大数跨境

矩案例 | 深度学习技术在【钢卷】OCR字符检测上的应用

矩案例 | 深度学习技术在【钢卷】OCR字符检测上的应用 矩视智能
2022-09-01
0

随着经济的发展,铁路货场对钢卷的转运量急剧增加,因此对其管理、监控、统计、追踪钢卷的流转情况显得尤为重要,钢卷号作为钢卷的唯一身份标识,对其识别是一个重要步骤。


传统的作业方式是装/卸车前,依靠人工进行现场抄录,存在一定安全隐患的同时,识别率也无法得到保证,因此钢卷号的自动化识别成为目前亟需解决的一个问题。


今天,小矩为大家分享合作伙伴运用矩视智能低代码平台完成的“钢卷OCR字符”检测的案例。


钢卷OCR字符检测案例


01

检测物


钢卷


02

检测项目


环形钢卷固定位置的2行字符识别(约20个字符)

03

项目背景


在冷轧生产中,一个平整机组对应几个重卷机组,为确保两道工序间钢卷信息的有效传递

•目前采用人工登记、跟踪的方式进行物料储备与跟踪,工序传统。

•工作组人与人交接过程中会出现物料丢失的情况。

•钢卷摆放运送流程繁琐,不易定位查找

钢卷喷印号码作为钢卷标识,记录着钢卷的生产批号、规格、型号等产品信息,是实现产品物流跟踪的主要依据。

自动识别钢卷号码是目前企业智能生产急需解决的核心问题之一。

04

技术要求


精度要求:暂定mm级

检测速度:每次拍摄处理时间约0.5s

05

检测难点


背景易受干扰、易反光,字符相近、倾斜、印迹不明显,识别难度大

06

方案设计


相机布置方式:相机固定在支架上,在产品待测面的正前方拍照,注意保持工作距离固定。

光源安装位置:放置在镜头和产品中间,从斜上方照射字符位置补光,可根据实际调整位置。如果室内的现场环境光可以满足成像要求,也可以取消此光源。

AI算法模块:OCR

通过标注训练样本图片,可以自动生成深度学习模型,能有效识别产品上的字符。如需调整或增加识别内容,可以采集新的图片样本训练模型。

如遇到字符倾斜,发生选择等情况,可开启“旋转框”即可对任意字符进行标注和识别。

旋转框进行标注

07

项目效果


矩视智能低代码平台基于自主的深度学习架构,在人能判断的情况下,学习后可以准确识别受到不同原因导致的背景干扰、印迹不明显的字符。

随着样本集的增加,准确率可达99.99%。不需要开发人员耗费大量时间,只需简单的标注工具和操作培训即可。


08

方案优势


1. 采用深度学习方法实现OCR检测,相比于传统算法,适用性更强(成像复杂、文字多变等)、准确率更高,并随着数据增多可以不断提升识别准确率。

2. 替代人工读码,避免疲劳等引起的不稳定干扰,适用于工业中大批量、高速度的生产方式。



矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台,始终秉承0成本、0代码、0门槛、0硬件的产品理念。

平台以人工智能技术为核心,在机器视觉应用开发环节,为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、3D测量、视频开发等上百项通用功能,致力于成为全球用户量最多,落地场景最广泛的机器视觉低代码平台。

现在长按下方二维码,即可获得立即免费试用机会!


如果您有相关检测需求
可扫码申请  ·  免费试用
👇👇👇
申请后我们会有工作人员第一时间与您联系
请耐心等待!

—往期回顾—


更多功能正在开发中,最新信息会第一时间在官方公众号进行公布,大家持续关注哦!

【声明】内容源于网络
0
0
矩视智能
1234
内容 312
粉丝 0
矩视智能 1234
总阅读0
粉丝0
内容312