借助基于边缘学习的 OCR 技术提升供应链的可追溯性

我们几乎所有的用品和食品上都会采用字母数字编码，无论是消费电子产品、汽车零部件、食品和饮料、烟草还是药品，都是如此。这些编码用途广泛，包括从序列化到确定批号和保质期/有效期等。消费类电子产品、汽车零部件、烟草或药品等高价值商品的序列化有助于防止产品仿冒，产品仿冒会减少客户对高价值品牌的好印象。在食品和饮料行业以及制药行业，美国食品和药物管理局 (FDA) 等主管部门要求制造商印出批号和保质期/有效期，以便在需要召回产品的情况下，可以全程追溯到出售产品的商店。带有危险化学物质的消费类清洁产品必须具备唯一配方标识 (UFI) 码，来表明危险成分的构成，以便帮助毒物控制中心缓解危害。

在生产流程中，制造商不仅必须在产品上标注编码，还必须在最终包装前验证每个编码，以确保特定编码与商品相符，且编码已获取用于记录保存。在通常的大批量生产中，这些编码由摄像头以电子方式读取，并通过光学字符识别 (OCR) 软件处理。某些情况下，这些编码由操作员人工读取和记录。

实施基于机器视觉的自动化 OCR 解决方案面临的挑战

在制造环境中引入自动化 OCR 解决方案可能颇具挑战，个中原因有很多。字符可能磨损、变形、扭曲、蚀刻质量差，或者间距不规则。标注编码有不同的方法，例如激光蚀刻、点阵式打印或压印，这可能导致 OCR 程序难以辨认文字。编码难以读取的另一个原因是编码下背景材料的影响。某些情况下，纹理、颜色或反光会给辨认编码造成困难。这类示例包括机加工件或食品罐体上的反光金属背景，以及纤维状或呈现有杂色背景的可持续包装材料。最后，大部分基于 OCR 的解决方案是通过采用数十个或数百个不同的示例训练系统来“编程”的，这需要时间，并可能需要专门的机器视觉知识。在组织没有内部专业知识或时间来训练系统的情况下，或者在组织的产品转换频繁的情况下，这就会带来实施方面的挑战。

无法读取的 OCR 编码会降低效率

如果这些方法没有按预期发挥作用，就会影响生产流程：必须标记并移除未正确读取（或未读取）的商品，来进行人工调整。这项工作会耗费额外时间和资金，进而降低整体设备运行效率 (OEE)。如果出于任何原因，系统漏掉了编码不正确或不可读的某个产品或某批产品，那么可能召回这些商品就会变得非常困难了。

如何选择合适的 OCR 解决方案

在选择合适的技术来解决这些挑战时，制造商应寻求可以快速设置、易于训练，同时提供稳健可读性的解决方案。OCR 工具必须可以读取并辨认标注在反光、低对比度和/或非平面表面上的字母数字编码。要确保快速简单部署，特别是在频繁转换产品期间的快速简单部署，就要考虑采用少量图像就可以快速重新训练的 OCR 解决方案，这很重要。

切记，制造商必须在产品上标注这些编码的主要原因是要实现政府监管合规，对于每家制造商（无论其规模和内部资源情况如何）来说，有能力部署有助于遵守可追溯性法规的解决方案都很重要。中小型制造商通常没有内部资源来设置和部署复杂的 OCR 系统。因此，选择可以通过直观界面，在几分钟内完成设置的系统，是成功部署的关键所在。

下载《边缘学习应用指南》

康耐视 ViDi EL Read 工具简化 OCR 读取工作

康耐视 2D 视觉系统采用基于边缘学习的 OCR 技术，可准确读取快速运作的生产线上产品的字母数字编码。内置的 ViDi EL Read 工具使用高级光学字符识别 (OCR) 功能来识别各种文字和字体类型。该工具可以读取多行文字，以及包括反光、低对比度和非平面背景在内的复杂背景中的字符。此外，该工具也可以快速重新训练，来处理新文字并适应流程变化。该工具所需的训练很少，可简化作业设置并实现快速、准确的字符读取。在以下几个应用示例中，带有 ViDi EL Read 功能的康耐视视觉系统解决了为实现可追溯性而读取字母数字编码所面临的常见挑战：

汽车/电动汽车 – 部件识别

IS2800-OCR-on-cast-metal