关键要点
- 光学字符识别 （OCR） 是一个机器视觉应用，它读取从图像获得的字母数字字符，并将其转换为机器可读信息。
- 光学字符验证 （OCV） 确定图像中字符的质量，查找污迹、缺失组件和划痕等缺陷。
- 虽然字符准确性很重要，但字符串准确性是最重要的指标。一个不正确的字符会使整个代码无效。
您的“99% 准确”OCR 系统如何导致隐藏故障
99% 字符的精度声明听起来令人印象深刻，但字符串精度是重要的指标。数字、字母或符号等多个字符组成一个字符串，即您正在尝试读取或验证的代码。在工业代码读取中，字符串最多可达 30 个字符。
一项研究发现，在读取光面食品标签包装时，0.912 个字符的错误率 （CER），这意味着约 9% 的字符无法读取。对于 20 个字符的代码，该单位数错误率意味着近 20% 的代码不可读，使操作面临额外费用、返工和错误装运等风险。
这种风险随着规模的增长而增加。字符串越长，使用无效的解决方案读取的代码越多，您未能读取代码的可能性就越大。
失败率不是软件或硬件错误，它是由OCR与OCV结合引起的数学确定性。
虽然这两种应用通常在制药生产线或高速包装输送机上并排实施，但它们会提出不同的问题。有人问：“这篇文章说了什么？” 另一个人问：“这篇文章是否正确？”
OCR 读取汽车零件上的 VIN 编号。
OCV 判断文本准确性和打印质量。
什么是 OCR？ （“读者”）
光学字符识别 (OCR)
OCR回答了一个问题： 这是什么意思？ 它将未知文本从图像转换为机器可读数据。当您需要从汽车活塞或药品上的批号中获取唯一的序列号时，您可以部署 OCR。
什么是 OCV？ （“法官”）
光学字符验证 （OCV）
OCV 回答了一个不同的问题：此文本是否准确？ 应用检查打印 质量。它寻找缺失的点，墨水上的污迹或褪色的日期戳。 当您已经知道文本应该说什么（例如，特定于今天生产运行的批号），并且需要确保标记方法正常工作时，您使用 OCV。当 OCR 看到数据时，OCV 会检测 缺陷。
速度和一致性：手动 OCR 和 OCV 操作短时
案例研究：育曼葡萄酒集团和 PanPass 技术
从历史上看，员工检查代码的可读性，并手动转录数据。然而，提高生产线速度和主观的人类分析可能会造成生产问题。山东清州玉曼葡萄酒集团是中国北方著名的酒类制造商，他亲身学习了这一知识。
“过去，如果喷雾代码被扭曲或有缺陷，人类检查员可以发现这些问题，”云门数字战略开发副部长Lui Kaiqiang说。“然而，随着新生产线速度的三倍，人眼无法检测到这些缺陷。
云门面临的其他挑战包括低对比度瓶子、复杂的背景和不一致的打印质量。
酒瓶上的不可读代码会带来巨大的风险和成本。该公司发现追踪原材料、生产工艺和供应链透明度具有挑战性，因此很难预测需求。带有不可读代码的瓶子需要返工或报废，因此尽量减少错误拒绝以降低成本同样重要。
“OCR要求严格 - 没有错误或缺陷，”Kaiquiang补充道。“根据我们的综合评估，康耐视 OCR 解决方案的准确率超过 99.9%。”
PanPass Technology Co.， Ltd. 是一家位于北京的可追溯性和防伪公司，与 康耐视 合作，增强云门的可追溯性工作。PanPass 的产品标识解决方案在产品和包装上使用基于文本的产品标识 （PID） 代码，该代码链接到 PanPass 的云平台进行验证和跟踪。
PanPass 和云门使用 In-Sight 视觉系统 康耐视 AI 验证 PID 代码，并将数据传输到 PanPass 平台。
PanPass 董事长兼首席执行官 Zhang Yonghong 表示：“我们客户的首要任务是可靠性。“一致的性能和技术创新也很重要。康耐视 机器视觉技术解决了所有这些问题。”
AI 如何超越基于规则的模板匹配 OCR
传统机器视觉 OCR 依赖于模板匹配，其中系统使用定义的字符库和规则来识别和读取文本。当视觉系统读取结构化文档或标签时，这种方法非常出色，但依赖于理想的图像条件，即制造环境中的罕见情况。
OCR 在弯曲的面、哑光饰面和无瑕标签等制造环境中面临的实际挑战对于模板匹配来说极具挑战性。成像和字符变量太多，无法可靠地读取代码。
已启用 AI 的视觉系统使用专用视觉工具解决了这些挑战，这些工具可以最大限度地提高对比度并补偿弯曲的面上的代码。
结论：混合方法
当你只运行OCR时，一个完美的读取代码仍然是难以辨认的。您发货的产品已涂片失效日期。当您仅运行 OCV 时，您拒绝打印质量正确但内容错误的部件。你无缘无故地停了下来。
双层方法正在成为制造环境中的规范，在这些环境中，可追溯性、合规性和客户信任都在不断涌现。
你不必在这两种技术之间做出选择。使用 OCR 和 OCV 可以确保代码质量，帮助您找到代码质量的根本原因，并保证完全跟踪和可追溯性。