石鑫华视觉论坛微信公众号:石鑫华视觉

 找回密码
 注册会员
查看: 79|回复: 0

手机物料二维码和OCR视觉识别

[复制链接]
  • TA的每日心情
    郁闷
    昨天 07:37
  • 签到天数: 3218 天

    连续签到: 88 天

    [LV.Master]2000FPS

     楼主| 发表于 2024-4-23 15:12:46 | 显示全部楼层 |阅读模式 来自:广东省东莞市 电信

    注册登陆后可查看附件和大图,以及购买相关内容

    您需要 登录 才可以下载或查看,没有账号?注册会员

    x
    手机物料二维码和OCR视觉识别
    image1.png
    手机物料二维码和OCR视觉识别视频号
    手机物料二维码和OCR视觉识别B
    手机物料数据矩阵二维码和OCR视觉识别,测试对象是手机上的一些物料,如背壳、底板等。基本上每个物料上,都会有相应的二维码和字符进行标识。这里一般即要做二维码识别,也要做OCR光学字符识别。对于本视觉方案中的数据矩阵二维码的识别,比较简单,无论是NI视觉还是HALCON都可以识别,不过NI视觉的话对于不同的产品需要高速参数,通用性没有HALCON的强。而对于OCR光学字符识别,这里因为字符相对比较多,又比较小,很多都连接在一起的,对于NI视觉来说,这类连接在一起的字符识别比较难处理。而如果尝试深度学习的话,则识别起来要容易的多(可以尝试各种社交软件或手机图像软件中的提取图像中的文字功能)。

    image2.jpeg
    物料1照明效果

    image3.jpeg
    物料2照明效果

    image4.jpeg
    物料3照明效果

    image5.jpeg
    物料4照明效果

    image6.jpeg
    物料5照明效果
    机器视觉光源
    这里的手机物料有很多种。但是基本上所有的条码类型和字符都是一样的,都是在白色背景上的黑色特征。所以,对于光源来说并不会有太高的要求。使用常规的条形光源或环形光源都可以解决这类问题。字符和码是一排的,所以使用一个条形光源应该是最经济的方案。视野范围约有80mm,可以超长使用SHI-BLM14738-W这样的条形光源:

    image7.png
    SHI-BLM14738-W
    光源控制器
    SHI-BLM14738-W的功率是比较小的,约10W左右,使用SHI-MAPSM2424-2CH即可。非常简易的小功率模拟控制器,共功率24W2路光源控制器,无级调节,不带触发、高低电平切换等附加功能,100来块钱,性价比高。

    image8.png
    SHI-MAPSM2424-2CH
    工业相机
    产品视野范围是80-60mm左右,中间水平,二维码和字符的印刷笔画相对比较粗。这里考虑使用500万像素级别的即可满足要求。静态测量的话,使用性价比高的卷帘CMOS即可;而如果使用动态飞拍的话,建议考虑全局CMOS芯片来处理,成本会有所上升。

    image9.png
    MER2-503-23GM/MER2-507-23GM
    工业镜头
    对于这种二维码和字符识别的产品来说,使用FA镜头即可;拍摄范围80mm的范围很多镜头可以满足,如常见的16mm25mm35mm的镜头。主要还是看允许的工作距离。如果距离近,那就使用16mm的,如果距离远,那就使用35mm的。考虑使用500万级别的低畸变高锐度的SHI-C2516FFW

    image10.png
    SHI-C2516FFW
    图像处理算法
    对于数据矩阵二维码的识别,相对来说比较简单,无论是使用NI视觉还是HALCON,都可以比较容易识别:

    image11.png
    NI视觉识别DataMatrix二维码1

    image12.png
    NI视觉识别DataMatrix二维码2

    image13.png
    NI视觉识别DataMatrix二维码3

    image14.png
    NI视觉识别DataMatrix二维码4

    image15.png
    NI视觉识别DataMatrix二维码5
    而要OCR光学字符识别,NI视觉表现的就不尽如人意了。因为很多字符是连接在一起的。NI视觉对于分割字符的能力是比较欠缺的。很多字符分割都有问题,就没有办法识别了。

    image16.png
    NI OCR不能正常分割字符
    而对于这种字符识别,使用深度学习功能应该会更好一些。不需要拿模型去验证,只需要使用微信、QQ的截图,然后识别文字即可看到这些软件更容易识别到图像中的文字:

    image17.png
    QQ截图识别到的文本
    虽然也有部分字符识别错了,如将B当成了8,但是连接的字符都能正常分割。而将上述图像传输到手机中(遥遥领先),再提取图像中的内容,那文本均可正常读取且是正确的:

    image18.jpeg
    遥遥领先可以准确识别字符
    所以对于这类字符识别,考虑使用深度学习的方法更有效,当然成本上可能会上升一些。
    机器视觉项目实现难度
    ★~★★★★
    项目的照明打光比较简单。其中的数据矩阵二维码读取相对来说比较简单,而字符识别的话,传统的OCR算法相对比较吃力,考虑使用深度学习的方法来处理。
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册会员

    本版积分规则

    LabVIEW HALCON图像处理入门教程(第二版)
    石鑫华机器视觉与LabVIEW Vision图像处理PDF+视频教程11种全套
    《LabVIEW Vision函数实例详解》教程-NI Vision所有函数使用方法介绍,基于NI VISION2020,兼容VDM21/22/23
    LabVIEW图像处理教程
    机器视觉商城淘宝店铺
    视觉论坛充值赞助方法

    QQ|石鑫华视觉论坛 |网站地图

    GMT+8, 2024-5-31 05:55

    Powered by Discuz! X3.4

    © 2001-2024 Discuz! Team.

    快速回复 返回顶部 返回列表