关键要点
- 首先关注图像。 仅通过控制照明和图像，就可以将OCR的准确率从65%提高到88%，而无需对软件进行任何更改。
- 将对比度测量为灰度分离。 眩光和阴影，而不是字体质量，是导致大多数生产误读的原因。
- 将照明几何与表面行为相匹配。 反射、弯曲和纹理材料都需要不同的照明角度，基于人工智能的OCR在物理达到极限时扩展了读取率。
光学字符识别（OCR）是一种机器视觉应用，系统通过读取字母数字字符来实现跟踪、追踪和质量控制的自动化。代码要么打印在标签上并贴在产品上，要么通过直接零件标记刻在零件上。但是机器视觉软件只能解释相机提供的像素。如果眩光使图像的对比度变平，或者磨砂金属表面使图像变得粗糙，那么再多的处理能力也无法弥补图像质量的不足。
反过来，图像质量取决于三个变量：照明、对比度和表面条件。
为什么照明会决定OCR的准确性，以及它是如何决定的？
当机器视觉系统捕捉图像时，它会吸收光线并将其转换为像素密度值的网格。如果照明无法将字符与其背景分开，那么该信息在图像中就不存在。
机器视觉系统将字符视为灰度数字的矩阵。例如，只有当足够多的像素与背景一致时，“9”才会存在。生产环境增加了难度。天窗每小时都会改变照明。车库门打开。顶灯老化并闪烁。不同的照明方法和配置存在，正是为了控制这种变化。
专家见解：照明越多越好吗？
林娜·张，高级项目解决方案工程师： “如果表面提供信息，照明则决定了这些信息如何被相机捕捉。
许多人认为照明只是为了使图像更亮。然而，在机器视觉中，照明主要是关于控制可见性和抑制不需要的光学效果。
一个设计良好的照明系统可以突出字符特征，减少反射和眩光，提高图像一致性，并增加字符与背景之间的分离度或对比度。
例如，由于眩光，反射箔包装在直射光下可能变得无法阅读。通过改变照明角度或添加偏振光，可以在不改变OCR软件的情况下使字符变得清晰可见。
目标不是最大亮度；目标是最大可见度。
对比度在字符识别中起什么作用
在 OCR 的背景下，对比度是字符与其背景之间可测量的灰度分离。首先，机器视觉系统将图像二值化，迫使每个像素变为纯黑色或纯白色。对比度弱会将像素推到该阈值的错误一侧，这会使字符笔画合并、变细或直接消失。
眩光和暗区是低对比度图像的两个主要原因。眩光使像素饱和为纯白色，而暗区使像素更接近黑色，将字符与背景融合。这两种情况都发生在场景看起来对人眼来说非常明亮的时候，这就是为什么用眼睛观察你的光线可能会产生误导。
正确设置图像对比度有助于 机器视觉系统 准确地将图像分割成字符。
专家见解：分割有多重要？
基肖尔·库马尔，协会应用工程师： 我看到工程师或第一次从事OCR应用的人的常见误解是将其视为测量、存在/不存在或其他应用。在OCR中，分割字符是最重要的。
分割取决于前景字符与图像背景之间的对比度。为此，我们需要足够的照明，但不一定是更多的照明。
成功的OCR建立在对比度的基础上。对于表面浮雕标记，优化照明角度。对于材料或颜色变化，优化光波长。更多的光并不能保证更好的OCR。更好的对比度能做到这一点。”
表面条件如何使工业OCR复杂化？
表面条件控制光线返回相机的方式。镜面表面，如抛光金属，将光线反射到一个方向，产生饱和传感器的热点。漫射表面均匀且可预测地散射光线。弯曲、有纹理和透明的材料会使字符笔画弯曲或破碎。每种行为都需要特定的照明几何形状，因为原始强度无法覆盖反射物理。
当标记和表面共享相同的材料时，OCR 应用程序最具挑战性。直接部件标记（DPM）被刻在部件或产品上，几乎没有固有的对比度：金属字符在金属背景上。磨砂表面增加了另一层复杂性，因为自然纹理在像素级别上模仿了字符笔画和划痕。弯曲的包装——想想唇膏管和小瓶——将字符间距压缩到视野的边缘。此表将五种最常见的表面类型映射到解决它们的照明几何形状。
| 表面类型 | 主要OCR挑战 | 有效的照明策略 |
|---|---|---|
抛光或反射金属 | 镜面眩光使字符饱和 | 漫射圆顶或同轴照明 |
拉丝或纹理金属 | 木纹模仿笔画 | 低角度暗场光勾勒阴影标记 |
弯曲的包装（管、小瓶、盖子） | 不均匀的照明和边缘失真 | 漫射圆顶照明；多个摄像机角度 |
光亮标签和柔性薄膜 | 热点和反射 | 偏振光或离轴照明 |
浮雕或雕刻标记（铸件、模制件） | 标记与背景之间的对比度接近于零 | 倾斜的暗场光投射微小阴影，配合基于人工智能的OCR |
五种工业表面类型的比较表显示，OCR失败的原因在于反射行为，而不是亮度。反射和低对比度表面需要改变照明几何形状，如漫射圆顶、同轴、暗场或偏振照明，而不是提高光强度。
专家见解：OCR成像中最被低估的变量是什么，改变它的一个实际例子是什么，它创造了一个成功的机器视觉部署？
林娜·张，高级项目解决方案工程师： “如果我必须选一个，那就是偏振。
工程师通常关注亮度、波长选择、相机设置或OCR算法。但对于光亮或金属化包装上的生产日期代码和保质期检查，最大的挑战通常要简单得多：由于反光，相机无法清晰地看到字符。
一个例子是读取印在金属化食品包装上的生产和保质期。反射膜产生强烈的镜面反射，部分遮挡了印刷字符，导致频繁的误读和无读。团队尝试改变光的颜色，增加亮度，调整相机设置，但这些都没有解决根本原因。事实上，更多的光只会产生更多的反射。
突破来自添加交叉偏振：光源上的偏振器和镜头上的另一个偏振器。这过滤掉了反射的眩光，同时保留了打印字符信号，显著提高了对比度和OCR稳定性，而无需改变相机或OCR软件。
偏振之所以如此强大，原因很简单：如果眩光遮住了字符，OCR引擎就永远没有机会读取它们。
这就是为什么我认为偏振是OCR成像中最被低估的变量之一。它不会使OCR更智能——它使字符可见。
在调整OCR算法之前，确保相机实际上可以看到字符。在反射性包装应用中，偏振通常比更多的光线、不同的波长或更先进的OCR工具更能带来改进。”
OCR失败在实际生产线上会造成什么损失
以下是在该领域中林娜、基肖尔和杰特米尔所遇到的OCR挑战的实际例子，突显了这些问题如何影响运营：
- 快速消费品：一台用于读取液体洗涤剂包装袋上二维码的机器在没有任何照明变化的情况下尝试读取字符，导致读取率在75%到85%之间。用于代码读取的 150 毫米条形灯无法均匀覆盖 250 x 200 毫米的视野，操作员在每次产品更换时手动重新定位相机和灯光，降低了可重复性和稳定性。误读遵循一个明显的模式：五台相机将字符读为“S”，三台相机将其读为“8”。康耐视应用工程师 Kishore Kumar 修复了几何结构，而不是软件：永久安装的相机，两个角度的条形灯覆盖整个视野，以及由 PLC 切换的更换。可重复性恢复，人工干预消失。
- 包装：一条检测线试图在同一行上读取低对比度的激光标记日期代码和灰度喷墨代码。低角度环形光使激光标记更加明显，但当袋形移动时，光线会晃动，导致错误拒绝和操作员干预。稳定的固定装置将环形光（用于增强激光标记的表面对比度）与同轴光（用于均匀照亮喷墨打印）结合在一起。当标记方法混合时，照明必须叠加技术，因为没有单一的几何形状可以覆盖两者。
- 制造业 ： 在轴承厂，不均匀的照明将序列字符掩埋在曝光不足和曝光过度的区域，破坏了随出口订单一起发货的序列清单，其中单个不匹配就可能触发整个货物的拒收。
人工智能如何实时处理照明和表面变化
基于人工智能的OCR 读取违反传统视觉工具所依赖规则的字符。高级和边缘人工智能视觉工具附带预训练字体库，因此它们可以开箱即用地解码倾斜、变形、低对比度和蚀刻不良的字符。生产线工程师然后在工厂车间对它们进行再培训，以适应特定应用的字体，无需视觉专业知识。
基于规则的 OCR 需要稳定的阈值和一致的信息才能有效地读取字符。相反，人工智能神经网络会学习数千种变化中的字符外观，就像经验丰富的操作员在不假思索的情况下读取模糊的日期代码一样。该智能在设备上运行，无需 PC。标准协议、用于图像传输的 GigE Vision 以及工厂连接性，可为 MES 和可追溯性数据库提供支持，将集成转变为配置而非编码。基于图像的 条形码读取器 建立在相同的人工智能基础上，可维持 99% 以上的 1D 和 2D 代码读取率。
专家见解：技术进步将如何在未来几年改变OCR或视觉技术？
高级应用工程师 Jetëmir Zahiti: “人工智能已经使识别变得更加容易，并提高了机器视觉系统的功能。这项技术使 OCR 比几年前更容易接近，不是视觉工程师的客户也可以轻松部署和启动 OCR 应用程序的机器视觉。但它不能替代良好的成像。当误读带来真正的成本时，对读数的信心仍然始于相机捕捉到的图像。如果没有正确的照明、对比度和考虑表面条件，仅靠人工智能无法支持每个应用程序。照明构建图像和对比度；然后人工智能工具读取它。
工业人工智能在处理大量变量的应用方面表现出色。同一个工具可以读取喷墨代码，也可以处理从一个部件到另一个部件的雕刻字符，或者运行几种字体和标记类型的混合行。这种灵活性正是部署变得更容易的原因，也是人们容易过度信任它的原因。
不要认为人工智能是神奇的，机器视觉的基本原理仍然是一样的。从图像质量开始：确保有足够的对比度，使字符比背景更亮或更暗，且足够清晰，以便分辨每个笔画。然后考虑材料和运动，表面是反射还是吸收光线，部件是静止还是在传送带上快速移动。在这些基础上构建一个强大的视觉系统，人工智能就成为加速器，吸收基于规则的视觉工具无法处理的复杂打印变化。”
OCR 准确性审核
大多数 OCR 准确性损失可追溯到五个可测量的因素：标记对比度、环境光漂移、照明几何、分辨率和标记质量。按照这个顺序进行审计，可以告诉你问题出在物理、光学还是软件上，这样你就可以在购买新设备之前先花一美元。
- 测量字符的灰度对比度，而不是场景亮度。从视觉软件中提取像素值，并记录整个生产过程中笔画和背景之间的分离。
- 在24小时周期内映射环境光。天窗、海湾门和轮班变化会创建看似随机的读取率模式，直到您将它们与一天中的时间叠加。
- 检查照明几何图形与表面类型。使用上面的表格。如果你用更亮的亮场光与反射面作斗争，你是在放大问题。
- 验证每个字符的像素分辨率。文档扫描指南要求分辨率为300 DPI；内联应用程序需要软件指定的最小字符高度，由传感器分辨率和机器视觉镜头设置。
- 在源处进行等级标记。条形码验证器根据ISO标准对打印质量进行评分，在读取率下降之前捕捉到退化的打印机和标记系统。
每次光学字符识别都是一条链：表面、光线、镜头、传感器、算法。算法排在最后，它只能和它前面最薄弱的环节一样准确。性能最高的光学字符识别系统并不是运行最先进的算法的系统。它们为运行的任何算法提供清晰、高对比度、可重复的图像。将照明、对比度和表面条件视为工程输入的团队，像测量和控制任何其他过程变量一样，通常保持读取率在99%以上。将它们视为事后考虑的团队购买了无法修复物理问题的软件升级。