项目背景:
日本领先的汽车电机制造商,需要在制造过程中识别电机金属弧面的字符,实现生产工艺制程追溯的目标。德斯戈提供的OCR检测解决方案,通过定制光学成像方案,可以清晰地将金属表面复杂背景且在弧面的浅印字符进行成像,再通过深度学习的OCR技术,提高了电机弧面字符的识别良率,实现了工艺流程追溯的目的。
客户需求:


检测需求:
电机表面特定位置丝印字符识别。
检测说明:
1、字符在弧面上, 打光会有不均匀的地方。所以产品需要固定一个角度。允许3°旋转
2、在不同角度,光线会打到不同位置,字符效果就会不一样。
解决方案:
识别 ——复杂背景

|
制造商遇到机器视觉系统无法解决的复杂背景和成像问题时,应用涉及的字体的数量和类型不可预测时,需要一种新的专用光学字符识别解决方案,深度学习光学字符识别/光学字符验证工具非常适合解决这些问题。主要应用于汽车制造、电子制造、医药/医疗、包装等行业。
>>查看详情 |
检测过程:
难点分析:
点击表面弧面,需要读取位置的字符效果在不同产品上,存在一定性差异。而且产品本身的纹路也会影响到字符的读取效果。
方案说明:
字符在电机上的位置还是较为固定的,固定电机位置角度。
测试图片:


测试方法:
1、定位;
2、使用VIDI Read 工具读取字符,训练字体,训练图片。





验证效果:
传统OCR与VIDI OCR测试对比:
传统OCR 
| VIDI OCR 
|
字符所在圆弧面定位准确,正对相机成像
字体的形态、背景都OK的情况下,字符表面定位OK时,传统OCR可以读取。
传统OCR 
| VIDI OCR 
|
产品滚动,字符所在圆弧面,偏离相机成像面,接近阴影区域。
字符表面定位较差时,传统OCR读取困难。
产品滚动定位对比
测试结论:

产品定位稳定,使用深度学习软件来读取字符,就可以很大程度上对产品的一致性要求没那么高,字体的形态发生轻微变形或者背景图案的改变,就可以较为轻松的读取。
相同技术案例