Scharfere Bilder, präzisere Ergebnisse: Zuverlässige Deep-Learning-OCR mit TIS Kameras und Theia Optiken

Optische Zeichenerkennung (OCR) spielt eine zentrale Rolle bei der Rückverfolgbarkeit und Qualitätssicherung in modernen Produktions- und Logistikprozessen. Die zu lesenden Zeichen sind oft klein, dicht gedruckt, kontrastarm oder auf reflektierenden Materialien aufgebracht, was eine zuverlässige Erkennung erschwert. Um zu untersuchen, wie sich optische Präzision auf Deep-Learning-basierte OCR-Verfahren auswirkt, testete das US-Team von The Imaging Source, LLC eine Konfiguration aus der TIS-Kamera DFK 33UX178, dem varifokalen 4K-Objektiv ML610M von Theia Technologies und einer gängigen Deep-Learning-basierten OCR-Software.

Bildqualität als Grundlage für Deep Learning

Deep-Learning-Modelle für die Zeichenerkennung sind auf saubere, kontrastreiche Bilder angewiesen, und damit auf präzise optische Leistung. Die Industrie-Kamera von TIS verfügt über einen 2/3-Zoll-Sensor mit 6,3 MP Auflösung und 2,4 µm Pixelgröße. Damit wird das feine Pixelraster bereitgestellt, das nötig ist, um schmale Zeichenstriche exakt wiederzugeben. Obwohl das varifokale 4K-Objektiv ML610M Pixelgrößen bis 1,55 µm unterstützt, wird die Systemauflösung durch den Kamerasensor auf etwa 200 Linienpaare pro Millimeter begrenzt. Auch bei dieser Auflösung liefert die Kombination ein scharfes, feldübergreifend gleichmäßiges Bild.

Bei einem Arbeitsabstand von rund 23 cm (9 Zoll) erzeugte das System ein dichtes, kontrastreiches Pixelraster, das selbst feinste Striche mit minimaler Unschärfe abbildete. So kann die OCR-Software problemlos zwischen Zeichen wie "1" und "l" oder "5" und "S" unterscheiden.

Hochwertige Daten für zuverlässige Erkennung

Die scharfen Bilddaten aus der TIS-Theia-Kombination ermöglichten es den Deep-Learning-Funktionen der OCR-Software, mit hoher Zuverlässigkeit zu arbeiten. Die Operatoren DL_LocateText und DL_ReadCharacters nutzen klar definierte Kanten, um Zeichen zu lokalisieren und zu klassifizieren, und sind für eine Vielzahl von Schriftarten, Größen und Ausrichtungen vortrainiert. Mit etwa 17 Pixeln pro Millimeter am Zielabstand lieferte das System genügend räumliche Details, um stabile Erkennungsergebnisse (OcrResult.Score) zu erzielen und Fehlklassifikationen selbst bei kleinen, abgenutzten oder leicht verzerrten Zeichen zu reduzieren.

Ergebnisse: OCR-Genauigkeit durch optische Präzision

Die Tests bestätigten, dass die gewählte Kombination aus Optik und Bildaufnehmer eine konstante OCR-Genauigkeit bei der vorgesehenen Arbeitsdistanz erreicht. Obwohl die nominelle Mindestobjektdistanz des ML610M mit 0,5 m angegeben ist, kann das Objektiv, abhängig von der Brennweite, auch bei kürzeren Abständen eingesetzt werden. Dabei wurden scharfe, hochauflösende Aufnahmen bei etwa 23 cm (9 Zoll) erzielt. Die Kombination aus DFK 33UX178 und ML610M bot die Kantenschärfe, die die OCR-Software zur Unterscheidung ähnlich aussehender Zeichen benötigt.

Integrierte Leistung für industrielle Bildverarbeitung

Die getestete Konfiguration verdeutlicht, wie Kamera, Optik und Software gemeinsam die OCR-Leistung bestimmen. Zusammen ergeben sie ein kompaktes, hochpräzises OCR-System für anspruchsvolle Prüf- und Identifikationsaufgaben.

Das Kamera-Portfolio von TIS unterstützt Anwendungen in der industriellen Bildverarbeitung von OCR und Inspektion bis hin zu Robotik und Logistikautomatisierung.

Kontaktieren Sie uns, um mehr darüber zu erfahren, wie Kameras von The Imaging Source sich mit unterschiedlichen optischen und Software-Plattformen kombinieren lassen, um Ihre nächste Vision-Applikation zu beschleunigen.