자가 문자열을 형성합니다. 이 코드는 읽거나 확인하려는 코드입니다. 산업용 코드 판독에서 문자열은 최대 30자까지 도달할 수 있습니다.  

한 연구에 따르면 광택이 있는 식품 라벨 포장을 읽을 때 0.912자 오류율(CER)이 확인되었으며, 이는 문자의 약 9%를 읽을 수 없음을 의미합니다. 20자 코드의 경우, 한 자리 오류율은 코드의 거의 20%를 읽을 수 없음을 의미하며, 추가 비용, 재작업 및 잘못된 배송과 같은 위험에 대한 작업을 노출시킵니다.

이러한 위험은 규모에 따라 증가합니다. 문자열이 길수록 비효율적인 솔루션으로 더 많은 코드를 읽을수록 코드를 읽지 못할 가능성이 커집니다.

이러한 실패율은 소프트웨어 또는 하드웨어 버그가 아니라 OCR과 OCV를 함께 사용하여 발생하는 수학적 확실성입니다.

이 두 응용 분야는 종종 제약 라인 또는 고속 포장 컨베이어에서 나란히 구현되지만 다른 질문을 합니다. "하나는 ""이 텍스트는 무엇을 말하는가?""라고 묻습니다." "다른 사람은 ""이 텍스트가 정확합니까?""라고 묻습니다."

광학 문자 인식(OCR)

OCR은 단일 질문에 답합니다. 이것은 무엇을 말합니까? 이미지의 알 수 없는 텍스트를 기계가 읽을 수 있는 데이터로 변환합니다. 자동차 피스톤의 고유한 일련 번호 또는 의약품의 로트 코드를 캡처해야 할 때 OCR을 활용합니다.

OCV란 무엇입니까? (“판사”)

광학 문자 검증(OCV)

 OCV는 다른 질문에 답변합니다. 이 텍스트는 정확합니까? 애플리케이션 인쇄  품질을 확인합니다. 누락된 점, 잉크의 도말 또는 퇴색된 날짜 스탬프를 찾습니다.  텍스트가 무엇을 말해야 하는지 이미 알고 있고(예: 오늘날의 생산 실행에 특정한 배치 번호) 표시 방법이 올바르게 작동하는지 확인해야 할 때 OCV를 사용합니다. OCR이 데이터를 보는 동안 OCV는 결함을 감지합니다. 

사례 연구: 유만 와인 그룹 및 PanPass 기술

과거에는 직원들이 코드의 가독성을 검사하고 데이터를 수동으로 전사했습니다. 그러나 라인 속도와 주관적인 인간 분석 생산 문제를 일으킬 수 있습니다. 중국 북부의 저명한 주류 제조업체인 Shandong Quingzhou Yuman Wine Group은 이를 직접 배웠습니다.

Yunmen의 디지털 전략 개발 부총리 Lui Kaiqiang는 “과거에 스프레이 코드가 왜곡되거나 결함이 있는 경우, 인간 검사관이 이러한 문제를 식별할 수 있었다”고 말했습니다. “그러나 새로운 생산 라인의 속도가 3배 빨라지면 인간의 눈으로는 이러한 결함을 감지할 수 없습니다.”  

Yunmen이 직면한 다른 과제로는 저대비 병, 복합 배경, 일관성 없는 인쇄 품질 등이 있었습니다.

주류병의 판독 불가능한 코드는 엄청난 위험과 비용을 초래합니다. 이 회사는 원자재, 생산 공정 및 공급망 투명성을 추적하는 것이 어려워 수요를 예측하기가 더 어렵습니다. 판독할 수 없는 코드가 있는 병은 재작업하거나 폐기해야 하므로 비용을 줄이기 위해 잘못된 거부를 최소화하는 것도 마찬가지로 중요했습니다. 

Kaiquiang은 “OCR 요건은 엄격합니다. 오류나 결함이 없습니다.”라고 덧붙였습니다. “포종합적인 평가를 바탕으로 Cognex OCR 솔루션의 정확도는 99.9% 이상이었습니다.”

베이징의 추적 가능성 위조 방지 회사인 PanPass Technology Co., Ltd.는 Cognex와 협력하여 Yunmen의 추적 가능성 향상했습니다. PanPass의 제품 ID 솔루션은 제품 및 포장에 텍스트 기반 제품 ID(PID) 코드를 사용하며, 이는 검증 및 추적을 위해 PanPass의 클라우드 플랫폼에 연결됩니다.

PanPass와 Yunmen은 In-Sight vision systems Cognex AI를 사용하여 PID 코드를 확인하고 데이터를 PanPass 플랫폼으로 전송했습니다.  

"PanPass의 회장 겸 CEO인 Zhang Yonghong은 ""고객의 주요 우선순위는 신뢰성입니다." “일관된 성능과 기술 혁신도 중요합니다. Cognex 머신 비전 기술 이러한 모든 문제를 해결합니다.” 

AI가 규칙 기반 템플릿 매칭 OCR을 능가하는 방법

기존의 머신 비전 OCR은 템플릿 일치에 의존하며, 여기서 시스템은 정의된 문자 및 규칙 라이브러리를 사용하여 텍스트를 인식하고 읽습니다. 이 방법은 비전 시스템 구조화된 문서 또는 라벨을 판독할 때 탁월하지만 이상적인 이미지 조건, 제조 설정의 희귀성에 의존합니다.

곡선면, 무광택 마감 및 무결점 라벨과 같은 제조 환경에서 OCR의 실제 과제는 템플릿 매칭에 매우 어렵습니다. 코드를 안정적으로 판독할 수 있는 이미징 및 문자 변수가 너무 많습니다. 

AI 활성화된 비전 시스템 대비를 극대화하고 곡선 표면의 코드를 보정하는 전용 비전 툴 사용하여 이러한 문제를 해결합니다. 

AI는 강력한 도구이지만 카메라 배치, 부품/제품 방향, 조명과 같은 기본 사항을 먼저 파악하는 것이 중요합니다. 

OCR만 실행해도 완벽하게 읽은 코드는 여전히 읽을 수 없습니다. 도말표본 유효기간이 있는 제품을 배송합니다. OCV만 실행하면 인쇄 품질이 올바르지만 내용이 잘못된 부품은 거부됩니다. 아무 이유 없이 줄을 멈춥니다.

이중 계층 접근 방식은 추적 가능성, 규정 준수 및 고객 신뢰가 필요한 제조 환경에서 표준이 되고 있습니다.

두 가지 기술 중에서 선택할 필요가 없습니다. OCR과 OCV를 모두 사용하면 코드 품질 보장하고 코드 품질의 근본 원인을 찾는 데 도움이 되며 완전한 추적 및 추적 가능성 보장할 수 있습니다.