Visione Artificiale SRL mit Hauptsitz im norditalienischen Bione hat sich auf die Integration von industriellen Bildverarbeitungstechnologien in durchgängig automatisierte Robotik-Systeme spezialisiert. Für ein Unternehmen aus der Lebensmittelindustrie hat die Firma eine Anwendung entwickelt, mit der sich die Rückverfolgung von CO2-befüllten Aluminiumflaschen, die zum Aufsprudeln von stillem Wasser verwendet werden, automatisieren lässt. Auf den Oberflächen der zylinderförmigen Flaschen sind verschiedene Informationen wie Seriennummern, Produktdaten, Abfülldatum und Logo per Laser eingraviert. Die Buchstaben-Zahlen-Kombinationen dienen dazu, die Aluminiumflaschen mittels optischer Zeichenerkennung (OCR) automatisiert und mit hoher Präzision zu identifizieren. Dies ist wichtig für reibungslose Produktionsabläufe sowie für die Qualität der ausgelieferten Flaschen.
Probleme mit Reflexionen und Flecken
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 Deep OCR, ein Feature, das in MVTec Halcon integriert ist. Die Technologie basiert 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.
Zahlen und Buchstaben finden
Im Rahmen der Anwendung werden die zylinderförmigen Aluminiumflaschen jeweils in Spindeln arretiert und gedreht. Eine Zeilenkamera tastet die Flasche ab und nimmt so ein 2D-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. „Aufgrund der besonderen Beschaffenheit des Materials hätte uns ein konventionelles OCR-System bei der Identifikation der eingravierten Texte nicht zum Ziel geführt. 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.“, bestätigt Fazio Saverio, Gründer und Eigentümer von Visione Artificiale. Bei der Umsetzung stand Saverio und seinem Team das Unternehmen image S beratend zur Seite. Erst durch den Einsatz von Halcon inklusive Deep OCR konnte die Rückverfolgung der CO2-Flaschen mittels Seriennummern überhaupt umgesetzt werden. Denn nur durch die automatisierte Kontrolle und Verifizierung der eingravierten Texte lässt sich dieser Prozess wirtschaftlich und mit der gebotenen Geschwindigkeit realisieren.
www.visioneartificiale.net
www.mvtec.com