KI in der Bildverarbeitung
Deep OCR mittels MVTec Halcon für die Rückverfolgung
Mit industrieller Bildverarbeitungstechnik lassen sich Produkte während des gesamten Warenflusses verlässlich identifizieren. Entsprechende Schriftzeichen oder Codes sind wegen verschiedener Umstände oft nur schwer lesbar. Techniken auf Deep-Learning-Basis bieten hier eine wertvolle Hilfestellung.
Das Unternehmen Visione Artificiale mit Hauptsitz im norditalienischen Bione bei Brescia hat eine robuste Anwendung zur Nachverfolgbarkeit von Aluminiumflaschen während der Produktion unter Zuhilfenahme der Machine-Vision-Software »Halcon« von MVTec Software entwickelt. Visione Artificiale hat sich auf die Integration industrieller Bildverarbeitungstechniken (Machine Vision) in durchgängig automatisierte Robotik-Systeme spezialisiert. Mit mehr als 20 Jahren Branchenerfahrung und tiefgehender Machine-Vision-Expertise entwickelt das Unternehmen Lösungen für verschiedenste Industrie-Anwendungen. Hierzu zählen Systeme zur Qualitätskontrolle von Bauteilen, präzise Messtechniken zur Automatisierung von Inline-Inspektionsprozessen, 3D-Vision-Systeme, Bin-Picking-Applikationen, Anwendungen auf Deep-Learning-Basis und viele weitere Lösungen.
Für ein Unternehmen aus der Lebensmittelindustrie hat Visione Artificiale eine Anwendung entwickelt, mit der sich die Rückverfolgung von CO₂-befüllten Aluminiumflaschen automatisieren lässt, die zum Aufsprudeln von stillem Wasser verwendet werden. Auf den Oberflächen der zylinderförmigen Flaschen sind verschiedene Informationen wie Seriennummern, Produktdaten, Abfülldatum und Logo per Laser eingraviert. Diese Buchstaben-Zahlen-Kombinationen dienen dazu, die Aluminiumflaschen mittels optischer Zeichenerkennung (Optical Character Recognition / OCR) automatisiert und mit hoher Präzision zu identifizieren. Dies ist wichtig für reibungslose Produktionsabläufe sowie für die Qualität der ausgelieferten Flaschen und somit für die Kundenzufriedenheit. Um eine lückenlose Rückverfolgung der Gefäße sicherzustellen, werden die eingravierten Informationen mittels industrieller Bildverarbeitungstechnik auf ihre Richtigkeit überprüft. Die automatisierte Inspektion durch Machine Vision ist nicht nur robust und schnell, sondern lässt sich auch rund um die Uhr durchführen. So spart das Unternehmen langfristig Kosten.
Reflexionen und Flecken beeinträchtigen Identifikation mit OCR
Eine Herausforderung liegt dabei in dem Material, in das die Texte gelasert sind. So können aufgrund der Oberflächenbeschaffenheit des Aluminiums bei der Bildaufnahme durch die Belichtung vielfältige Reflexionen und Flecken entstehen, die eine korrekte Segmentierung der Zeichen erschweren und damit den OCR-basierten Identifikationsprozess empfindlich stören. Um dennoch robuste Erkennungsraten zu gewährleisten, setzt Visione Artificiale auf die Technologie Deep OCR, ein Feature, das in Halcon von MVTec Software mit Sitz in München integriert ist, eine umfassende Standardsoftware für die industrielle Bildverarbeitung. Die Technologie von Deep OCR beruht auf Deep-Learning-Algorithmen und ist in der Lage, Zeichen unabhängig von ihrer Ausrichtung, Schriftart und Polarität zu lokalisieren. Zudem lassen sich Buchstaben automatisch gruppieren, was die Identifizierung ganzer Wörter ermöglicht. Darüber hinaus werden Fehlinterpretationen von Zeichen mit ähnlichem Aussehen gänzlich vermieden, sodass die Erkennungsleistung deutlich steigt. Halcons Deep OCR wurde für die verlässliche Identifikation verschiedenster Schrifttypen trainiert.
Kontrollprozess automatisieren und beschleunigen
Im Rahmen der Anwendung werden die zylinderförmigen Aluminiumflaschen jeweils in Spindeln arretiert und gedreht. Eine Zeilenkamera tastet die Flasche ab und nimmt so ein zweidimensionales Bild ihrer gekrümmten Oberfläche auf. Zunächst geht es darum, die Bereiche auf dem Bild zu finden, die Buchstaben und Zahlen enthalten. Dabei ermittelt das Netzwerk Boxen, die mit einem »Confidence Score« gekoppelt sind. Dieser Wert gibt an, wie wahrscheinlich es ist, dass diese Boxen Text enthalten. Innerhalb der Boxen bestimmt das Netzwerk dann die enthaltenen Zeichen, sodass sich die darin enthaltenen Informationen auf ihre Korrektheit überprüfen und verifizieren lassen. So wird der gesamte Kontrollprozess automatisiert und beschleunigt. Dabei ist das Setup mit zwei Kameras und Drehvorrichtungen ausgestattet, sodass pro Takt jeweils zwei Flaschen gleichzeitig getestet werden können. Dies ermöglicht einen noch schnelleren Durchlauf und erhöht die Effizienz.
»Wegen der besonderen Beschaffenheit des Materials hätte uns ein konventionelles OCR-System bei der Identifikation der eingravierten Texte nicht zum Ziel geführt«, erläutert Fazio Saverio, Gründer und Eigentümer von Visione Artificiale. »Um trotz der Reflexionen robuste Erkennungsraten zu erzielen, benötigten wir ein intelligentes OCR-System, das mit dieser Herausforderung zurechtkommt. Deep OCR hat sich hierbei als optimale Lösung für unsere Anforderungen erwiesen. Dank umfassend vortrainierter Deep-Learning-Netze lassen sich auch schwer lesbare Texte mit hoher Genauigkeit erkennen. Die Halcon-Bibliotheken von MVTec bieten eine breite Palette von Deep-Learning-Algorithmen, mit denen wir diese komplexe Aufgabe erfolgreich lösen können.« Bei der Umsetzung stand Fazio Saverio und seinem Team das Unternehmen iMAGE S beratend zur Seite. iMAGE S unterstützt seine Kunden in allen Fragen der industriellen Bildverarbeitung und stellt dazu auch eigene Produkte und Techniken bereit.
Höhere Produktivität und Qualität dank Deep OCR
Durch die Nutzung der Bildverarbeitungs-Software Halcon inklusive Deep OCR konnte die Rückverfolgung der CO2-Flaschen mittels Seriennummern überhaupt erst umgesetzt werden. Denn nur durch die automatisierte Kontrolle und Verifizierung der eingravierten Texte lässt sich dieser Prozess wirtschaftlich und mit der gebotenen Geschwindigkeit realisieren. Außerdem werden dadurch Mitarbeiter, welche die Prüfung der Zeichencodes ansonsten manuell durchführen müssten, von der monotonen Tätigkeit entlastet und können sich anspruchsvolleren Aufgaben widmen. Und nicht zuletzt lässt sich dank optimierter Nachverfolgbarkeit die Produktivität der gesamten Prozesskette erhöhen und die Qualität der Produkte im Ergebnis auf ein neues Niveau heben.
Der Autor
Jan Gärtner ist Produktmanager Halcon bei MVTec Software.
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
