Machine Vision Software LinkedIn Showcase page

Machine Vision OCR-Software und Kamera kooperieren, um Etiketten von Frühstücksflocken und Snacks bei hohen Geschwindigkeiten zu prüfen

  • Das von Epic Systems designte und entwickelte OCR-Vision-System zur Prüfung alphanumerischer Codes auf Lebensmittelverpackungen. Bild mit freundlicher Genehmigung von Epic Systems.

  • Die GigE Vision Monochromkamera Genie Nano M1940 von Teledyne DALSA erfasst Codebilder auf Lebensmittelverpackungen. Bild mit freundlicher Genehmigung von Epic Systems.

  • Ein Beispiel des vom Vision System aufgenommen Grauwert-Bild zeigt die Codes auf der Oberseite einer Snackverpackung. Bild mit freundlicher Genehmigung von Epic Systems.

  • Ein Beispiel der Codes, die vom speziellen OCR-Softwaretool Matrox SureDotOCR ™ der Matrox Imaging Library (MIL) gelesen werden. Bild mit freundlicher Genehmigung von Epic Systems.

In der Vergangenheit wurden optische Zeichenerkennungssysteme (OCR) normalerweise nicht als schnell, flexibel oder wartungsfrei betrachtet. Die heutigen Systeme sind jedoch anders, so dass zum Zeitpunkt, als ein weltweit führender Hersteller von Frühstücksflocken und Snackprodukten EPIC Machine Vision Systems mit der Installation eines Systems beauftragte, der Vision System Integrator zuversichtlich bei seinem Ansatz war.

Vor Ort beim Hersteller verwarf ein System verpackte Lebensmittelprodukte mit falsch gedruckten Datencodes. Obwohl das System einigermaßen gut funktionierte, war es alt und wurde vom ursprünglichen Softwareentwickler nicht mehr unterstützt. Der Hersteller bemühte sich daher, sein vorhandenes System zu aktualisieren, um neuen Qualitätsstandards und Industrie Standards der Lebensmittelsicherheit zu entsprechen und den gesamten OCR-Inspektionsprozess zu verbessern.

Das Designteam begann mit einer Front-End-Engineering-Methode (F.E.E.), bei der Zehntausende In-Prozess Bilder von mehreren Lagereinheiten (SKU), Druckern und Druckformaten zu Testzwecken gesammelt wurden.

"Wir verbrachten mehr Zeit am Frontend, um sicherzustellen, dass das endgültige, schlüsselfertige Vision-System nicht Gegenstand ständiger ‚Feinabstimmung‘ ist, die bei vielen Vision-Systemen alltäglich ist," sagt Dan Nadolny, Director of Engineering bei EPIC.

Um ein OCR-System für das Unternehmen zu installieren, das weltweit über 50 Fertigungsstätten besitzt, hat EPIC das SureDotOCR Tool der Matrox Imaging Library (MIL) Software von Matrox Imaging eingesetzt, welches speziell für das Lesen von Punktmatrixtext konzipiert ist. Mit Unterstützung von Matrox Imaging verwendete EPIC diese Bildsätze, um die Algorithmusparameter zu optimieren und eine Basis für die erforderliche Verarbeitungs- und Erfassungs-Hardware festzulegen. Die Testergebnisse umfassten mehrere Drucker und große Mengen an Druckschwankungen (z. B. Kontrast, Seitenverhältnis, Linienpositionen, Zeichenabstand und gekrümmte Linien).

Für den Kamerateil des Visionsystems hat EPIC eine Genie Nano M1940-Kamera von Teledyne DALSA ausgewählt. Die M1940 GigE Vision-Kamera ist ein monochromes Modell mit einem 2,4 MPixel IMX174 CMOS-Bildsensor von Sony, das eine Pixelgröße von 5,86 µm hat und eine Standard-Bildrate von 51 Bildern pro Sekunde erreicht. Die Kamera wurde durch die Position und ein entsprechendes Objetiv für einen Punktdurchmesser von 5 Pixeln eingerichtet. Die Kommunikation verläuft über eine Matrox Indio PCIe-Platine mit 16 diskreten digitalen E/A-Ports sowie Gigabit-Ethernet-Ports mit PoE-Unterstützung (Power over Ethernet). Die Anwendung verwendet Standard- und Industrie-PCs, wobei eine Beleuchtung mit Kamera und Dome Licht für gleichmäßige Beleuchtung im gesamten Bereich sorgt.

Ziel war es, eine Leserate von 99,97% bzw. eine Fehlerrate von weniger als 300 Teilen / Million zu erreichen.

"Der SureDotOCR-Algorithmus erreicht eine Leserate von 99,90% mit einer einzigen Einstellung des Punktdurchmessers , und 99,99% bei unterschiedlichen Einstellungen und drei Leseversuchen ", sagt EPIC Projektleiter Chris Walker. „Dabei ist der ‚Punktdurchmesser‘ definiert als der durchschnittliche Pixeldurchmesser der einzelnen Punkte in der gedruckten Textzeichenfolge. Matrox empfiehlt einen Punktdurchmesser von 7 Pixeln, aber das Designteam entschied sich für einen Punktdurchmesser von 5 Pixeln, um die Bildspeicher- und Bandbreitenanforderungen zu reduzieren. “

Die typischen Inspektionszeiten für einen einzelnen Leseversuch mit zwei Textzeilen und insgesamt etwa 36 Zeichen betragen laut Walker etwa 40 ms.

"Ausländische Schriftdateien wurden mit ähnlichen Leistungsmerkmalen wie normale englische alphanumerische Schriftarten erstellt und getestet", sagt er. „Der Algorithmus konnte 1200 Inspektionen pro Minute bei zwei Textzeilen mit insgesamt 36 gedruckten Zeichen überbieten. Bei Single-Read-Versuchen wurden Lesegeschwindigkeiten von bis zu 2500 Inspektionen / Minute festgestellt. Dank MIL-gestütztem Multi-Threading und Multi-Core-Verarbeitung konnten die erforderlichen Leseraten erzielt werden. “

Eine Inspektionsrate von 1200 Teilen / Minute ermöglicht eine fortlaufende Inspektionszeit von nur 50 ms / Teil. Die durchschnittliche Inspektionszeit für einen einzelnen Leseversuch lag mit 40 ms knapp unter diesem Wert. Es werden drei Leseversuche / Überprüfung empfohlen, um die Robustheit des Systems zu erhöhen. Die Inspektionszeiten überstiegen periodisch 100 ms und waren im frühen Test sogar 286 ms. Das Vision-System musste sich auf die Multithreading-Architekturfunktion verlassen, die vom MIL SDK unterstützt wird, um diese Zeiten zu überwinden. Multithreading steht für Parallelverarbeitung und ist die Funktion, mit der ein Computer gleichzeitig mehrere Prozesse ausführen kann.

Das Bildverarbeitungssystem kann durch MIL auch Bilder zur Verarbeitung in einer Warteschlange puffern und diese Bilder von mehreren Threads parallel verarbeiten. Während die Multithreading Architektur gut für das Erreichen hoher Verarbeitungsraten geeignet ist, muss das Bildverarbeitungssystem die zu überprüfenden Teile überwachen, um fehlerhafte Teile, die möglicherweise längeren Inspektionszeiten unterliegen, ordnungsgemäß zurückzuweisen.

Wenn sich beispielsweise Teile mit hoher Geschwindigkeit auf einem Förderband bewegen, und das Bildverarbeitungssystems eine große Warteschlange von Bildern anstehen hat, die verarbeitet werden sollen, oder wenn ein Lesevorgang eine sehr lange Zeit in Anspruch nimmt, wird das auf ein Prüfergebnis wartende Teil signifikant weiter auf dem Förderband befördert worden sein, wenn das Ende der Inspektion abgeschlossen ist und das Gut / Schlecht Ergebnis fertig ist. Wenn in diesem Fall ein einzelner Lesevorgang bis zu 500 ms dauert, um das Teil zu untersuchen, wäre es fast 1 m weiter entlang des Förderbandes.

Die Bereitstellung einer Drehwinkelgeber-Rückmeldung für den vorhandenen Linienförderer, um Teile auf der Strecke von der Inspektionsstelle bis zu einem 1,5 m entfernten Auswerfer zu verfolgen, bewältigte diese Herausforderung, sodass das Visionsystem mit gelegentlich auftretenden Problemen mit außergewöhnlich langen Lesezeiten arbeiten kann, während das Prüfergebnis garantiert kommuniziert ist, bevor das Teil den Auswerfer erreicht.

Am Ende war die OCR-Lösung laut Walker flexibel und robust genug, um die Anforderungen der Anwendung zu erfüllen.

Weitere Informationen erhalten Sie hier: Medienarbeit.

Zurück nach oben