Распознавание QR-кода и символьного шаблона на пивной крышке: интегрированное высокоточное решение.

QR-код (обычно используемый для отслеживания, борьбы с контрафактной продукцией и маркетинга) и набор символов (логотип бренда, буквенное обозначение страны происхождения, номер производственной партии и т. д.) на крышках пивных бутылок вместе составляют «цифровую идентификационную карту» продукта и «лицо бренда». Обнаружение обоих элементов должно быть синхронизированным, высокоскоростным и на 100% точным; сбой в любом из них может помешать выходу продукта на рынок или спровоцировать кризис бренда.

I. Характеристики объекта обнаружения и основные проблемы

1. Материалы и процессы:

Металлические материалы: Чрезвычайно сильное зеркальное отражение представляет собой наибольшую проблему для получения изображений.

Разнообразные методы печати: QR-коды и символы могут быть напечатаны с помощью струйной печати, лазерной маркировки, тиснения или комбинации нескольких процессов. Различные процессы дают совершенно разные характеристики изображения.

2. Особенности распознавания QR-кодов:

Декодирование имеет первостепенное значение: конечным результатом обнаружения является декодированная строка. Даже при наличии косметических дефектов, если она может быть корректно считана стандартным сканером штрих-кодов, она может быть приемлемой.

Международная стандартная оценка: В соответствии со стандартами, такими как ISO/IEC 15415 (для QR-кодов поверхностного монтажа), оценка включает в себя множество параметров, таких как коэффициент контрастности, коэффициент модуляции, осевая несогласованность и отсутствие уровней коррекции ошибок, выходя за рамки просто «эстетики».

Чрезвычайно высокие требования к разрешению и равномерному освещению: размытое изображение или неравномерное освещение даже в одном модуле (небольшие черно-белые квадраты) напрямую приведут к сбою декодирования.

3. Особые характеристики распознавания символов и образов:

Акцент на единообразие внешнего вида и читаемость: логотипы и символы должны быть четкими, полными и неискаженными, соответствовать стандартам бренда.

Оценка потенциальной цветовой гаммы: Точность соответствия фирменным цветам.

Высокая сложность узора: логотипы могут содержать тонкие линии, градиенты и сложные графические элементы.

4. Проблемы, связанные с использованием общей производственной линии:

Высокая скорость: Чрезвычайно высокая скорость производственной линии.

Изменение положения: крышки бутылок могут вращаться или наклоняться во время транспортировки.

Компактное пространство: QR-коды и узоры могут быть размещены на ограниченной площади крышки, что требует получения изображений высокого разрешения за один снимок.

II. Путь развития технологии обнаружения керна

Как правило, в зрелой системе используется архитектура «одна машина, множество задач», то есть один аппаратный блок обработки изображений, соединенный с различными модулями программных алгоритмов, обрабатывает два обнаружения параллельно.

(I) Система визуализации и освещения: Преодоление отражения от металла

Это основа успеха всей системы. Необходимо обеспечить оптимальное и равномерное освещение для QR-кодов и символов.

• Предпочтительное решение для освещения: купольный встроенный источник света с высокой равномерностью освещения

Это наиболее эффективный способ решения проблемы зеркального отражения на изогнутых металлических поверхностях. Он использует рассеиватель для многократного отражения света, создавая бестеневое, равномерное световое поле, подобное пасмурному дню. Это полностью устраняет блики, вызванные неровной структурой крышки бутылки и изогнутыми поверхностями, обеспечивая стабильный и равномерный контраст между темными модулями QR-кода и светлым фоном, а также между символами и подложкой.

• Вспомогательные/альтернативные решения:

Кольцевая подсветка под малым углом: для рельефных символов или QR-кодов свет под малым углом может создавать тени, подчеркивающие трехмерную форму, служа дополнительным освещением или вариантом для определенных процессов.

• Коаксиальный источник света: обеспечивает бестеневое фронтальное освещение очень плоских участков (например, центра крышки), но может быть непригоден для всей изогнутой поверхности крышки.

• Блок визуализации:

• Промышленная камера высокого разрешения: обеспечивает достаточное количество пикселей в изображении самого маленького модуля QR-кода (обычно ширина каждого модуля должна составлять ≥4-5 пикселей) для надежности декодирования. Обычно используется сканирующая камера с разрешением 2-5 мегапикселей.

• Телецентрическая линза: обеспечивает неизменность размера изображения даже при небольшом вертикальном перемещении крышки бутылки. Это крайне важно для стабильного измерения размера модуля QR-кода и стабильного позиционирования символов.

(II) Схема алгоритма обнаружения QR-кода

1. Позиционирование и предварительная обработка изображений:

• Быстро найдите крышку бутылки и область QR-кода (ROI).

• Выполните фильтрацию, повышение резкости и другие виды обработки для улучшения контуров модуля.

2. Декодирование и оценка качества ядра:

Вызовите стандартные библиотеки декодирования, такие как ZBar, Zxing или декодеры QR/DM-кодов из коммерческих библиотек компьютерного зрения, и попытайтесь выполнить декодирование. Это первое препятствие, которое необходимо преодолеть (пройдено/не пройдено).

Оценка качества символов: После успешного декодирования система дополнительно анализирует изображение, вычисляет различные параметры качества в соответствии со стандартом ISO и присваивает оценку от A (наилучшее качество) до F (неудовлетворительное качество). Это предоставляет количественные данные для улучшения процесса (например, непрерывное снижение контраста может указывать на недостаточное количество чернил в струйном принтере).

3. Выявление дефектов внешнего вида:

Проверьте область QR-кода на наличие явных пятен, царапин, отсутствующих элементов, брызг чернил и т.д. Эти дефекты могут повлиять на читаемость в долгосрочной перспективе или восприятие потребителем.

(III) Схема алгоритма обнаружения символьных шаблонов

1. Местоположение и сегментация:

Определите рентабельность инвестиций в фиксированных точках, таких как логотип бренда и последовательности персонажей.

2. Обнаружение и распознавание:

Для фиксированных шаблонов (логотипов): используйте сопоставление шаблонов или более надежное сопоставление признаков (например, SIFT, ORB). Сравнивая с стандартным шаблоном, система определяет, существует ли шаблон, является ли его положение точным, а также деформирован ли он или неполный. В этом случае также очень эффективны модели классификации изображений или обнаружения объектов на основе глубокого обучения, которые учитывают определенные изменения освещения и угла обзора.

Для переменных символов (номер партии, дата): используется оптическое распознавание символов (OCR). Для высококачественной печати с фиксированными шрифтами достаточно традиционного OCR; для сложных фонов или незначительных деформаций лучше использовать OCR на основе глубокого обучения (например, CRNN), обеспечивающий 100% точность.

3. Оценка качества внешнего вида:

Оцените четкость, контрастность, насыщенность цвета (если используется цвет), наличие нечетких краев, двоение изображения, чернильных пятен и т. д. рисунка символов.

III. Интегрированный системный рабочий процесс

На производственной линии рабочий процесс системы в значительной степени основан на сотрудничестве:

1. Синхронный запуск: Когда крышка от бутылки поступает на рабочее место, датчик запускает работу того же набора камер и источников света для получения высококачественного изображения.

2. Параллельная обработка: промышленный управляющий компьютер одновременно отправляет изображения в два потока обработки:

Поток A (QR-код): Позиционирование -> Декодирование -> Оценка качества -> Проверка внешнего вида.

Поток B (шаблон символов): Позиционирование -> Сравнение логотипов/OCR -> Проверка внешнего вида.

3. Комплексная оценка: Центральный процессор обобщает результаты двух этапов проверки. Только если QR-код расшифровывается и соответствует стандартам качества, а шаблон символов корректен и внешний вид приемлем, крышка бутылки оценивается как «удовлетворительная».

4. Выполнение и отслеживаемость: Некачественная продукция немедленно отбраковывается. Все данные контроля (исходное изображение, расшифрованное содержимое, класс качества, тип дефекта) связываются со временем производства и партией крышки бутылки, хранятся в базе данных и обеспечивают полную отслеживаемость процесса.

IV. Основные ценности и тенденции

• Ценить:

Отгрузка без дефектов: предотвращает попадание на рынок продукции с неверной информацией или неустановленными дефектами.

Защита бренда: Гарантирует, что внешний вид каждой крышки бутылки соответствует имиджу бренда высокого класса.

Оптимизация процессов: данные о качестве в режиме реального времени обеспечивают прямую основу для корректировки параметров струйного принтера, мощности лазера и давления печати. ​​• Цифровая основа: обеспечивает точные точки ввода данных для управления цепочкой поставок, борьбы с контрафактной продукцией и ее несанкционированным оборотом, а также для интерактивного маркетинга с потребителями.

Тенденции:

• Глубокая интеграция ИИ: Использует многозадачную сеть глубокого обучения для одновременного вывода результатов декодирования QR-кодов, результатов распознавания символов и различных карт сегментации дефектов, что упрощает процессы и повышает точность.

• Поддержка 3D-визуализации: для QR-кодов, нанесенных лазерной маркировкой, 3D-камеры могут напрямую считывать информацию о глубине, совершенно не зависящую от цвета чернил или подложки, что обеспечивает более высокую устойчивость к загрязнениям.

• Мониторинг качества на основе облачных технологий: данные проверок со всех производственных линий загружаются в облако для анализа больших данных, что позволяет проводить сравнительный анализ качества процессов на разных заводах и производственных линиях, а также осуществлять прогнозирующее техническое обслуживание.

В целом, обнаружение QR-кодов и символов на крышках пивных бутылок — это комплексный проект, объединяющий сложную оптическую визуализацию, высокоскоростную обработку изображений, стандартные алгоритмы декодирования и интеллектуальные технологии распознавания. Его успешная реализация знаменует собой важный шаг для линий по производству упаковки от «автоматизации» к «интеллекту» и «цифровизации».